Harnesses de agentes de programación para fábricas de software: comparativa 2026
Actualizado el 29 de octubre de 2026. Información tomada exclusivamente de la documentación oficial, las páginas de precios y los repositorios de cada herramienta.
Un agente de programación tiene dos partes: el modelo de IA, que razona y escribe código, y el harness (arnés), el programa que lo conecta con el repositorio, la terminal, las pruebas y las herramientas del equipo. Para un desarrollador individual, la diferencia entre agentes suele estar en el modelo. Para una fábrica de software, que produce y mantiene software a escala, lo decisivo es el harness: si el agente puede trabajar dentro del pipeline, en paralelo, con las reglas de la empresa y bajo control.
Seis capacidades que una fábrica de software necesita
- Ejecución sin intervención y CI/CD: que el agente corra en scripts y pipelines (GitHub Actions, GitLab) sin que nadie apruebe cada paso, con salida estructurada.
- Orquestación: subagentes especializados, trabajo en paralelo y aislamiento (por ejemplo, una copia de trabajo de Git por agente, o worktree) para que no se pisen.
- Extensibilidad: conexión a sistemas internos por MCP (Model Context Protocol), hooks que validan o registran cada acción, habilidades reutilizables y archivos de reglas del proyecto (AGENTS.md, CLAUDE.md).
- Gobierno y seguridad: permisos por herramienta, sandbox, políticas centrales que el desarrollador no pueda desactivar y telemetría para auditar.
- Integración con el flujo de revisión: que el agente trabaje en ramas y entregue pull requests que revisa una persona.
- Independencia y continuidad: licencia, posibilidad de cambiar de modelo y solidez del proyecto (en 2026, la extensión Roo Code dejó de funcionar el 15 de mayo (GitHub) y Google sustituyó Gemini CLI en sus planes personales).
Comparativa
| Harness | Licencia | Sin intervención y CI/CD | Orquestación | Extensibilidad | Gobierno |
|---|---|---|---|---|---|
| Claude Code (Anthropic) | Propietaria | claude -p, SDK en Python y TypeScript, GitHub Action oficial, GitLab CI/CD (beta), revisión de pull requests con Code Review | Subagentes en paralelo con aislamiento por worktree; equipos de agentes (experimental); sesiones en la nube en máquinas virtuales aisladas | CLAUDE.md, habilidades, MCP, hooks, plugins y marketplaces | Políticas administradas que no se pueden sobrescribir; sandbox del sistema operativo imponible por política; telemetría OpenTelemetry y límites de gasto |
| Codex (OpenAI) | Código abierto (Apache-2.0) | codex exec, acción oficial para GitHub, SDK en TypeScript y Python, revisión de pull requests con @codex review | Subagentes en paralelo; worktrees para trabajos simultáneos; tareas en la nube, cada una en su propio espacio de trabajo | AGENTS.md, habilidades, MCP, hooks, plugins | Requisitos administrados que el usuario no puede sobrescribir; sandbox de solo lectura por defecto en automatización; red desactivada; telemetría OpenTelemetry |
| GitHub Copilot (agente y CLI) | Propietaria | Agente en un sandbox en la nube (predeterminado), en GitHub Actions o en un entorno remoto; CLI con -p | Una rama y un pull request por tarea | MCP, hooks, instrucciones y agentes personalizados | Listas permitidas de red en el sandbox en la nube; sesiones de hasta 59 minutos en GitHub Actions |
| DeepSeek Harness (DeepSeek) | Código abierto (MIT) | Modo headless, SDK por JSON-RPC y servidor ACP | No documentado en las fuentes oficiales revisadas | Arquitectura de plugins: todo es reemplazable | Sandbox y aprobaciones con advertencia de que no garantizan aislamiento |
| Muse Code (Meta) | Propietaria | Ejecución sin intervención (muse exec) | Subagentes; agentes en paralelo según la compilación | MCP, habilidades, hooks | Aprobaciones y sandbox del sistema operativo activos desde el inicio |
| Antigravity CLI (Google) | Propietaria | No documentado en las fuentes revisadas | Subagentes | Habilidades, hooks, plugins | — |
| OpenCode | Código abierto (MIT) | Servidor sin interfaz con API OpenAPI; integración con GitHub Actions | Agentes principales y subagentes | Agentes personalizados en Markdown o JSON | Permisos permitir, preguntar o denegar por herramienta y por comando |
| Cline | Código abierto (Apache-2.0) | CLI en modo sin interfaz | — | Reglas del proyecto y AGENTS.md | Aprobación de cambios y comandos configurable (--auto-approve) |
| Qwen Code (Alibaba) | Código abierto (Apache-2.0) | Modo sin interfaz | Subagentes y equipos de agentes | MCP | — |
| Aider | Código abierto (Apache-2.0) | --message y uso desde Python | — | — | Por defecto, cada cambio queda en un commit de Git |
La tabla muestra solo capacidades confirmadas en las fuentes oficiales revisadas; «—» o una celda sin una función (por ejemplo, MCP) no significa necesariamente que no exista.
Lo que distingue a cada uno
Claude Code y Codex son los dos harnesses más parecidos entre sí y los que ofrecen los controles de gobierno más detallados entre los que revisamos.
Claude Code es el harness de Anthropic. Funciona en la terminal, VS Code, JetBrains, la aplicación de escritorio, la web y el móvil (Anthropic). Para una fábrica de software destaca en:
- Automatización:
claude -pcorre en scripts y CI, y su Agent SDK en Python y TypeScript da las mismas herramientas y el mismo ciclo de agente para construir automatizaciones propias (Anthropic). Tiene acción oficial para GitHub (Anthropic) y una integración con GitLab CI/CD, en beta y mantenida por GitLab, que responde a menciones@claudey entrega merge requests (Anthropic). - Orquestación: lanza subagentes en paralelo, cada uno con su propio contexto y, si se configura, en su propia copia del repositorio (worktree) (Anthropic). Los equipos de agentes, todavía experimentales y desactivados por defecto, coordinan varias sesiones con una lista de tareas compartida y mensajes directos entre ellas (Anthropic). Las sesiones en la nube corren en máquinas virtuales aisladas, siguen trabajando con el portátil cerrado y se pueden lanzar varias en paralelo con
claude --cloud(Anthropic). - Extensibilidad: CLAUDE.md, habilidades, MCP, hooks y plugins que empaquetan habilidades, agentes, hooks y servidores MCP; la organización puede distribuirlos con su propio marketplace (Anthropic).
- Gobierno: los administradores fijan políticas que ningún archivo del proyecto ni del usuario puede sobrescribir (Anthropic) y pueden permitir o bloquear marketplaces y forzar la instalación de plugins (Anthropic). El sandbox del sistema operativo limita la escritura al directorio de trabajo y la red a los dominios permitidos; viene desactivado, pero se puede imponer por política (Anthropic). La telemetría se exporta por OpenTelemetry (Anthropic), y la organización tiene panel de analítica y límites de gasto por organización, grupo o persona (Anthropic).
- Revisión de código: Code Review, para los planes Team y Enterprise, revisa cada pull request en GitHub con varios agentes en paralelo y un paso de verificación que descarta falsos positivos; comenta por severidad, nunca aprueba ni bloquea, y se ajusta con REVIEW.md y CLAUDE.md (Anthropic). Además, Auto-fix vigila un pull request y corrige fallos de CI y comentarios de revisión (Anthropic).
- Modelos: usa los modelos Claude a través de Anthropic, Amazon Bedrock, Google Cloud o Microsoft Foundry, o de una pasarela de modelos propia (Anthropic).
Codex es el equivalente de OpenAI y comparte casi todas las piezas de Claude Code. Su harness es de código abierto y es el mismo que impulsa la terminal, la extensión para editores y la aplicación de escritorio (OpenAI, GitHub). Para una fábrica de software destaca en:
- Automatización:
codex execcorre en scripts y CI, por defecto en un sandbox de solo lectura y con la red desactivada (OpenAI, OpenAI). OpenAI recomienda separar un paso que genera el cambio de otro, con permisos de escritura, que abre el pull request. Su SDK en TypeScript y Python permite iniciar y reanudar sesiones de Codex desde aplicaciones propias (OpenAI). - Orquestación: lanza subagentes en paralelo, que heredan el sandbox y las aprobaciones del agente principal y se definen como agentes personalizados por proyecto (OpenAI). Con worktrees ejecuta varias conversaciones independientes en el mismo proyecto sin que interfieran entre sí, y las tareas en la nube corren cada una en su propio espacio de trabajo, a partir de un entorno reutilizable (OpenAI, OpenAI).
- Extensibilidad: AGENTS.md, habilidades, MCP, hooks y plugins para distribuir habilidades y conectores (OpenAI).
- Gobierno: los administradores imponen requisitos que el usuario no puede sobrescribir (modos de sandbox y aprobación, servidores MCP permitidos, hooks gestionados), desde la consola o por MDM (OpenAI); la telemetría se exporta por OpenTelemetry y un proyecto no puede redirigirla (OpenAI).
- Revisión de código: con
@codex reviewen un pull request, o de forma automática, revisa los cambios en GitHub, señala solo problemas de prioridad alta (P0 y P1) y sigue las reglas de revisión escritas en AGENTS.md (OpenAI). - Modelos: además de los de OpenAI, admite modelos locales con Ollama o LM Studio y proveedores configurables (OpenAI).
GitHub Copilot vive dentro de GitHub: se le asigna una tarea, trabaja en un sandbox en la nube (opción predeterminada), en GitHub Actions o en un entorno remoto, y entrega un pull request. En la nube respeta las listas de red permitidas del repositorio y de la organización (GitHub). Su CLI admite automatización y permite usar un proveedor de modelos propio (GitHub).
DeepSeek Harness es la apuesta abierta de DeepSeek, publicada en agosto de 2026 bajo licencia MIT. Está construido sobre Cordis con un principio: todo es un plugin: el adaptador de modelo, el registro de herramientas, el registro de sesiones y el propio ciclo del agente se pueden reemplazar desde la configuración (GitHub, arquitectura). Ofrece una interfaz web local, un modo sin intervención que ejecuta una tarea y termina, un SDK por JSON-RPC y un servidor ACP para conectarlo con otras herramientas (CLI). Es una base atractiva para quien quiera construir su propia plataforma de agentes, pero todavía es una versión preliminar: el propio proyecto advierte cambios incompatibles, la versión marcada como estable en npm sigue siendo una candidata (0.2.1-rc.2), con versiones de prueba posteriores (npm) y su guía de seguridad aclara que el sandbox y las aprobaciones «no garantizan el aislamiento» (DeepSeek).
Muse Code es el harness de Meta. Según su documentación, activa aprobaciones y un sandbox del sistema operativo desde la primera ejecución, admite subagentes, habilidades, hooks, MCP y ejecución sin intervención; los agentes en paralelo dependen de que la compilación instalada incluya su motor de flujos de trabajo (Meta). Está diseñado para Muse Spark, el modelo de Meta (por defecto, muse-spark-1.2).
Antigravity CLI reemplazó a Gemini CLI para los planes personales de Google y conserva habilidades, hooks, subagentes y extensiones, ahora como plugins. Gemini CLI sigue disponible para licencias empresariales y claves de API de pago (Google).
OpenCode destaca por su integración: funciona como servidor con una API documentada, de modo que la terminal es solo un cliente más (OpenCode); se activa desde comentarios en GitHub (OpenCode); define permisos por herramienta y por comando (OpenCode), admite agentes principales, subagentes y agentes personalizados (OpenCode) y admite más de 75 proveedores de modelos, incluidos locales (OpenCode). Licencia MIT (GitHub).
Cline, Qwen Code y Aider completan el panorama abierto: Cline puede exigir aprobación para cada cambio y comando (es lo habitual en el editor; en su CLI la aprobación automática viene activada por defecto) y tiene modo sin interfaz (Cline), además de reglas del proyecto y AGENTS.md (Cline); Qwen Code incluye subagentes, equipos de agentes y MCP (GitHub); Aider se automatiza por línea de comandos o Python (Aider) y, por defecto, registra cada cambio en un commit de Git (Aider).
Precios y costos
Hay tres formas de pagar un harness, y conviene no mezclarlas al comparar:
- Por usuario (asiento): un precio fijo mensual por persona, con límites de uso incluidos.
- Por uso: pagas los tokens (fragmentos de texto) que el modelo lee y escribe, por cada millón.
- Gratis + modelo: el harness es de código abierto y solo pagas el modelo que elijas, o nada si usas uno local.
Precios en dólares, sin impuestos, consultados el 29 de octubre de 2026 en las páginas oficiales de cada empresa.
Planes por usuario para equipos
| Harness | Plan de equipo | Precio por usuario al mes | Notas |
|---|---|---|---|
| Claude Code | Team Standard | 20 USD (anual) o 25 USD (mensual) | Para equipos de 2 a 150 personas. Team Premium: 100 o 125 USD. Enterprise: 20 USD por asiento (mínimo 20) más el uso a tarifa de API (Anthropic) |
| Codex | ChatGPT Business | 20 USD (anual) o 25 USD (mensual) | El precio anual exige 2 usuarios o más. Enterprise a consultar (OpenAI) |
| GitHub Copilot | Business | 19 USD | Enterprise: 39 USD. Incluyen el agente en la nube y 1.900 y 3.900 créditos de IA por usuario, que forman un fondo común; el uso adicional cuesta 0,01 USD por crédito (GitHub) |
| Antigravity CLI | Standard o Plus | Desde 30 USD | Gratis para personas. Los planes de empresa se contratan a través de Google Cloud, para clientes elegibles de Gemini Enterprise; también hay un plan de pago por uso sin costo por asiento (Google) |
Para uso individual intensivo existen planes superiores: Claude Max a 100 o 200 USD, ChatGPT Pro a 100, 200 o 500 USD y Copilot Pro+ a 39 o Max a 100 USD al mes.
Pago por uso
| Harness y modelo | Entrada (por millón de tokens) | Salida (por millón de tokens) | Fuente |
|---|---|---|---|
| Muse Spark (Muse Code), modo Standard: Meta no entrena con tu contenido | 1,25 USD | 4,25 USD | Meta |
| Muse Spark (Muse Code), modo Contributor: autorizas a Meta a entrenar sus modelos con tu contenido | 0,10 USD | 0,20 USD | Meta |
| DeepSeek V4 Pro (para DeepSeek Harness, OpenCode, Cline o Claude Code) | 1,32 USD (0,66 fuera de hora pico) | 3,96 USD (1,98 fuera de hora pico) | DeepSeek |
| DeepSeek V4.1 Flash | 0,30 USD (0,15 fuera de hora pico) | 1,20 USD (0,60 fuera de hora pico) | DeepSeek |
Precios de entrada sin caché; con caché son mucho menores. Muse Code también se ofrece por suscripción (planes Everyday, High, Power y Maximum Usage, sin precio en su documentación), que viene en modo Contributor por defecto; se puede desactivar (Meta). La hora pico de DeepSeek es de 01:00 a 04:00 y de 06:00 a 10:00 UTC, de lunes a viernes.
Como referencia de consumo real, Anthropic informa que, en despliegues empresariales, Claude Code pagado por uso cuesta en promedio 13 USD por desarrollador por día activo, entre 150 y 250 USD por desarrollador al mes en empresas (Anthropic).
Harnesses gratuitos
DeepSeek Harness, OpenCode, Cline, Qwen Code y Aider son de código abierto y no cobran por el programa: el costo es el modelo (Cline ofrece además su propio proveedor de pago; Qwen Code ya no da acceso gratuito a su modelo desde el 15 de abril de 2026, según su documentación). Codex también es abierto: se usa con una cuenta de ChatGPT, cuyos límites dependen del plan, con una clave de API de OpenAI o con modelos locales. Se pueden combinar con la API de cualquier proveedor compatible, con modelos locales (costo de infraestructura propia) o con planes de modelo pensados para programar, como el GLM Coding Plan de Z.ai desde 18 USD al mes, compatible con Claude Code, Cline y OpenCode (Z.ai).
Ejemplo: un equipo de 10 desarrolladores
| Opción | Costo mensual estimado | Qué incluye |
|---|---|---|
| Copilot Business | 190 USD | 19.000 créditos de IA en total |
| Claude Code (Team Standard, anual) | 200 USD | Límites de uso del plan |
| Codex (ChatGPT Business, anual) | 200 USD | Límites de uso del plan |
| Claude Code (Team Standard, mensual) o Codex (Business, mensual) | 250 USD | Límites de uso del plan |
| Antigravity CLI (empresas) | Desde 300 USD | Según el plan |
| Copilot Enterprise | 390 USD | 39.000 créditos de IA en total |
| Claude Code (Team Premium, anual) | 1.000 USD | Más uso por persona |
| Claude Code pagado por uso | 1.500 a 2.500 USD | Promedio publicado por Anthropic (150–250 USD por persona) |
Cálculo: precio por usuario × 10. Los planes por asiento no son equivalentes entre sí: cada uno mide el uso de forma distinta (ventanas de 5 horas, mensajes o créditos), y un equipo que usa agentes todo el día puede necesitar planes superiores o comprar uso adicional. En los harnesses gratuitos, el costo depende del volumen de tokens y del modelo; un piloto de dos o tres semanas con medición es la forma más fiable de estimarlo.
¿Cuál conviene a una fábrica de software?
- Si necesitas control central y auditoría desde el primer día: Claude Code o Codex, por sus políticas administradas y su telemetría; la elección suele depender de si el equipo trabaja con Claude o con ChatGPT.
- Si tu operación vive en GitHub: Copilot, porque el agente recibe tareas en GitHub y entrega pull requests; o Claude Code y Codex con sus acciones oficiales.
- Si priorizas código abierto y libertad de modelo: OpenCode (servidor y API), Cline o Aider; Codex si buscas un harness abierto con el respaldo de un gran laboratorio.
- Si quieres construir tu propia plataforma de agentes: DeepSeek Harness es la base más flexible, pero conviene pilotearlo fuera de producción hasta que salga de la versión preliminar.
- Si el presupuesto manda: Copilot Business tiene el precio por asiento más bajo; un harness abierto con un modelo económico (DeepSeek fuera de hora pico o un modelo local) puede costar menos, a cambio de más trabajo de configuración y control.
- Si evalúas Muse Code o Antigravity: son recientes y están pensados para los modelos de su empresa; pruébalos en proyectos no críticos.
Buenas prácticas, con cualquier harness
- Escribe las reglas del proyecto en AGENTS.md (o CLAUDE.md): arquitectura, convenciones y comandos de prueba.
- En CI, da al agente los permisos mínimos: lectura para analizar y escritura solo en el paso que abre el pull request.
- Mantén el sandbox activo y limita la red.
- Usa hooks para correr pruebas y linters antes de aceptar un cambio.
- Exige revisión humana antes de fusionar.
- Mide: telemetría, tiempos y tasa de pull requests aceptados.
¿Quieres implementarlo en tu fábrica de software?
En Wasivia te ayudamos a elegir el harness, integrarlo en tu pipeline con gobierno y seguridad, y capacitar a tu equipo. Conoce nuestro servicio de agentes de IA y sistemas multiagente y el caso de desarrollo de software con agentes de IA, o agenda una cita.
Estas herramientas cambian cada pocas semanas; revisamos esta guía periódicamente. Si encuentras un dato desactualizado, escríbenos.
