O Hugging Face publicou em 25 de maio de 2026 um glossário prático de termos recorrentes no ecossistema de agentes de IA. A intenção é reduzir a confusão gerada pelo uso inconsistente de palavras como “harness”, “scaffold”, “agent” e “policy”, que hoje aparecem com sentidos distintos em diferentes frameworks e artigos.
Por que o vocabulário importa
A área de agentes de IA evoluiu rápido, mas a linguagem usada para descrever suas partes não acompanhou a mesma velocidade. “Scaffold” e “harness” são exemplos clássicos: em algumas documentações, ambos se referem ao conjunto de camadas que envolvem o modelo LLM. Em outras, ganham funções específicas dentro do pipeline de execução ou treinamento.
O glossário do Hugging Face busca delimitar esses conceitos, sem impor um padrão definitivo, mas oferecendo uma referência útil para quem constrói, treina ou apenas utiliza agentes. O material foi motivado por discussões pós-ICLR 2026, onde ficou claro que nem mesmo os especialistas concordam sobre as definições.
Principais termos do glossário
Model: o LLM puro, como Claude, GPT ou Qwen. Ele recebe texto, gera texto, mas não mantém memória ou executa ações sozinho.
Scaffolding: camada que define o comportamento do modelo — inclui o system prompt, descrições de ferramentas, formatação de respostas e gerenciamento de contexto. É o que molda como o modelo “enxerga” o ambiente. Em alguns produtos, como Claude Code, o termo “harness” cobre tudo que não é o modelo, incluindo o scaffold.
Harness: camada de execução. É quem chama o modelo, lida com chamadas de ferramentas, decide quando o agente deve parar e implementa guardrails. No contexto de avaliação, “eval harness” é o sistema que executa cenários fixos para medir desempenho, sem treinar o modelo.
Agent: conceito herdado do reinforcement learning. É o sistema que observa o ambiente, toma decisões e executa ações em loop. Em LLMs, corresponde ao modelo mais tudo que permite agir (scaffold + harness). A comunidade frequentemente resume: “Agent = Model + Harness”.
Outros termos abordados incluem “policy” (regra de decisão do agente), “tool use” (capacidade de acionar ferramentas externas), “context engineering” (seleção do que entra na janela de contexto) e “trainer” (componente que executa o treinamento do agente).
Por que isso continua confuso
Segundo o Hugging Face, parte da confusão é inevitável: diferentes frameworks priorizam modularidade ou integração, e reutilizam os mesmos termos para componentes que, na prática, têm fronteiras flexíveis. Produtos como Claude Code e Codex integram modelo e harness de forma rígida. Outros, como Antigravity CLI e Hermes Agent, permitem trocar o modelo ou customizar o harness.
A distinção entre scaffold e harness só importa de fato em cenários avançados — como pipelines de treinamento ou avaliação automatizada — mas a imprecisão afeta até discussões cotidianas na comunidade.
Para quem serve esse glossário
O texto do Hugging Face não é um dicionário exaustivo, mas um guia pragmático para engenheiros, pesquisadores e usuários que precisam navegar entre frameworks e papers sem cair em armadilhas semânticas. Ao explicitar os pontos de atrito, o glossário facilita conversas técnicas e escolha de ferramentas.
O material completo, com exemplos e definições detalhadas, está disponível no blog oficial do Hugging Face.