Além do grep: a tese do harness de codificação de IA rico em contexto

Ars Technica formula o que os praticantes de agentes de código observavam: a estratégia de contexto tornou-se o verdadeiro diferencial — não o modelo subjacente.

Em termos simples. Ars Technica (20/07/2026) publica uma entrevista com Vinay Perneti (Augment Code) que defende superar a busca por grep nos harnesses de IA de codificação em favor de um contexto estruturado (indexador semântico, navegador simbólico, memória local). Não é uma discussão de ferramentas — é o que separa o agente que apenas "rap" do agente que entrega o código.

Contexto

Desde o boom dos agentes de codificação em 2024-25 (Cursor, Cline, Aider, Codex, Claude Code), o protocolo padrão permanece primitivo: grep -R foo → passar os arquivos correspondentes ao modelo → torcer para dar certo. Funciona para tarefas localizadas; quebra quando um bug depende de um fluxo de chamadas transversal, de uma convenção compartilhada ou de um tipo inferido. Os harnesses mais avançados já migraram para uma combinação: sub-agentes dedicados, buscas semânticas por embeddings, navegação por chamadas tipadas (LSP, tree-sitter).

Os dados

• Publicação: Ars Technica, 20/07/2026 — entrevista com Vinay Perneti (Augment Code).
• Quadro teórico adjacente: publicação #1055 « Agent Harness Engineering: a disciplina que faltava ».

Análise

O harness se torna a unidade estratégica, não o modelo. Um modelo frontier nu, sem contexto, tem desempenho inferior a um modelo mais modesto em um bom harness. Isso inverte a análise de compra para CIOs: arbitrar sobre a stack contextual (indexador, semântico, navegador, memória) torna-se mais impactante do que sobre o modelo subjacente. Corolário: a portabilidade entre modelos se decide no nível do harness, não na API. Observação KEEL CRUX: a latência adicional desse stack, medida internamente em nossos testes, permanece absorvível no uso em IDE; não é o fator limitante.

Por baixo do capô

Três componentes estruturam o contexto moderno:

1. Indexador semântico — embeddings de arquivos/funções, recall top-k adaptável ao tipo de tarefa.
2. Navegador simbólico — LSP ou tree-sitter para go-to-definition, find-references, resolução de tipos.
3. Memória local — cache de decisões, anotações de arquitetura, restrições do projeto; geralmente em arquivos Markdown versionados.

Tudo isso é gerenciado por um roteador que decide qual componente acionar por tarefa.

Cenários

• Centralizado (65%): os harnesses open source (Aider, OpenHands) integram nativamente os 3 componentes até o final de 2026; a lacuna com os closed diminui.
• Fragmentação (25%): os protocolos permanecem proprietários (Cursor, Codex, Claude Code cada um com sua stack); MCP tem baixa adoção.
• Padronização (10%): um padrão emerge (provavelmente em torno de MCP + LSP), unificando ~60% do mercado em 2027.

A se observar

• Próxima versão do Claude Code / Cursor / Codex no stack contextual.
• Tração do MCP nos servidores de contexto estruturado (fio mcp-ecosystem-plumbing).
• Benchmarks de terceiros publicados sobre « harness gain » vs « model gain ».