Microsoft Copilot Harness: por qué importa la capa multimodelo de los agentes

Resumen: el runtime del agente ya es una decisión de producto

El 28 de octubre de 2026 Microsoft presentó Microsoft Copilot Harness en Foundry Agent Service como un runtime gestionado para agentes multimodelo que usan herramientas. La novedad no es solo elegir otro modelo. Microsoft ofrece también la capa de ejecución: instrucciones, contexto, habilidades, archivos, subagentes, coordinación de herramientas, sandbox, resiliencia y gobierno.

Un modelo es solo una parte del agente. En producción, el agente debe decidir el siguiente paso, recibir el contexto adecuado, llamar a herramientas, recuperarse de errores y detenerse de forma segura. El harness es el software que rodea al modelo y convierte una demostración en un flujo repetible.

Qué anunció Microsoft el 28 de octubre de 2026

Microsoft afirma que el harness ya impulsa experiencias de Copilot en GitHub, Copilot Studio, VS Code y la CLI. Con Foundry, los desarrolladores pueden crear agentes sin mantener toda la infraestructura de ejecución. Consulta el anuncio oficial de Microsoft y el artículo técnico de Foundry.

Foundry ofrece varios niveles de abstracción. Un prompt agent puede bastar cuando las instrucciones y las herramientas compatibles resuelven el trabajo. Copilot Harness está pensado para tareas complejas que necesitan ejecución gestionada, archivos, habilidades, subagentes y coordinación. Un hosted agent es mejor cuando el equipo necesita controlar el framework, el middleware, las dependencias o el comportamiento del runtime.

Un “agente” no es una sola categoría de producto. Cada equipo debe decidir cuánto de la pila de ejecución quiere operar.

Por qué el harness puede importar más que el modelo

Un modelo puede razonar, pero no sabe automáticamente qué archivos son relevantes, qué herramientas son seguras, cómo recuperarse de un timeout o cuándo una tarea terminó. El harness organiza esas decisiones, conserva el estado, distribuye el trabajo entre modelos y mantiene al agente en un entorno controlado.

Microsoft dice que admite más de 20 modelos de frontera y opciones de traer tu propia clave. Eso convierte la selección en un problema de enrutamiento. Un modelo rápido puede clasificar, uno de razonamiento puede planificar y otro puede ser mejor para código o documentos. El flujo permanece estable mientras cambia la mezcla de modelos.

Microsoft también afirma que trasladó el runtime a Rust y redujo el overhead de sesión y el tiempo hasta el primer token. Es una señal útil, pero cada comprador debe medir su propio trabajo. Un arranque rápido no garantiza un coste total menor si el agente hace más llamadas o funciona durante más tiempo.

Lista de comprobación para una prueba real

1. Define los límites del agente

Documenta qué puede leer, crear, modificar, publicar o borrar. Los cambios en producción, secretos, pagos, recuperación de cuentas y mensajes externos deben tener permisos distintos. Un harness gestionado ayuda a aplicar controles, pero no sustituye una política clara.

2. Mide tareas completas, no demos atractivas

Prueba con contexto incompleto, archivos reales, herramientas lentas y fallos ocasionales. Mide preguntas de aclaración, tasa de finalización, cambios fuera de alcance, reintentos, tiempo hasta un resultado confiable, intervención humana y coste de rollback. Un agente que no se recupera de un fallo de herramienta no es un sistema fiable.

3. Revisa el camino de datos y evidencias

Registra la tarea, los modelos, las herramientas, los archivos modificados, las aprobaciones, los errores y la evidencia final. El objetivo es que un revisor pueda explicar por qué el agente llegó a una conclusión y si el resultado puede repetirse.

4. Exige portabilidad

Microsoft destaca estándares abiertos como MCP y agent skills, y afirma que se puede traer otro harness o framework. Comprueba esas salidas en la práctica. Prompts exportables, contratos de herramientas documentados, archivos normales y una política clara de enrutamiento reducen el coste de cambiar de proveedor.

5. Calcula el coste de las tareas largas

El Copilot Harness de Foundry está en vista previa pública. Microsoft indica que la facturación del runtime empieza el 1 de diciembre de 2026, con sandbox a USD 0,0994 por vCPU-hora y memoria a USD 0,0118 por GiB-hora; la inferencia y las herramientas conectadas se cobran aparte. La región y el contrato pueden cambiar el precio, así que usa tu carga real.

Quién debería probarlo primero

Son buenos candidatos los equipos que ya tienen flujos de varios pasos pero no quieren mantener un runtime de agentes. Investigación con citas, análisis de repositorios, preparación de documentos, clasificación de tickets y operaciones internas con aprobación explícita son ejemplos. Las acciones irreversibles en producción, las tareas vagas y los flujos que no pueden sacar datos de una frontera controlada son malos primeros casos.

Para comparar agentes de IA, plataformas de automatización y software de productividad, visita el directorio de software de BTTC y después consulta el blog tecnológico de BTTC. La pregunta útil no es qué modelo parece más inteligente, sino qué sistema termina el trabajo con evidencia, control, coste y recuperación adecuados.

Preguntas frecuentes

¿Microsoft Copilot Harness es un nuevo modelo de IA?
No. Es una capa de orquestación y ejecución alrededor de modelos, herramientas, contexto, habilidades y controles.

¿Todos los equipos deben usar un harness gestionado?
No. Úsalo cuando la ejecución gestionada ahorre más esfuerzo del control que elimina. Si el middleware o la política personalizada son diferenciales, considera tu propio runtime.

¿La vista previa pública sirve para producción?
La documentación de Microsoft la marca como preview y advierte de límites y ausencia de SLA. Empieza con tareas no críticas y conserva las aprobaciones.

Conclusión

Microsoft Copilot Harness muestra que el valor duradero de la IA está cada vez más en el sistema alrededor del modelo. Contexto, herramientas, archivos, habilidades, enrutamiento, resiliencia, gobierno y evidencias determinan si un agente termina un trabajo útil. Empieza con un flujo reversible y medible.