Os harnesses de agentes de IA já existem há algum tempo, mas mudaram muito no último ano e meio. Saímos de agentes simples, que só executavam comandos Bash e editavam arquivos, para sistemas que buscam na web, se conectam a ferramentas externas, gerenciam contexto, lembram conversas passadas e concluem tarefas complexas.
Os harnesses modernos agora suportam habilidades reutilizáveis, vários agentes trabalhando juntos e execução paralela de ferramentas. Desenvolvedores também estão encontrando maneiras melhores de gerenciar contexto, reduzir uso de tokens e tornar os agentes mais rápidos e confiáveis.
O que acho interessante é que o foco está migrando de melhorar os modelos de IA para aprimorar o harness ao redor deles. Grande parte dos ganhos de performance que vemos hoje em agentes de IA vem de ferramentas melhores, fluxos de trabalho mais inteligentes e gestão de contexto mais eficiente — não apenas de modelos superiores.
No essencial, um harness de agente de IA é o código que conecta um modelo de IA às suas ferramentas, gerencia a execução e cria o ciclo de feedback que permite ao agente se ajustar aos resultados e corrigir erros.
Neste artigo, vou cobrir 10 dos harnesses de agentes de IA open source mais populares e úteis em 2026, destacando o que diferencia cada um e como começar. As contagens de estrelas no GitHub são de novembro de 2026. Para um mergulho mais profundo em como os harnesses são construídos, veja nosso guia de engenharia de harnesses de agentes.
O que é um harness de agente de IA?
Um harness de agente de IA é o sistema que dá a um modelo de IA as ferramentas e o ambiente de que ele precisa para concluir tarefas.
Pense no modelo de IA como o cérebro e no harness como tudo que ajuda esse cérebro a agir. É o harness que permite ao modelo executar suas próprias sugestões: ele pode ler arquivos, rodar comandos e checar resultados.
Por exemplo, imagine que você tem um aplicativo em Python que vive caindo. Em vez de copiar o erro no ChatGPT e aplicar manualmente as correções sugeridas, você pede a um agente de código com IA:
"Descubra por que meu app em Python está caindo, corrija o problema e garanta que todos os testes passem."
O harness permite ao modelo de IA ler seu código, executar o aplicativo, encontrar o erro, editar os arquivos relevantes e rodar os testes. Se os testes falharem, ele envia os resultados de volta ao modelo para tentar outra solução.
Tudo isso pode acontecer em uma única solicitação, com pouca intervenção manual.
O que exatamente um harness de agente de IA faz?
A maioria dos harnesses de agentes de IA oferece 5 capacidades essenciais:
Execução de ferramentas: Permite ao modelo ler arquivos, executar comandos, navegar em sites e interagir com aplicativos.
Gestão de contexto: Mantém o controle de arquivos relevantes, ações anteriores e informações que o modelo precisa para concluir a tarefa.
Loop do agente: Deixa o modelo usar ferramentas repetidamente, checar resultados e corrigir erros até finalizar ou atingir um limite.
Permissões e segurança: Controla quais arquivos, ferramentas e comandos o agente pode acessar ou executar.
Memória e extensões: Suporta habilidades reutilizáveis, integrações externas e, em alguns harnesses, memória entre sessões.
Alguns harnesses também suportam vários agentes trabalhando juntos em partes diferentes de um projeto.
O mesmo modelo de IA pode ter desempenhos muito diferentes dependendo do harness. Nos testes do DeepSeek V4 Flash da Composio, o mesmo modelo marcou entre 46,7% e 66,7% dependendo do harness, e o agente minimalista Pi ficou em primeiro.
Um harness bem projetado, com algumas ferramentas úteis e boa gestão de contexto, às vezes supera outro bem mais complicado. Por isso vale a pena escolher o harness com o mesmo cuidado que você escolhe o modelo.
Agora, vamos aos 10 melhores harnesses de agentes de IA open source em 2026.
1. Codex CLI: melhor harness de agente de IA open source para engenharia de software
Codex CLI é minha escolha principal de agente de código com IA open source. Desenvolvido pela OpenAI e escrito principalmente em Rust, é leve e feito para desenvolvedores que trabalham em projetos profissionais de engenharia de software. Tem cerca de 134 mil estrelas no GitHub.
O que destaca o Codex é o quanto ele consegue fazer sozinho. Ele consegue construir projetos completos, trabalhar com suas ferramentas existentes, corrigir bugs e rodar testes. Você pode dar uma tarefa complexa e deixar que ele cuide da maior parte do desenvolvimento.
A principal troca é o foco na OpenAI: o início rápido pede login com uma conta do ChatGPT ou uma chave de API da OpenAI.
O que diferencia o Codex CLI?
Base em Rust e open source: Agente leve, com foco em terminal, e um harness aberto que desenvolvedores podem personalizar e estender.
Suporte multiagente: Delegue tarefas a subagentes especializados e rode trabalhos independentes em paralelo.
Workflows locais e em nuvem: Comece a codar localmente, migre tarefas para o Codex Cloud e continue trabalhando pelo CLI, IDE ou app desktop.
Ecossistema extensível: Use servidores Model Context Protocol (MCP), habilidades reutilizáveis e plugins para conectar ferramentas externas e automatizar além do código.
Feito para engenharia real: Faça code reviews automatizados, integre com pipelines de CI/CD, gerencie tarefas longas e controle a execução via sandbox e permissões.
Como instalar o Codex CLI
Cada instalador neste artigo direciona um script remoto para o seu shell, então revise o script antes se quiser checar o que ele faz.
Entre com sua conta do ChatGPT ou configure acesso por API para começar a codar.
Por exemplo, você pode pedir ao Codex para criar um dashboard completo em Python com frontend, backend, testes e documentação. Ele cuida da maior parte da implementação enquanto você revisa os resultados. Para um passo a passo, veja nosso tutorial do OpenAI Codex CLI.
2. OpenCode: melhor harness de agente de IA open source para flexibilidade de modelos
OpenCode é um dos meus agentes de código com IA favoritos há mais de um ano. Funciona no Windows, macOS e Linux, suporta uma enorme variedade de modelos de IA e dá muita liberdade para personalizar os fluxos de trabalho.
É também um dos agentes de código open source mais populares, com cerca de 226 mil estrelas no GitHub. O que eu mais gosto é que você não fica preso a um provedor de IA. Você pode usar OpenAI, Anthropic, Google ou modelos locais, tudo na mesma interface.
O que diferencia o OpenCode?
75+ provedores de modelos: Alterne entre modelos comerciais e locais sem mudar seu ambiente de desenvolvimento.
Suporte multiplataforma: Use o terminal, o app desktop (atualmente em beta), a interface web ou o SDK em diferentes sistemas operacionais.
Agentes e sessões em paralelo: Rode várias tarefas de código simultaneamente e crie agentes especializados para trabalhos distintos.
Altamente personalizável: Estenda funcionalidades com plugins, servidores MCP, comandos personalizados e habilidades reutilizáveis.
Arquitetura cliente-servidor: Separe o agente de sua interface e conecte-o a outras ferramentas, aplicativos e workflows.
O único ponto negativo para mim é que o OpenCode pode parecer um pouco pesado comparado a agentes mais simples. Ele inclui muitos recursos que a maioria dos devs talvez nunca use, e sessões maiores às vezes parecem menos responsivas. Ainda assim, se você valoriza flexibilidade e escolha de modelos, o OpenCode é difícil de superar.
Como instalar o OpenCode CLI
Windows (Windows Subsystem for Linux, ou WSL), macOS e Linux:
Use /connect para configurar seu provedor de IA preferido ou comece com os modelos gratuitos disponíveis. Você também pode baixar o app desktop do OpenCode se preferir uma interface gráfica.
3. OpenClaw: melhor harness de agente de IA open source para automação pessoal
OpenClaw é um dos maiores projetos open source de agentes de IA de 2026, com cerca de 394 mil estrelas no GitHub. Diferente da maioria dos agentes de código desta lista, o OpenClaw foi pensado como um assistente pessoal de IA que realmente executa tarefas em seus aplicativos.
O interessante no OpenClaw é que você pode rodá-lo no seu computador ou servidor e se comunicar com ele pelo WhatsApp, Telegram, Discord, Slack e outras plataformas. Ele lembra contextos úteis, executa comandos, navega na web e automatiza tarefas do dia a dia.
Ele também funciona como uma plataforma para outros agentes de código, incluindo o Codex, e sua camada de assistente é construída sobre o Pi, outro harness desta lista.
O que diferencia o OpenClaw?
Assistente de IA entre aplicativos: Conecte um agente ao WhatsApp, Telegram, Slack, Discord e 20+ outros canais de mensagens.
Agente sempre ativo: Rode no seu computador ou servidor para lidar com tarefas e responder mensagens remotamente.
Memória e contexto persistentes: Mantenha conversas, informações de projetos e contexto útil entre sessões.
Flexibilidade de agente e modelo: Conecte diferentes provedores de IA, modelos locais e runtimes de agentes de código suportados, incluindo o Codex.
Ecossistema de automação: Use habilidades, plugins, ferramentas de navegador, tarefas agendadas e roteamento multiagente para criar workflows personalizados.
O principal ponto negativo é a complexidade e as exigências de segurança. O OpenClaw pode acessar ferramentas e arquivos sensíveis, então você precisa configurar permissões, sandbox e integrações externas com cuidado.
Eu recomendo o OpenClaw para desenvolvedores que querem ir além de assistentes de código e construir agentes pessoais de IA que funcionem em vários aplicativos.
Conecte seu modelo de IA e a plataforma de mensagens preferidos para começar.
Por exemplo, você pode configurar o OpenClaw para monitorar seus projetos de desenvolvimento, resumir atualizações, executar tarefas aprovadas e enviar resultados direto para o Telegram ou WhatsApp.
4. Hermes Agent: melhor harness de agente de IA open source para memória persistente
Hermes Agent, desenvolvido pela Nous Research, lembra informações úteis sobre você, suas conversas e seus projetos entre sessões.
O interessante no Hermes é como ele combina memória persistente com um agente completo. Ele escreve código, executa comandos, aprende habilidades reutilizáveis e automatiza tarefas enquanto mantém o controle de contextos importantes de conversas anteriores.
Memória persistente: Salva preferências importantes, detalhes de projetos e lições aprendidas ao longo das conversas.
Busca no histórico de conversas: Usa SQLite para pesquisar sessões anteriores e recuperar informações que não estão na memória ativa.
Habilidades autossuficientes: Cria habilidades reutilizáveis a partir de tarefas concluídas e pode refiná-las com a experiência.
Funciona em várias plataformas: Converse via terminal, Telegram, Discord, Slack, WhatsApp e outras plataformas de mensagens suportadas.
Workflows autônomos: Agende tarefas, delegue trabalho a subagentes e conecte modelos comerciais ou locais.
O desempenho em código também é competitivo. No Composio Bench, que roda cada harness no mesmo conjunto de tarefas multiaplicativo, o Hermes atingiu 75,9% de sucesso (22 de 29 tarefas) usando o GPT-6 Astra, empatando com o Codex CLI. Ele também registrou o menor tempo médio de conclusão entre os harnesses testados com esse modelo, 125 segundos por tarefa.
O principal ponto negativo é que a memória não é perfeita. Ele salva informações selecionadas, não tudo, e executar workflows complexos com modelos locais menores pode ser desafiador.
Eu recomendaria o Hermes para desenvolvedores que buscam mais do que um assistente de código — especialmente quem quer um agente pessoal de IA que lembre do trabalho e fique mais útil com o tempo.
Você também pode rodar hermes setup para configurar ferramentas adicionais, plataformas de mensagens e recursos de automação. Para um guia completo, veja nosso guia de configuração do Hermes Agent.
5. Pi: melhor harness de agente de IA open source e leve para LLMs locais
Pi é meu harness de agente de IA leve preferido. Sempre que escrevo tutoriais sobre rodar LLMs localmente, quase sempre uso o Pi porque ele é fácil de configurar, tem arquitetura minimalista e é bem mais leve que agentes maiores.
O que eu mais gosto é a simplicidade. O Pi foca em um loop de agente pequeno e eficiente. Na minha experiência, isso ajuda a manter o fluxo rápido e o uso de tokens sob controle, entregando resultados de código comparáveis aos de agentes mais complexos.
Tem cerca de 120 mil estrelas no GitHub. O Pi agora é desenvolvido pela Earendil, que adquiriu o projeto do criador, Mario Zechner, em abril de 2026, e continua com licença MIT. O OpenClaw é construído sobre componentes do Pi.
O que diferencia o Pi?
Arquitetura mínima de agente: Um loop de agente pequeno e focado, sem recursos embutidos desnecessários ou workflows complexos.
Excelente para LLMs locais: Suporta modelos locais via llama.cpp, Ollama, LM Studio e APIs compatíveis.
Gestão eficiente de contexto: Um prompt de sistema mínimo e contexto personalizável ajudam a reduzir sobrecarga e potencialmente economizar tokens.
Totalmente personalizável: Adicione extensões, habilidades e comandos personalizados, ou conecte servidores MCP com o suporte nativo adicionado no Pi 1.0, sem complicar o núcleo do agente.
SDK amigável ao desenvolvedor: Use o Pi via CLI, interface RPC ou SDK em TypeScript para construir seus próprios agentes e ferramentas de automação.
O desempenho também é competitivo. No Composio Bench, o Pi atingiu 69% de sucesso usando o GPT-6 Astra, empatando com o OpenCode nas mesmas 29 tarefas.
A principal limitação é que recursos como subagentes e planejamento não vêm por padrão. Você precisa de extensões ou implementações customizadas. Porém, essa simplicidade é exatamente por que eu prefiro o Pi para experimentos com LLMs locais e projetos de código mais leves.
6. Cline: melhor harness de agente de IA open source para VS Code
Cline é um dos agentes de código com IA open source originais que ficou popular como uma extensão do VS Code. Ganhou rapidamente uma grande base de desenvolvedores e inspirou forks como o Roo Code.
Embora eu não tenha usado o Cline tão a fundo quanto outros agentes desta lista, seu desenvolvimento e o feedback da comunidade são impressionantes. Hoje ele suporta múltiplas IDEs, um CLI, um quadro Kanban de tarefas e um SDK, com cerca de 70 mil estrelas no GitHub.
O que diferencia o Cline?
Experiência centrada em IDE: Trabalhe direto no VS Code e em outros editores suportados, com visualização de mudanças no código e controles de aprovação.
Modos Plan e Act: Deixe o agente explorar seu projeto e criar um plano antes de fazer alterações.
Checkpoints e segurança: Revise mudanças em arquivos, aprove comandos no terminal e restaure checkpoints anteriores quando necessário.
Flexibilidade de modelos: Suporta OpenAI, Anthropic, Google, OpenRouter e modelos locais via Ollama ou LM Studio.
Plataforma de agente extensível: Use servidores MCP, habilidades personalizadas, CLI e SDK para construir workflows de codificação automatizados.
No Composio Bench, o Cline atingiu 79,3% de sucesso (23 de 29 tarefas) usando o GPT-6 Astra, uma tarefa à frente do Codex CLI e do Hermes Agent. Foi o harness com melhor taxa de conclusão de tarefas.
O principal ponto negativo é a velocidade. O Cline levou em média 193 segundos por tarefa no mesmo benchmark, contra 125 segundos do Hermes Agent.
Como instalar o Cline AI Agent
VS Code (Windows, macOS e Linux):
Abra o VS Code, vá em Extensões (Ctrl+Shift+X no Windows e Linux, Cmd+Shift+X no macOS), pesquise por Cline e clique em Instalar.
Como alternativa, instale o CLI via npm (requer Node.js 22 ou superior):
Agora você pode pedir ao Cline para explorar seu codebase, implementar funcionalidades, corrigir erros e rodar testes enquanto revisa as alterações. Para exemplos práticos, veja nosso guia do Cline AI.
7. DeepSeek Harness: melhor harness de agente de IA open source para modelos DeepSeek
DeepSeek Harness foi lançado em 13 de agosto de 2026 e ultrapassou 186 mil estrelas no GitHub em seus primeiros 10 dias, tornando-se um dos projetos de agentes de IA open source que mais cresceram. Hoje, tem cerca de 279 mil estrelas.
Eu usei o DeepSeek Harness, e o que mais me impressionou foi a velocidade, especialmente com o DeepSeek-V4.1-Flash. Ele é ajustado para modelos DeepSeek e já traz quase tudo que se espera de um agente de código moderno.
Outra coisa que gosto é a transparência. Você pode inspecionar chamadas de ferramentas, rastros de execução e estatísticas detalhadas para entender o desempenho do seu agente.
O que diferencia o DeepSeek Harness?
Tudo é plugin: Construído sobre Cordis, permite personalizar modelos, ferramentas, habilidades, memória, sandboxes e até o loop do agente.
Feito para modelos DeepSeek: Funciona particularmente bem com o DeepSeek-V4.1-Flash, com atualizações oficiais focadas em melhorar performance e eficiência em código.
Estatísticas detalhadas de performance: Inspecione uso de contexto, atividade do modelo, informações de cache, chamadas de ferramentas e tempos de execução nas ferramentas de desenvolvedor.
Capacidades completas de agente: Suporta codificação, edição de arquivos, execução em terminal, subagentes, habilidades, automação e workflows de múltiplas etapas.
Interfaces web e desktop: Rode o agente por uma interface web local ou use o app desktop (macOS em Apple silicon e Windows), com possibilidade de estender funcionalidades via plugins.
O principal ponto negativo é que o DeepSeek Harness ainda está em developer preview. Seus plugins e APIs estão mudando, e atualizações podem trazer mudanças incompatíveis.
Eu o recomendaria para desenvolvedores que usam modelos DeepSeek com frequência ou que querem um harness altamente customizável com insights detalhados de execução.
Como instalar o DeepSeek Harness
Primeiro, instale o Node.js 22.19 ou superior no Windows, macOS ou Linux.
8. Deep Agents: melhor harness de agente de IA open source para agentes customizados
Deep Agents é um harness de agente de IA open source desenvolvido pela LangChain. Diferente de muitos agentes de código desta lista, ele foi pensado tanto para desenvolvimento de software quanto para criar agentes de IA customizados capazes de lidar com tarefas complexas e multietapas.
O que acho interessante no Deep Agents é que você pode usar o agente de terminal pronto ou construir o seu em Python ou TypeScript. Ele já inclui planejamento, memória, subagentes e gestão de contexto, então você não precisa criar tudo do zero.
O projeto também ganhou bastante atenção, com cerca de 31 mil estrelas no GitHub.
O que diferencia o Deep Agents?
Agente de código e SDK: Use o Deep Agents Code como um CLI pronto ou crie apps de IA customizados com as bibliotecas em Python e TypeScript.
Feito para tarefas longas: Agentes podem planejar workflows, gerenciar contexto e trabalhar em tarefas complexas com múltiplas etapas.
Delegação a subagentes: Divida tarefas grandes em trabalhos menores e delegue a agentes especializados com janelas de contexto separadas.
Ambientes de execução flexíveis: Trabalhe com sistemas de arquivos locais, sandboxes remotos, ferramentas customizadas e servidores MCP.
Base pronta para produção: Construído sobre LangGraph, com suporte a estado persistente, checkpoints, aprovações humanas e integração com o LangSmith para tracing e avaliação.
As melhorias de benchmark também merecem destaque. Em fevereiro de 2026, a LangChain relatou melhorias na pontuação do agente de código no Terminal Bench 2.0 de 52,8% para 66,5% com o gpt-5.2-codex, apenas ajustando prompts, ferramentas e middleware, sem trocar o modelo.
Eu recomendaria o Deep Agents para devs que querem construir seus próprios apps de IA, e não necessariamente para quem busca o assistente de código mais simples. Para tarefas leves, Pi ou Codex CLI podem ser mais fáceis de começar. Para saber mais sobre o SDK, veja nosso guia do Deep Agents.
Como instalar o Deep Agents
Instale o Deep Agents Code (macOS e Linux, ou Windows via WSL):
Escolha seu modelo de IA e configure a autenticação para começar.
Para agentes de IA customizados em Python, crie um projeto com uv e instale o SDK:
uv init my-agent
cd my-agent
uv add deepagentsTecnologia
Depois, use create_deep_agent() para construir agentes com seus próprios modelos, ferramentas, prompts e workflows.
Por exemplo, você pode criar um agente de pesquisa que busca na web, analisa documentos, delega partes da investigação a subagentes e gera um relatório final.
9. OpenHands: melhor harness de agente de IA open source para desenvolvimento autônomo
OpenHands é um dos primeiros projetos open source de agentes de código com IA. Começou em março de 2024 como OpenDevin, quando desenvolvedores ainda exploravam o que GPT-3.5 e GPT-4 podiam fazer além do chat e da geração de código.
Na época, a ideia de dar uma tarefa a um agente de IA e deixá-lo construir um projeto real era empolgante. O OpenHands ajudou a tornar isso possível ao permitir que agentes escrevessem código, executassem comandos, corrigissem erros e testassem o próprio trabalho.
Hoje, evoluiu para uma plataforma completa de desenvolvimento autônomo de software, com cerca de 93 mil estrelas no GitHub.
O que diferencia o OpenHands?
Pioneiro em codificação autônoma: Um dos primeiros projetos open source amplamente populares focados em permitir que agentes de IA concluam tarefas de engenharia de software.
Agent Canvas: Uma interface web para gerenciar conversas, arquivos, terminais e vários agentes de código em um só lugar.
Suporte a múltiplos agentes: Trabalhe com OpenHands, Codex, Claude Code, Gemini e outros agentes que suportam o Agent Client Protocol (ACP) em uma interface unificada.
Ambientes de execução flexíveis: Rode agentes localmente, em contêineres Docker, em servidores remotos ou em infraestrutura em nuvem.
Automação e SDK: Construa agentes customizados, automatize workflows de desenvolvimento e rode tarefas via SDK em Python e serviços de backend.
O principal ponto negativo é a complexidade. Comparado a harnesses mais leves, como Pi ou Codex CLI, o OpenHands exige mais configuração e recursos, especialmente ao usar ambientes isolados.
Eu o recomendaria para devs que querem rodar agentes de codificação autônomos, gerenciar múltiplos fluxos de trabalho ou construir seus próprios sistemas de desenvolvimento com agentes. Para saber mais, veja nosso guia do OpenHands.
Como instalar o OpenHands AI Agent
A forma mais fácil de rodar o OpenHands localmente é pelo Agent Canvas.
Primeiro, instale o Node.js 24 ou superior e o uv.
Depois, instale o Agent Canvas no Windows, macOS ou Linux:
Configure seu modelo de IA preferido, selecione um workspace e comece a passar tarefas de código ao agente.
Por padrão, isso roda o agente diretamente na sua máquina, com acesso total ao sistema de arquivos. Para manter os agentes longe de arquivos fora do workspace configurado, rode o Agent Canvas com sandboxes Docker:
10. mini-SWE-agent: melhor harness de agente de IA open source minimalista para engenharia de software
mini-SWE-agent é um dos harnesses de codificação com IA mais simples que já vi. Criado pelos pesquisadores por trás do SWE-agent e SWE-bench, ele segue um caminho diferente dos agentes cheios de recursos.
O agente principal tem cerca de 100 linhas de Python. Em vez de construir sistemas de ferramentas e workflows complicados, ele dá ao modelo de IA acesso ao Bash e deixa que ele descubra como concluir as tarefas.
Essa abordagem mínima ainda entrega ótima performance em código. O projeto tem cerca de 9,5 mil estrelas no GitHub e é usado por pesquisadores e engenheiros em organizações como NVIDIA, Meta e IBM.
O que diferencia o mini-SWE-agent?
Arquitetura de 100 linhas: Uma implementação minúscula em Python, fácil de entender, modificar e estender.
Execução só em Bash: Usa comandos de shell simples, em vez de sistemas complexos de chamadas de ferramentas, para editar arquivos, rodar testes e corrigir bugs.
Execução transparente: Mantém um histórico linear da conversa, facilitando inspecionar cada ação e depurar o comportamento do agente.
Ambientes de execução flexíveis: Rode localmente ou use Docker, Podman, Singularity e outros ambientes suportados para isolamento.
Feito para pesquisa em IA: Suporta vários provedores de modelos e oferece uma base simples para benchmarks, fine-tuning e experimentos de aprendizado por reforço.
De acordo com o README do projeto, o mini-SWE-agent marca mais de 74% no SWE-bench Verified, um benchmark com issues reais do GitHub, quando pareado com modelos fortes como o Gemini 3 Pro. Você pode comparar modelos no ranking bash-only do SWE-bench.
O principal ponto negativo é a falta de muitos recursos embutidos presentes em agentes maiores, como planejamento avançado, subagentes e integrações extensas. Desenvolvedores podem precisar implementar isso por conta própria.
Eu recomendaria o mini-SWE-agent a devs e pesquisadores de IA que querem um harness de codificação rápido, leve e fácil de personalizar, especialmente para experimentar diferentes modelos e arquiteturas de agentes.
Como instalar o mini-SWE-agent
A maneira mais fácil de instalar o mini-SWE-agent no macOS ou Linux é usando o uv:
Por exemplo, você pode pedir ao mini-SWE-agent para explorar um repositório Python, identificar testes que falham, corrigir os erros e rodar os testes novamente. Ele faz tudo via comandos simples de shell, sem precisar de um framework de agente complicado.
Comparativo dos 10 principais harnesses de agentes de IA open source em 2026
A tabela abaixo compara os 10 principais harnesses de agentes de IA open source com base em seus pontos fortes, casos de uso ideais e limitações.
Harness de agente de IA
Melhor para
Principal vantagem
Principal desvantagem
1. Codex CLI
Engenharia de software
Ótima performance em código e workflows de agente
Baseado em contas e modelos da OpenAI
2. OpenCode
Flexibilidade de modelos
Amplo suporte a modelos e personalização
Pode parecer pesado
3. OpenClaw
Automação pessoal com IA
Integrações com mensagens e agentes sempre ativos
Configuração complexa e cuidados de segurança
4. Hermes Agent
Memória persistente
Lembra contexto e desenvolve habilidades reutilizáveis
Memória nem sempre é confiável
5. Pi
LLMs locais
Leve, simples e eficiente
Menos recursos embutidos
6. Cline
Desenvolvimento no VS Code
Integração com IDE e controles de aprovação
Mais lento por tarefa nos benchmarks
7. DeepSeek Harness
Modelos DeepSeek
Arquitetura de plugins e estatísticas de execução
Ainda em developer preview
8. Deep Agents
Aplicações de IA customizadas
Planejamento, subagentes e SDK flexível
Curva de aprendizado mais íngreme
9. OpenHands
Desenvolvimento autônomo
Ambientes de execução flexíveis
Configuração que demanda recursos
10. mini-SWE-agent
Pesquisa e experimentação
Arquitetura Python minimalista
Funcionalidade embutida limitada
Considerações finais
Os agentes de código lideraram esse movimento por um bom tempo, e agora estamos vendo uma virada para assistentes pessoais de IA e ferramentas para o dia a dia.
Eu não incluí ferramentas proprietárias nesta lista, mas produtos como ChatGPT Work e os dots da OpenAI são bons exemplos de para onde estamos indo. Eles foram pensados para além de desenvolvedores: profissionais de escritório, donos de negócios, pesquisadores e até quem não programa podem usar IA para trabalhar com documentos, analisar planilhas, enviar e-mails, gerenciar projetos e automatizar tarefas rotineiras.
O Flow do Google mostra uma mudança semelhante para tornar a IA útil em trabalhos criativos. Claro, a maioria dos harnesses open source acima já consegue lidar com muitas dessas tarefas com as ferramentas e integrações certas. A diferença é que as empresas agora estão criando experiências específicas para esses fluxos, em vez de focar principalmente em código.
Hoje, é no harness que boa parte do trabalho acontece. Desenvolvedores estão ajustando todo o harness — ferramentas, memória, gestão de contexto e workflows — para fazer os modelos performarem melhor em tarefas específicas.
Um harness de agente de IA é o código que conecta um modelo de IA a ferramentas como terminal, sistema de arquivos e navegador. Ele gerencia a execução, controla o contexto e envia os resultados de volta ao modelo para que ele corrija seus erros. Para um mergulho mais profundo em como ele é construído, veja nosso Agent Harness Engineering Guide.
Qual é o melhor harness de agente de IA open source?⌄
Depende do trabalho. Codex CLI é minha escolha para engenharia de software, OpenCode para flexibilidade de modelos, Pi para modelos locais e Hermes Agent para memória persistente. No Composio Bench com GPT-6 Astra, o Cline teve a maior pontuação, com 79,3%, à frente do Codex CLI e do Hermes Agent, ambos com 75,9%.
Claude Code é um harness de agente de IA?⌄
Sim. Claude Code é a ferramenta de codificação agentic da Anthropic e é um harness no mesmo sentido das ferramentas acima. É fechado (closed source), então não está nesta lista. No Composio Bench com GPT-6 Astra, marcou 72,4%.
Posso usar um harness de agente de IA com modelos locais?⌄
Sim, vários podem. O Pi funciona com llama.cpp, Ollama e LM Studio, enquanto OpenCode e Cline também suportam modelos locais. Modelos locais menores podem ter dificuldade com workflows complexos, então comece com tarefas simples.
Harnesses de agentes de IA são seguros para rodar no meu computador?⌄
Podem ser, mas só se você controlar o que eles acessam. Harnesses rodam comandos e editam arquivos, então use prompts de permissão e sandbox quando disponíveis. O OpenHands, por exemplo, dá acesso total ao seu sistema de arquivos por padrão; rodá-lo com sandboxes Docker limita isso.
Sou um cientista de dados certificado que gosta de criar aplicativos de aprendizado de máquina e escrever blogs sobre ciência de dados. No momento, estou me concentrando na criação e edição de conteúdo e no trabalho com modelos de linguagem de grande porte.
Dá uma olhada nos melhores assistentes de codificação de IA, incluindo ferramentas de código aberto, gratuitas e comerciais para melhorar sua experiência de desenvolvimento.
Saiba mais sobre os principais tipos de agentes de IA, como eles interagem com os ambientes e como são usados em todos os setores. Entenda o reflexo simples, baseado em modelo, baseado em meta, baseado em utilidade, agentes de aprendizagem e muito mais.
Os avanços recentes na IA têm o potencial de mudar drasticamente a ciência de dados. Dá uma olhada nesse artigo pra conhecer as cinco melhores ferramentas de IA que todo cientista de dados precisa saber.
GPT-4 alternativas de código aberto que podem oferecer desempenho semelhante e exigem menos recursos computacionais para serem executadas. Esses projetos vêm com instruções, fontes de código, pesos de modelos, conjuntos de dados e interface de usuário do chatbot.
Uma visão geral abrangente da API Assistants com nosso artigo, que oferece uma análise aprofundada de seus recursos, usos no setor, orientação de configuração e práticas recomendadas para maximizar seu potencial em vários aplicativos de negócios.
%22%3E%0A%20%20%20%20%20%20%20%20%3Crect%20fill%3D%22%23EFEBE4%22%20height%3D%22180%22%20width%3D%22336%22%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23DD3400%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%22106.6%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-208.588%20220.18)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22456.125%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-208.588%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22220.18%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FFEC3C%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-208.588%20220.18)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22347.576%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-208.588%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22220.18%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FF931E%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-226.525%20189.111)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22347.576%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-226.525%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22189.111%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23DD3400%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%22106.6%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%2085.5879%20256.055)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22456.125%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%2285.5879%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22256.055%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FFEC3C%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%2085.5879%20256.055)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22184.5%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%2285.5879%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22256.055%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23FF931E%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20227.432%20132.736)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22271.625%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22227.432%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22132.736%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%3C%2Fg%3E%0A%20%20%20%20%20%20%3Cdefs%3E%0A%20%20%20%20%20%20%20%20%3CclipPath%20id%3D%22clip%22%3E%0A%20%20%20%20%20%20%20%20%20%20%3Crect%20fill%3D%22white%22%20height%3D%22180%22%20width%3D%22336%22%20%2F%3E%0A%20%20%20%20%20%20%20%20%3C%2FclipPath%3E%0A%20%20%20%20%20%20%3C%2Fdefs%3E%0A%20%20%20%20%3C%2Fsvg%3E)
%22%3E%0A%20%20%20%20%20%20%20%20%3Crect%20fill%3D%22%2305192D%22%20height%3D%22180%22%20width%3D%22336%22%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23B08EFF%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%22106.6%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-208.588%20220.18)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22456.125%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-208.588%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22220.18%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%237933FF%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-208.588%20220.18)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22347.576%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-208.588%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22220.18%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%2372E5FE%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20-226.525%20189.111)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22347.576%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22-226.525%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22189.111%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%235EB1FF%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%22106.6%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%2085.5879%20256.055)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22456.125%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%2285.5879%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22256.055%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%23B08EFF%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%2085.5879%20256.055)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22184.5%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%2285.5879%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22256.055%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%20%20%3Crect%0A%20%20%20%20%20%20%20%20%20%20fill%3D%22%2372E5FE%22%0A%20%20%20%20%20%20%20%20%20%20height%3D%2235.875%22%0A%20%20%20%20%20%20%20%20%20%20transform%3D%22rotate(-30%20227.432%20132.736)%22%0A%20%20%20%20%20%20%20%20%20%20width%3D%22271.625%22%0A%20%20%20%20%20%20%20%20%20%20x%3D%22227.432%22%0A%20%20%20%20%20%20%20%20%20%20y%3D%22132.736%22%0A%20%20%20%20%20%20%20%20%2F%3E%0A%20%20%20%20%20%20%3C%2Fg%3E%0A%20%20%20%20%20%20%3Cdefs%3E%0A%20%20%20%20%20%20%20%20%3CclipPath%20id%3D%22clip%22%3E%0A%20%20%20%20%20%20%20%20%20%20%3Crect%20fill%3D%22white%22%20height%3D%22180%22%20width%3D%22336%22%20%2F%3E%0A%20%20%20%20%20%20%20%20%3C%2FclipPath%3E%0A%20%20%20%20%20%20%3C%2Fdefs%3E%0A%20%20%20%20%3C%2Fsvg%3E)
Os harnesses de agentes de IA já existem há algum tempo, mas mudaram muito no último ano e meio. Saímos de agentes simples, que só executavam comandos Bash e editavam arquivos, para sistemas que buscam na web, se conectam a ferramentas externas, gerenciam contexto, lembram conversas passadas e concluem tarefas complexas.
Os harnesses modernos agora suportam habilidades reutilizáveis, vários agentes trabalhando juntos e execução paralela de ferramentas. Desenvolvedores também estão encontrando maneiras melhores de gerenciar contexto, reduzir uso de tokens e tornar os agentes mais rápidos e confiáveis.
O que acho interessante é que o foco está migrando de melhorar os modelos de IA para aprimorar o harness ao redor deles. Grande parte dos ganhos de performance que vemos hoje em agentes de IA vem de ferramentas melhores, fluxos de trabalho mais inteligentes e gestão de contexto mais eficiente — não apenas de modelos superiores.
No essencial, um harness de agente de IA é o código que conecta um modelo de IA às suas ferramentas, gerencia a execução e cria o ciclo de feedback que permite ao agente se ajustar aos resultados e corrigir erros.
Neste artigo, vou cobrir 10 dos harnesses de agentes de IA open source mais populares e úteis em 2026, destacando o que diferencia cada um e como começar. As contagens de estrelas no GitHub são de novembro de 2026. Para um mergulho mais profundo em como os harnesses são construídos, veja nosso guia de engenharia de harnesses de agentes.
O que é um harness de agente de IA?
Um harness de agente de IA é o sistema que dá a um modelo de IA as ferramentas e o ambiente de que ele precisa para concluir tarefas.
Pense no modelo de IA como o cérebro e no harness como tudo que ajuda esse cérebro a agir. É o harness que permite ao modelo executar suas próprias sugestões: ele pode ler arquivos, rodar comandos e checar resultados.
Por exemplo, imagine que você tem um aplicativo em Python que vive caindo. Em vez de copiar o erro no ChatGPT e aplicar manualmente as correções sugeridas, você pede a um agente de código com IA:
"Descubra por que meu app em Python está caindo, corrija o problema e garanta que todos os testes passem."
O harness permite ao modelo de IA ler seu código, executar o aplicativo, encontrar o erro, editar os arquivos relevantes e rodar os testes. Se os testes falharem, ele envia os resultados de volta ao modelo para tentar outra solução.
Tudo isso pode acontecer em uma única solicitação, com pouca intervenção manual.
O que exatamente um harness de agente de IA faz?
A maioria dos harnesses de agentes de IA oferece 5 capacidades essenciais:
Alguns harnesses também suportam vários agentes trabalhando juntos em partes diferentes de um projeto.
O mesmo modelo de IA pode ter desempenhos muito diferentes dependendo do harness. Nos testes do DeepSeek V4 Flash da Composio, o mesmo modelo marcou entre 46,7% e 66,7% dependendo do harness, e o agente minimalista Pi ficou em primeiro.
Um harness bem projetado, com algumas ferramentas úteis e boa gestão de contexto, às vezes supera outro bem mais complicado. Por isso vale a pena escolher o harness com o mesmo cuidado que você escolhe o modelo.
Agora, vamos aos 10 melhores harnesses de agentes de IA open source em 2026.
1. Codex CLI: melhor harness de agente de IA open source para engenharia de software
Codex CLI é minha escolha principal de agente de código com IA open source. Desenvolvido pela OpenAI e escrito principalmente em Rust, é leve e feito para desenvolvedores que trabalham em projetos profissionais de engenharia de software. Tem cerca de 134 mil estrelas no GitHub.
O que destaca o Codex é o quanto ele consegue fazer sozinho. Ele consegue construir projetos completos, trabalhar com suas ferramentas existentes, corrigir bugs e rodar testes. Você pode dar uma tarefa complexa e deixar que ele cuide da maior parte do desenvolvimento.
A principal troca é o foco na OpenAI: o início rápido pede login com uma conta do ChatGPT ou uma chave de API da OpenAI.
O que diferencia o Codex CLI?
Como instalar o Codex CLI
Cada instalador neste artigo direciona um script remoto para o seu shell, então revise o script antes se quiser checar o que ele faz.
macOS e Linux:
Windows (PowerShell):
npm ou Homebrew (qualquer plataforma suportada):
Navegue até o diretório do seu projeto e inicie o Codex:
Entre com sua conta do ChatGPT ou configure acesso por API para começar a codar.
Por exemplo, você pode pedir ao Codex para criar um dashboard completo em Python com frontend, backend, testes e documentação. Ele cuida da maior parte da implementação enquanto você revisa os resultados. Para um passo a passo, veja nosso tutorial do OpenAI Codex CLI.
2. OpenCode: melhor harness de agente de IA open source para flexibilidade de modelos
OpenCode é um dos meus agentes de código com IA favoritos há mais de um ano. Funciona no Windows, macOS e Linux, suporta uma enorme variedade de modelos de IA e dá muita liberdade para personalizar os fluxos de trabalho.
É também um dos agentes de código open source mais populares, com cerca de 226 mil estrelas no GitHub. O que eu mais gosto é que você não fica preso a um provedor de IA. Você pode usar OpenAI, Anthropic, Google ou modelos locais, tudo na mesma interface.
O que diferencia o OpenCode?
O único ponto negativo para mim é que o OpenCode pode parecer um pouco pesado comparado a agentes mais simples. Ele inclui muitos recursos que a maioria dos devs talvez nunca use, e sessões maiores às vezes parecem menos responsivas. Ainda assim, se você valoriza flexibilidade e escolha de modelos, o OpenCode é difícil de superar.
Como instalar o OpenCode CLI
Windows (Windows Subsystem for Linux, ou WSL), macOS e Linux:
Depois de instalar, navegue até a pasta do seu projeto e inicie o OpenCode:
Use
/connectpara configurar seu provedor de IA preferido ou comece com os modelos gratuitos disponíveis. Você também pode baixar o app desktop do OpenCode se preferir uma interface gráfica.Para usar o OpenCode com um modelo rodando na sua máquina, veja nosso guia sobre como rodar o Qwen3.8-Flash-Next localmente com o OpenCode.
3. OpenClaw: melhor harness de agente de IA open source para automação pessoal
OpenClaw é um dos maiores projetos open source de agentes de IA de 2026, com cerca de 394 mil estrelas no GitHub. Diferente da maioria dos agentes de código desta lista, o OpenClaw foi pensado como um assistente pessoal de IA que realmente executa tarefas em seus aplicativos.
Fonte: nosso guia sobre o OpenClaw
O interessante no OpenClaw é que você pode rodá-lo no seu computador ou servidor e se comunicar com ele pelo WhatsApp, Telegram, Discord, Slack e outras plataformas. Ele lembra contextos úteis, executa comandos, navega na web e automatiza tarefas do dia a dia.
Ele também funciona como uma plataforma para outros agentes de código, incluindo o Codex, e sua camada de assistente é construída sobre o Pi, outro harness desta lista.
O que diferencia o OpenClaw?
O principal ponto negativo é a complexidade e as exigências de segurança. O OpenClaw pode acessar ferramentas e arquivos sensíveis, então você precisa configurar permissões, sandbox e integrações externas com cuidado.
Eu recomendo o OpenClaw para desenvolvedores que querem ir além de assistentes de código e construir agentes pessoais de IA que funcionem em vários aplicativos.
Como instalar o OpenClaw AI Agent
macOS, Linux e Windows (WSL2):
Windows (PowerShell):
O instalador inicia o onboarding. Se precisar, rode:
Depois de configurar, abra o dashboard web:
Conecte seu modelo de IA e a plataforma de mensagens preferidos para começar.
Por exemplo, você pode configurar o OpenClaw para monitorar seus projetos de desenvolvimento, resumir atualizações, executar tarefas aprovadas e enviar resultados direto para o Telegram ou WhatsApp.
4. Hermes Agent: melhor harness de agente de IA open source para memória persistente
Hermes Agent, desenvolvido pela Nous Research, lembra informações úteis sobre você, suas conversas e seus projetos entre sessões.
O interessante no Hermes é como ele combina memória persistente com um agente completo. Ele escreve código, executa comandos, aprende habilidades reutilizáveis e automatiza tarefas enquanto mantém o controle de contextos importantes de conversas anteriores.
Fonte: Hermes AI Agent by Nous Research | Site oficial
Ele tem cerca de 260 mil estrelas no GitHub.
O que diferencia o Hermes Agent?
O desempenho em código também é competitivo. No Composio Bench, que roda cada harness no mesmo conjunto de tarefas multiaplicativo, o Hermes atingiu 75,9% de sucesso (22 de 29 tarefas) usando o GPT-6 Astra, empatando com o Codex CLI. Ele também registrou o menor tempo médio de conclusão entre os harnesses testados com esse modelo, 125 segundos por tarefa.
O principal ponto negativo é que a memória não é perfeita. Ele salva informações selecionadas, não tudo, e executar workflows complexos com modelos locais menores pode ser desafiador.
Eu recomendaria o Hermes para desenvolvedores que buscam mais do que um assistente de código — especialmente quem quer um agente pessoal de IA que lembre do trabalho e fique mais útil com o tempo.
Como instalar o Hermes Agent
Linux, macOS e Windows (WSL2):
Windows (PowerShell):
Configure seu provedor de modelo preferido:
Inicie o agente:
Você também pode rodar
hermes setuppara configurar ferramentas adicionais, plataformas de mensagens e recursos de automação. Para um guia completo, veja nosso guia de configuração do Hermes Agent.5. Pi: melhor harness de agente de IA open source e leve para LLMs locais
Pi é meu harness de agente de IA leve preferido. Sempre que escrevo tutoriais sobre rodar LLMs localmente, quase sempre uso o Pi porque ele é fácil de configurar, tem arquitetura minimalista e é bem mais leve que agentes maiores.
O que eu mais gosto é a simplicidade. O Pi foca em um loop de agente pequeno e eficiente. Na minha experiência, isso ajuda a manter o fluxo rápido e o uso de tokens sob controle, entregando resultados de código comparáveis aos de agentes mais complexos.
Tem cerca de 120 mil estrelas no GitHub. O Pi agora é desenvolvido pela Earendil, que adquiriu o projeto do criador, Mario Zechner, em abril de 2026, e continua com licença MIT. O OpenClaw é construído sobre componentes do Pi.
O que diferencia o Pi?
O desempenho também é competitivo. No Composio Bench, o Pi atingiu 69% de sucesso usando o GPT-6 Astra, empatando com o OpenCode nas mesmas 29 tarefas.
A principal limitação é que recursos como subagentes e planejamento não vêm por padrão. Você precisa de extensões ou implementações customizadas. Porém, essa simplicidade é exatamente por que eu prefiro o Pi para experimentos com LLMs locais e projetos de código mais leves.
Como instalar o Pi AI Agent CLI
macOS e Linux:
Windows (PowerShell):
Navegue até o diretório do seu projeto e inicie o Pi:
Use
/loginpara conectar um provedor de IA ou configurar um modelo local. Depois, use/modelpara selecionar o modelo que quer rodar.Para ver o Pi funcionando com um modelo local, confira nosso guia para rodar o Bonsai 27B localmente.
6. Cline: melhor harness de agente de IA open source para VS Code
Cline é um dos agentes de código com IA open source originais que ficou popular como uma extensão do VS Code. Ganhou rapidamente uma grande base de desenvolvedores e inspirou forks como o Roo Code.
Embora eu não tenha usado o Cline tão a fundo quanto outros agentes desta lista, seu desenvolvimento e o feedback da comunidade são impressionantes. Hoje ele suporta múltiplas IDEs, um CLI, um quadro Kanban de tarefas e um SDK, com cerca de 70 mil estrelas no GitHub.
O que diferencia o Cline?
No Composio Bench, o Cline atingiu 79,3% de sucesso (23 de 29 tarefas) usando o GPT-6 Astra, uma tarefa à frente do Codex CLI e do Hermes Agent. Foi o harness com melhor taxa de conclusão de tarefas.
O principal ponto negativo é a velocidade. O Cline levou em média 193 segundos por tarefa no mesmo benchmark, contra 125 segundos do Hermes Agent.
Como instalar o Cline AI Agent
VS Code (Windows, macOS e Linux):
Abra o VS Code, vá em Extensões (
Ctrl+Shift+Xno Windows e Linux,Cmd+Shift+Xno macOS), pesquise por Cline e clique em Instalar.Como alternativa, instale o CLI via npm (requer Node.js 22 ou superior):
Configure seu provedor de IA preferido:
Navegue até o diretório do seu projeto e inicie o Cline:
Agora você pode pedir ao Cline para explorar seu codebase, implementar funcionalidades, corrigir erros e rodar testes enquanto revisa as alterações. Para exemplos práticos, veja nosso guia do Cline AI.
7. DeepSeek Harness: melhor harness de agente de IA open source para modelos DeepSeek
DeepSeek Harness foi lançado em 13 de agosto de 2026 e ultrapassou 186 mil estrelas no GitHub em seus primeiros 10 dias, tornando-se um dos projetos de agentes de IA open source que mais cresceram. Hoje, tem cerca de 279 mil estrelas.
Eu usei o DeepSeek Harness, e o que mais me impressionou foi a velocidade, especialmente com o DeepSeek-V4.1-Flash. Ele é ajustado para modelos DeepSeek e já traz quase tudo que se espera de um agente de código moderno.
Outra coisa que gosto é a transparência. Você pode inspecionar chamadas de ferramentas, rastros de execução e estatísticas detalhadas para entender o desempenho do seu agente.
O que diferencia o DeepSeek Harness?
O principal ponto negativo é que o DeepSeek Harness ainda está em developer preview. Seus plugins e APIs estão mudando, e atualizações podem trazer mudanças incompatíveis.
Eu o recomendaria para desenvolvedores que usam modelos DeepSeek com frequência ou que querem um harness altamente customizável com insights detalhados de execução.
Como instalar o DeepSeek Harness
Primeiro, instale o Node.js 22.19 ou superior no Windows, macOS ou Linux.
Depois, inicie o DeepSeek Harness usando npx:
Isso inicia automaticamente a interface web local em
http://127.0.0.1:3080.Configure sua chave de API da DeepSeek, selecione o modelo preferido e comece a construir. Você também pode baixar o app desktop no site oficial do DeepSeek Harness. Para um passo a passo, veja nosso tutorial do DeepSeek Harness.
8. Deep Agents: melhor harness de agente de IA open source para agentes customizados
Deep Agents é um harness de agente de IA open source desenvolvido pela LangChain. Diferente de muitos agentes de código desta lista, ele foi pensado tanto para desenvolvimento de software quanto para criar agentes de IA customizados capazes de lidar com tarefas complexas e multietapas.
Fonte: Visão geral do Deep Agents - Docs da LangChain
O que acho interessante no Deep Agents é que você pode usar o agente de terminal pronto ou construir o seu em Python ou TypeScript. Ele já inclui planejamento, memória, subagentes e gestão de contexto, então você não precisa criar tudo do zero.
O projeto também ganhou bastante atenção, com cerca de 31 mil estrelas no GitHub.
O que diferencia o Deep Agents?
As melhorias de benchmark também merecem destaque. Em fevereiro de 2026, a LangChain relatou melhorias na pontuação do agente de código no Terminal Bench 2.0 de 52,8% para 66,5% com o gpt-5.2-codex, apenas ajustando prompts, ferramentas e middleware, sem trocar o modelo.
Eu recomendaria o Deep Agents para devs que querem construir seus próprios apps de IA, e não necessariamente para quem busca o assistente de código mais simples. Para tarefas leves, Pi ou Codex CLI podem ser mais fáceis de começar. Para saber mais sobre o SDK, veja nosso guia do Deep Agents.
Como instalar o Deep Agents
Instale o Deep Agents Code (macOS e Linux, ou Windows via WSL):
Inicie o agente de código:
Escolha seu modelo de IA e configure a autenticação para começar.
Para agentes de IA customizados em Python, crie um projeto com
uve instale o SDK:Depois, use
create_deep_agent()para construir agentes com seus próprios modelos, ferramentas, prompts e workflows.Por exemplo, você pode criar um agente de pesquisa que busca na web, analisa documentos, delega partes da investigação a subagentes e gera um relatório final.
9. OpenHands: melhor harness de agente de IA open source para desenvolvimento autônomo
OpenHands é um dos primeiros projetos open source de agentes de código com IA. Começou em março de 2024 como OpenDevin, quando desenvolvedores ainda exploravam o que GPT-3.5 e GPT-4 podiam fazer além do chat e da geração de código.
Fonte: OpenHands/OpenHands: OpenHands: AI-Driven Development
Na época, a ideia de dar uma tarefa a um agente de IA e deixá-lo construir um projeto real era empolgante. O OpenHands ajudou a tornar isso possível ao permitir que agentes escrevessem código, executassem comandos, corrigissem erros e testassem o próprio trabalho.
Hoje, evoluiu para uma plataforma completa de desenvolvimento autônomo de software, com cerca de 93 mil estrelas no GitHub.
O que diferencia o OpenHands?
O principal ponto negativo é a complexidade. Comparado a harnesses mais leves, como Pi ou Codex CLI, o OpenHands exige mais configuração e recursos, especialmente ao usar ambientes isolados.
Eu o recomendaria para devs que querem rodar agentes de codificação autônomos, gerenciar múltiplos fluxos de trabalho ou construir seus próprios sistemas de desenvolvimento com agentes. Para saber mais, veja nosso guia do OpenHands.
Como instalar o OpenHands AI Agent
A forma mais fácil de rodar o OpenHands localmente é pelo Agent Canvas.
Primeiro, instale o Node.js 24 ou superior e o uv.
Depois, instale o Agent Canvas no Windows, macOS ou Linux:
Inicie o aplicativo:
Abra a interface web em
http://localhost:8000.Configure seu modelo de IA preferido, selecione um workspace e comece a passar tarefas de código ao agente.
Por padrão, isso roda o agente diretamente na sua máquina, com acesso total ao sistema de arquivos. Para manter os agentes longe de arquivos fora do workspace configurado, rode o Agent Canvas com sandboxes Docker:
10. mini-SWE-agent: melhor harness de agente de IA open source minimalista para engenharia de software
mini-SWE-agent é um dos harnesses de codificação com IA mais simples que já vi. Criado pelos pesquisadores por trás do SWE-agent e SWE-bench, ele segue um caminho diferente dos agentes cheios de recursos.
O agente principal tem cerca de 100 linhas de Python. Em vez de construir sistemas de ferramentas e workflows complicados, ele dá ao modelo de IA acesso ao Bash e deixa que ele descubra como concluir as tarefas.
Essa abordagem mínima ainda entrega ótima performance em código. O projeto tem cerca de 9,5 mil estrelas no GitHub e é usado por pesquisadores e engenheiros em organizações como NVIDIA, Meta e IBM.
O que diferencia o mini-SWE-agent?
De acordo com o README do projeto, o mini-SWE-agent marca mais de 74% no SWE-bench Verified, um benchmark com issues reais do GitHub, quando pareado com modelos fortes como o Gemini 3 Pro. Você pode comparar modelos no ranking bash-only do SWE-bench.
O principal ponto negativo é a falta de muitos recursos embutidos presentes em agentes maiores, como planejamento avançado, subagentes e integrações extensas. Desenvolvedores podem precisar implementar isso por conta própria.
Eu recomendaria o mini-SWE-agent a devs e pesquisadores de IA que querem um harness de codificação rápido, leve e fácil de personalizar, especialmente para experimentar diferentes modelos e arquiteturas de agentes.
Como instalar o mini-SWE-agent
A maneira mais fácil de instalar o mini-SWE-agent no macOS ou Linux é usando o
uv:Como alternativa, instale com pip:
Configure seu modelo de IA e a chave de API:
Navegue até o diretório do seu projeto e inicie o agente:
Você também pode rodá-lo diretamente sem instalação permanente:
Por exemplo, você pode pedir ao mini-SWE-agent para explorar um repositório Python, identificar testes que falham, corrigir os erros e rodar os testes novamente. Ele faz tudo via comandos simples de shell, sem precisar de um framework de agente complicado.
Comparativo dos 10 principais harnesses de agentes de IA open source em 2026
A tabela abaixo compara os 10 principais harnesses de agentes de IA open source com base em seus pontos fortes, casos de uso ideais e limitações.
Considerações finais
Os agentes de código lideraram esse movimento por um bom tempo, e agora estamos vendo uma virada para assistentes pessoais de IA e ferramentas para o dia a dia.
Eu não incluí ferramentas proprietárias nesta lista, mas produtos como ChatGPT Work e os dots da OpenAI são bons exemplos de para onde estamos indo. Eles foram pensados para além de desenvolvedores: profissionais de escritório, donos de negócios, pesquisadores e até quem não programa podem usar IA para trabalhar com documentos, analisar planilhas, enviar e-mails, gerenciar projetos e automatizar tarefas rotineiras.
O Flow do Google mostra uma mudança semelhante para tornar a IA útil em trabalhos criativos. Claro, a maioria dos harnesses open source acima já consegue lidar com muitas dessas tarefas com as ferramentas e integrações certas. A diferença é que as empresas agora estão criando experiências específicas para esses fluxos, em vez de focar principalmente em código.
Hoje, é no harness que boa parte do trabalho acontece. Desenvolvedores estão ajustando todo o harness — ferramentas, memória, gestão de contexto e workflows — para fazer os modelos performarem melhor em tarefas específicas.
Se você quer se aprofundar na construção do seu próprio harness, recomendo nosso curso Building AI Agent Harnesses with Strands Agents.