Por qué esto está en un sitio de benchmarks: es la misma tesis que hay debajo de nuestro trabajo de enrutamiento. Los routers mueven la solicitud entre modelos; no cambian lo que puede hacer el harness que rodea al modelo. El modelo se está volviendo un producto genérico. El harness es la ventaja competitiva, y también el pasivo.
“Un agente es un LLM y un harness”
Vale la pena tomar literalmente la definición de Khalil. Un agente “involucra dos cosas… el ciclo y el LLM”, dice, y lo crucial: “no se quiere que cada ciclo haga lo mismo. Se quiere aprovechar los resultados del LLM… Cada ciclo debe acercarnos a nuestro objetivo”. La inteligencia se renta al modelo; el comportamiento viene del harness que lo envuelve.
Su breve recuento histórico lo deja claro. ChatGPT, señala, “innovó fuera del modelo”: un prompt de sistema encima de su prompt, luego lo multimodal, luego la memoria (“ChatGPT sabe que me encanta hacer carne asada”), luego los archivos. Nada de eso es el modelo. “Esto es el harness”, dice sobre el linaje que va de Cursor a Claude. “Todo aquí es el harness”. Los modelos de frontera convergieron; los productos se separaron en el harness.
La división limpia: el modelo responde “¿qué debo hacer ahora?”. El harness decide qué herramientas existen, qué contexto ve el modelo, qué puede tocar, cómo alimentan los resultados el siguiente ciclo y cuándo parar. Cambie el modelo y el agente se vuelve más inteligente o más barato. Cambie el harness y el agente hace algo distinto.
El momento OpenClaw, y su trampa de mantenimiento
La entrevista gira en torno a OpenClaw, el harness de código abierto que, en palabras de Khalil, “fue un cambio mayor para la industria… Consiguió más estrellas que Linux en meses”. Nvidia está involucrada de forma sustancial (“tenemos un par de desarrolladores en la empresa que contribuyen a OpenClaw de tiempo completo”) y entró a ayudar cuando el proyecto tuvo problemas: “Vimos a Peter [Steinberger] tuitear sobre algunos de los problemas que tenían, y simplemente nos arremangamos”.
Pero lo más instructivo son los problemas mismos. OpenClaw tiene más de 800,000 líneas de código y un rezago de pull requests que no puede desahogar. Khalil nombra el mecanismo con precisión: “la regla cardinal del código: es más fácil escribirlo que leerlo”. En la era de los agentes esa asimetría explota. “Es más fácil reclutar a muchos agentes para que ayuden a escribir código y armar estos PR. El cuello de botella está en lograr que los PR se fusionen”, y en lidiar con los errores que introducen.
La trampa, dicha sin rodeos. Los agentes hacen que el código de un harness sea barato de escribir y no más barato de leer, verificar y fusionar. Por eso un harness popular de uso general crece más rápido de lo que cualquier equipo puede revisarlo. El resultado es una superficie grande y de cambio rápido en la que es difícil confiar línea por línea: justo la forma equivocada para algo que corre con acceso a su terminal, sus archivos y sus credenciales.
Cómo empaqueta Nvidia un harness: blueprints + skills + un entorno de seguridad
La respuesta de Nvidia no es “un harness para gobernarlos a todos”. Es tratar los harness como una categoría y entregar estructura a su alrededor:
- Blueprints. “NemoClaw es nuestro blueprint”, dice Khalil: “hay un blueprint para Hermes y un blueprint para OpenClaw”. Un blueprint “prepara el entorno de ejecución, activa las políticas si hay una GPU local y corre el modelo”. En el uso de Nvidia significa la estructura para construir un agente, conectada a su modelo (Nemotron) y a su pila: un andamiaje reproducible, no un monolito.
- Skills. “La forma de llevar su producto a este mercado que crece tan rápido es con skills”: para Nvidia, las bibliotecas CUDA-X como capacidades aceleradas por GPU. “Cada producto que construimos ahora… necesita tener una skill”. Las skills son la forma en que una capacidad se conecta a un harness sin inflar su núcleo.
- Un entorno de seguridad. Para las empresas “más preocupadas” por los agentes, Nvidia señala OpenShell, descrito como un entorno de ejecución de seguridad, porque en el momento en que “le da acceso a su terminal”, el harness es la superficie de ataque.
- Subagentes especializados, no una toma de control. “Construya un agente especializado o un subagente” que encaje donde ya están los equipos. Su analogía: un microondas prestado le hace apretar muchos botones; el suyo es “bip, bip, listo”. Un harness enfocado y propio es más rápido que uno general rentado.
Leído en conjunto, es un argumento discreto en contra del monolito de 800,000 líneas y a favor de harness pequeños, propios y bien acotados, con skills explícitas y una frontera de seguridad explícita.
Lo que esto significa para construir nuestras propias funciones
Esta es la lección que tomamos para nuestras propias herramientas. La tentación con los agentes es adoptar un harness grande, capaz y general y dejarlo crecer. El momento OpenClaw es la evidencia en contra: un harness que no puede leer de principio a fin es un harness en el que no puede confiar del todo, y la confianza es todo el juego una vez que puede actuar. Así que estas son las reglas de diseño que mantenemos:
- Pequeño y acotado le gana a grande y general. Un puñado de funciones hechas a propósito, cada una de las cuales una persona puede leer de una sentada, vale más que un framework extenso cuyo comportamiento es emergente. La superficie es un costo, no una característica.
- Skills, no relleno. Una nueva capacidad llega como una skill separada y con nombre que el harness puede llamar, agregada en el borde, no cosida a un núcleo que crece. El ciclo central se mantiene simple y auditable.
- La frontera de seguridad es parte del harness. El mínimo privilegio, una lista explícita de lo que un agente puede tocar y topes estrictos de costo y de radio de impacto no son complementos: son el entorno de ejecución. Un agente con acceso a la terminal es tan seguro como el muro que lo rodea.
- Hágase cargo de la lectura, no solo de la escritura. Como los agentes abaratan escribir código pero no revisarlo, el recurso escaso es la lectura y la verificación. Mantenga el harness lo bastante pequeño como para que la revisión siga el ritmo del cambio.
La capa del modelo es una compra: rente el mejor para cada tarea y enrute entre ellos según la calidad y el costo medidos. La capa del harness es una construcción: manténgala pequeña, basada en skills y bien cerrada, para que siga siendo algo en lo que de verdad pueda confiar para ejecutarse.
Lo que sacamos de ella
- “Agente = LLM + harness” es el modelo mental correcto. Le dice dónde gastar: rente el modelo, construya el harness.
- Un harness general tiene un techo de mantenimiento. El rezago de PR de OpenClaw es la advertencia: una capacidad que no puede revisar es un pasivo, no una palanca.
- Estructura por encima del tamaño. La propia respuesta de Nvidia (blueprints, skills, un entorno de seguridad, subagentes especializados) es la plantilla para nuestras propias funciones a la medida, en pequeño y bien cerradas.
Todas las citas son de Nader Khalil (director de tecnologías para desarrolladores, Nvidia), según lo publicado en The New Stack, “‘An agent is an LLM and a harness’: What Nvidia really thinks about OpenClaw” (en inglés). Nuestros comentarios y las lecciones de construcción son nuestros.
- Enrutamiento de prompts: la capa del modelo: elegir el modelo correcto para cada tarea, con medición.
- Revisión del harness: evaluar un harness (incluido el propio SDK de agentes) por su costo a igual calidad.
- Uso agéntico de herramientas: cómo el ciclo llama a las herramientas, la mecánica central del harness.
- Cloudflare Agents: un entorno de ejecución de agentes + nuestro router como cerebro del modelo, en la práctica.
- Centro de enrutamiento: por qué la capa de calidad medida es lo que les falta a los routers.