↩ Sumário · Estudos de apoio

Nota de pesquisa — Frameworks de harness: a camada "construa o seu"

Data: 2026-07-24 · Método: pesquisa web + conhecimento consolidado; avaliação por código pendente (repos não forkados). Prepara a categoria "frameworks" do benchmark e o futuro capítulo "Construir vs. adotar".

A tese da categoria

Frameworks não são harnesses: são kits de primitivas para construir harnesses. O usuário de um harness recebe loop+tools+UI prontos; o usuário de um framework recebe grafo/estado/abstrações e monta o resto. Por isso o template de 12 dimensões não se aplica direto — metade viraria "traga o seu". A pergunta certa é dupla: o que o framework impõe (e com que qualidade) e o que deixa aberto (e com que ergonomia).

O panorama (2026)

Framework Origem Filosofia Estado
LangGraph LangChain grafo de estados explícito; checkpointing/persistência como núcleo 1.0 GA (out/2025); líder em buscas e adoção enterprise
CrewAI independente multi-agente por papéis (personas + tasks); prototipagem rápida v1.10 com MCP e A2A nativos; ~44k estrelas
Microsoft Agent Framework Microsoft fusão Semantic Kernel + AutoGen (1.0 em abr/2026); enterprise/.NET+Python consolidação de dois legados em um
OpenAI Agents SDK OpenAI sucessor do Swarm; handoffs, guardrails, sessions; 100+ modelos não-OpenAI v0.10; produção
Claude Agent SDK Anthropic o harness do Claude Code como biblioteca (subagentes hierárquicos, fallback chains) ultrapassou AutoGen em deployments de produção (telemetria fev–abr/2026)
Pydantic AI Pydantic tipagem/validação como fundação; DX Python V2 estável (jun/2026)
Mastra ex-Gatsby TypeScript-first; workflows + agentes + evals integrados crescendo no ecossistema JS
smolagents Hugging Face code-as-action (o agente escreve Python em vez de JSON tool calls); minimalismo nicho de pesquisa/edu

Convergência já visível: todos os principais têm MCP nativo — a camada de frameworks foi a primeira a padronizar integralmente na camada de protocolos (cap. 17).

Relação com as outras camadas (o mapa completo do livro) 

Protocolos (cap. 17)      MCP · A2A · ACP · SKILL.md · AGENTS.md
        ↑ falados por ↑
Harnesses prontos         opencode, Codex, Goose, OpenClaw, Hermes...   ← benchmark, categorias 1–2
Harnesses embutidos       n8n (nó agente sobre LangChain)               ← benchmark, categoria 3
Frameworks                LangGraph, CrewAI, Agents SDK, Claude SDK...  ← benchmark, categoria 4 (esta nota)
        ↓ dois movimentos cruzados ↓

Dois movimentos tornam a fronteira harness/framework porosa — e são o achado central desta pesquisa:

  1. Harnesses virando frameworks: o OpenHands extraiu o núcleo para software-agent-sdk; o Codex expõe App Server + SDKs; o Claude Code virou o Claude Agent SDK; o opencode V2 separa core/protocol/client. Os melhores harnesses estão se decompondo em frameworks + control-planes.
  2. Frameworks embutidos em produtos: o nó de agente do n8n é LangChain por dentro (cap. 15). Quem avalia "o n8n" está avaliando também as escolhas do LangChain.

Consequência para o benchmark: avaliar frameworks fecha o ciclo — passaremos a conseguir rastrear de onde vem cada dimensão de um harness composto (própria, do framework, ou do motor que o hospeda).

Instrumento: FRAMEWORK_EVAL (proposto)

Template adaptado criado em benchmark/template/FRAMEWORK_EVAL.md. Eixos: primitivas oferecidas (grafo/loop, estado/checkpointing, HITL, streaming, multi-agente), o que impõe vs. deixa aberto, protocolos falados, qualidade de produção (durabilidade, observabilidade, deploy), ergonomia (código mínimo até um agente útil) e ecossistema.

Fila proposta (aguardando forks)

Lote frameworks-1: LangGraph (langchain-ai/langgraph), OpenAI Agents SDK (openai/openai-agents-python), Claude Agent SDK (anthropics/claude-agent-sdk-python), CrewAI (crewAIInc/crewAI) — os quatro cobrem as filosofias grafo, handoffs, harness-como-SDK e papéis. Lote frameworks-2: Microsoft Agent Framework, Pydantic AI, Mastra, smolagents. Conexão direta: OpenHands/software-agent-sdk (já na fila da categoria código) é também um framework — avaliá-lo com os dois templates será o teste de estresse do instrumento.

Fontes

Ressalva: números (estrelas, versões, telemetria de adoção) vêm de fontes secundárias; validar nos repositórios quando entrarem no benchmark.