Claude Code por dentro: que tipo de harness faz o agente de código mais usado do mundo

De onde vem este texto

Usamos a versão 2.1.310, publicada em 23 de outubro de 2026. O Claude Code muda quase toda semana, então detalhes como quantidade de ferramentas e de eventos podem variar.

Que tipo de harness ele é

A resposta curta: um loop único guiado pelo modelo, que nasceu no terminal. Não existe um fluxograma de etapas desenhado por alguém. A cada volta, o modelo lê o contexto, escolhe uma ferramenta, o harness executa, devolve o resultado e o modelo decide o próximo passo. Isso se repete até ele responder sem pedir mais nada.

• Busca como um engenheiro busca. Em vez de indexar o código num banco vetorial, o agente usa busca por texto e por nome de arquivo, abre o que achou e segue a pista. Menos coisa para manter atualizada, menos resposta inventada a partir de um trecho fora de contexto.
• Memória em arquivos de texto. As regras do projeto ficam num arquivo CLAUDE.md, que entra no começo de toda sessão. O que vale guardar é escrito em arquivo, e não num banco escondido.
• Contexto pensado para cache. O começo da conversa (instruções, ferramentas, regras) fica estável para ser reaproveitado entre chamadas, o que deixa cada volta mais barata e mais rápida.
• Controle em camadas. O modelo propõe, mas quem decide se a ação acontece é o harness: permissões, hooks, um classificador de segurança e uma sandbox do sistema operacional.

A tese técnica da equipe é “faça a coisa simples”. A cada modelo novo, eles apagam código do harness em vez de somar, porque o modelo passa a fazer sozinho o que antes precisava de remendo.

As ferramentas: o que o agente pode fazer

A referência oficial lista dezenas de ferramentas embutidas: ler, editar e escrever arquivos, rodar comandos no terminal, buscar na web, abrir páginas, gerenciar tarefas, chamar subagentes. O terminal é a ferramenta que vale por todas, porque dá ao modelo acesso a git, testes, build e a qualquer programa da máquina.

O que não vem pronto entra por MCP, o protocolo aberto de conectores criado pela própria Anthropic. Um conector MCP liga o agente ao Notion, ao GitHub, a um banco de dados ou a um sistema interno, cada um com as ações que ele pode fazer bem definidas.

Subagentes: dividir para não poluir

Quando a tarefa é grande, o agente principal pode chamar subagentes, cada um com contexto próprio e limpo. Há tipos prontos (um que só explora o código, um que planeja, um de uso geral) e dá para criar os seus, com instruções e ferramentas próprias.

A vantagem é de organização: o subagente lê vinte arquivos, conclui e devolve um resumo. O agente principal recebe a conclusão sem carregar todo o lixo da busca. É a mesma lógica de delegar uma pesquisa a alguém e pedir só o relatório.

Hooks, permissões e sandbox: o que impede o estrago

1. Permissões. Regras que liberam, negam ou pedem confirmação por ferramenta e por caminho. Dá para negar a leitura de arquivos de senha ou a edição de uma pasta inteira, e a regra vale na execução, não no texto do pedido.
2. Hooks. Pontos do ciclo de vida (antes de usar uma ferramenta, depois de editar, ao terminar, ao compactar o contexto) onde a empresa pluga o próprio código. Um hook pode rodar o formatador, registrar auditoria ou bloquear uma ação.
3. Modo automático com classificador. Para trabalhar sem pedir licença a cada passo, um modelo separado avalia se cada ação é segura. Ele não vê o resultado das ferramentas, justamente para não ser manipulado por conteúdo de fora.
4. Sandbox do sistema operacional. No Mac e no Linux, os comandos rodam isolados, com rede passando por um proxy. Mesmo que o modelo erre, o estrago fica contido.

Nenhuma dessas camadas depende de o modelo lembrar de uma regra. Segurança de agente se resolve na fronteira da ferramenta, não no prompt.

Contexto longo sem perder o fio

Os modelos mais novos aceitam até 1 milhão de tokens de contexto, mas sessão longa ainda enche. O harness compacta a conversa quando ela cresce: resume o que passou e guarda o essencial. O cache tem prazo de validade, então uma sessão parada por quase uma hora também é compactada antes de voltar, para não pagar o contexto inteiro de novo.

Para tarefas que atravessam dias, a prática recomendada é a mesma de uma boa passagem de turno: uma nota de progresso em arquivo, com o que foi feito, o que foi decidido e a próxima ação.

Por que isso virou um negócio enorme

O Claude Code passou de projeto paralelo, em 2024, a uma das maiores linhas de receita da Anthropic. Reportagens de fevereiro de 2026 falavam em US$ 2,5 bilhões por ano só com ele. A cobrança vem por assinatura (planos Pro e Max para pessoas, Team e Enterprise para empresas) e por uso de API.

O motor do crescimento é simples: o mesmo harness serve a todas as telas. Quem melhora o loop melhora o terminal, o editor, o app e a automação ao mesmo tempo.

O que isso ensina para agentes na operação

A lição não é só para quem programa. Um bom agente é um loop simples com muito trabalho bem feito em volta. Para colocar agentes dentro de uma empresa, as mesmas peças aparecem:

• Regras do negócio escritas num lugar que o agente lê sempre, e não repetidas a cada pedido.
• Acesso aos sistemas por conectores com ações bem definidas, e não por senhas soltas.
• Permissões e aprovação humana nos pontos certos, aplicadas na execução.
• Subagentes para dividir trabalho grande e um revisor que devolve evidência.
• Registro de tudo, para auditar e para continuar amanhã.

É exatamente o que o Forward Deployed Engineer monta dentro da operação, depois que o Analista de IA define a rotina e o critério de aceite. Código, relatórios, conciliações, atendimento e cadastros são só exemplos. Se é tarefa que se repete, dá para automatizar.