Microsoft Agent Framework permite envolver un cliente de chat compatible con un Harness para añadirle un ciclo de ejecución con herramientas, estado de conversación y capacidades como planificación y seguimiento de tareas. En C#, el punto de entrada documentado es chatClient.AsHarnessAgent(). Una muestra oficial aplica ese patrón a investigación web con tareas pendientes y un límite de iteraciones: es ejecución autónoma acotada, no una garantía de investigación correcta ni ilimitada.
Qué es un Harness y qué aporta
Microsoft define un agent harness como “the runtime scaffolding that turns a language model into an agent that can perform work.” En la práctica, es el andamiaje que coordina las llamadas al modelo y a las herramientas, el estado y contexto de la conversación, las políticas de aprobación y la continuidad entre pasos. Microsoft Learn: Agent Harness.
La arquitectura puede incluir un cliente y un pipeline de chat, agentes, proveedores de contexto, middleware o decoradores, y una experiencia de aplicación que muestre el progreso o solicite aprobación. En .NET, el resultado continúa siendo un agente normal de Agent Framework: HarnessAgent deriva de AIAgent. El Harness ensambla capacidades alrededor del agente; no convierte por sí solo una respuesta del modelo en evidencia verificada.
Crear un Harness en C#
El paquete Microsoft.Agents.AI.Harness expone HarnessAgent en el espacio de nombres Microsoft.Agents.AI. La guía de inicio muestra cómo crear un agente desde una implementación de IChatClient mediante AsHarnessAgent() y ejecutarlo:
Quick wins for a faster PC:
Scan for outdated or missing drivers - takes under a minuteDriver Scan →Repair Windows errors before they cause bigger problemsFix Now →Fix the driver behind crashes, sound loss and screen glitchesFind Drivers →#1 Best Overall
using Microsoft.Agents.AI;
using Microsoft.Extensions.AI;
AIAgent agent = chatClient.AsHarnessAgent();
AgentResponse response = await agent.RunAsync("Investiga este tema y resume fuentes verificadas.");
Console.WriteLine(response.Text);El cliente de chat concreto puede proceder de Foundry, Azure OpenAI, OpenAI, Anthropic u otra implementación compatible, dependiendo de las integraciones y versiones disponibles. El patrón presupone que la aplicación ya ha configurado un IChatClient; este fragmento no configura el proveedor ni sus credenciales. Consulta la guía oficial de inicio de Harness y la documentación vigente del proveedor elegido para completar esa parte. La guía de Harness se actualizó el 25 de agosto de 2026.
Conservar estado entre turnos
Para una conversación interactiva, conserva una instancia de AgentSession y úsala en los turnos sucesivos. Según la guía, el estado del Harness —incluidos plan, tareas e historial— puede persistir entre turnos de esa sesión. Si se crea una sesión nueva para cada solicitud, no debe suponerse que ese estado conversacional se conservará. La guía completa muestra una conversación con respuestas en streaming.
Diseñar un agente de investigación autónomo, pero acotado
La muestra oficial de Harness research assistant enseña un flujo que combina planificación, búsqueda web y ejecución de tareas pendientes. Empieza en un modo de planificación interactiva y luego pasa a uno de ejecución autónoma; puede volver a invocarse mientras queden tareas abiertas y limita las iteraciones con una opción máxima. Es una muestra en Python, por lo que ilustra el flujo del Harness, no una receta C# lista para copiar.
Al trasladar esa idea a un agente de investigación en C#, diseña un ciclo explícito como el siguiente. Los pasos de comprobación editorial son decisiones de diseño de la aplicación, no garantías automáticas del framework:
- Delimita el encargo. Pide el tema, el resultado esperado y cualquier alcance relevante, por ejemplo región o periodo.
- Haz visible el plan. Divide el encargo en subtareas revisables antes de iniciar búsquedas.
- Ejecuta herramientas disponibles. Proporciona búsqueda web u otras herramientas pertinentes y conserva la evidencia útil en el contexto de la sesión.
- Comprueba las afirmaciones importantes. Antes de redactar, contrasta cada afirmación material con sus fuentes y distingue lo establecido de lo incierto.
- Limita la continuación. Repite el ciclo para tareas pendientes solo hasta el máximo configurado y devuelve las incertidumbres, en vez de permitir un bucle sin límite.
Harness o workflows: cuál elegir
Agent Framework presenta Harness y workflows como opciones distintas. Harness es una opción más opinada para tareas largas: integra capacidades como planificación y seguimiento de tareas, compactación de contexto, acceso o memoria de archivos, aprobación de herramientas y observabilidad. Los workflows permiten definir rutas explícitas que enlazan agentes y funciones. La documentación enumera orquestaciones secuenciales, concurrentes, handoff, group chat y Magentic, además de mecanismos para intervención humana. Consulta el overview de Microsoft Agent Framework y la guía de workflow orchestrations.
| Necesidad | Opción que conviene evaluar | Motivo |
|---|---|---|
| Investigación conversacional cuyos pasos pueden variar | Harness | Ofrece un ciclo con capacidades integradas para tareas largas y estado. |
| Secuencia fija con ramas y orden controlados | Workflows | Permite expresar rutas de ejecución explícitas. |
| Coordinación de especialistas o checkpoints definidos | Workflows | La orquestación configurable y los puntos de intervención pueden ajustarse al proceso. |
Esta comparación describe el encaje funcional documentado, no una medición de rendimiento. La elección real depende del control requerido sobre el orden, la recuperación, las aprobaciones y la observabilidad.
Rank #4
Madurez, aprobaciones y límites
La documentación de Harness marca como experimentales los agentes en segundo plano, el acceso a archivos y el looping; el tooling de shell procede de un paquete preliminar. El estado puede cambiar, así que verifica la documentación y el paquete concreto que vayas a adoptar, además de la estabilidad de cada función que habilites. Harness ofrece opciones para desactivar capacidades integradas: habilita solo las necesarias y evalúa los riesgos de las herramientas que puedan leer archivos o ejecutar acciones.
Autonomía no significa ausencia de control. La muestra de investigación limita las iteraciones y separa la planificación interactiva de la ejecución; las herramientas sujetas a aprobación pueden requerir revisión humana antes de continuar. Para producción, define límites de ejecución y puntos de aprobación adecuados a las acciones disponibles, y trata las respuestas como resultados que necesitan verificación.
Recommended Free Tools
Quick Recap
Product prices and availability are accurate as of the date/time indicated and are subject to change. Any price and availability information displayed on Amazon at the time of purchase will apply.
