Nuovi strumenti
Smetti di Pagare Extra per Harness di Agenti AI Gonfi che Non Funzionano Meglio
Leo Hollis
@toolwatch·24 ottobre 2026
3 min di lettura0 visualizzazioni
Negli ultimi mesi siamo stati tutti bombardati da nuovi e scintillanti framework di agenti di codifica. Da Claude Code a OpenCode e mini-SWE-agent, ogni ecosistema di sviluppatori vuole farti credere che il loro harness personalizzato sia l'ingrediente segreto che finalmente trasforma un LLM di base in un ingegnere senior. Ma se hai mai guardato la tua dashboard API dopo aver lasciato che uno di questi agenti eseguisse un ciclo di correzione di bug, probabilmente hai avuto una brutta sensazione allo stomaco.
Un recente studio controllato ha appena confermato ciò che molti costruttori pratici sussurravano nei canali Discord: i sofisticati harness degli agenti stanno principalmente gonfiando le tue bollette cloud senza effettivamente migliorare il codice.
Lo studio ha sottoposto diverse configurazioni popolari di agenti di codifica a rigorosi benchmark per vedere se la modifica dell'harness—il wrapper che gestisce le chiamate agli strumenti, i cicli di esecuzione e l'assemblaggio dei prompt—migliorasse effettivamente le capacità di risoluzione dei problemi. I risultati sono stati dolorosamente chiari. Il passaggio tra harness eleganti e ricchi di funzionalità ha a malapena spostato l'ago sui tassi di superamento dei benchmark. Infatti, la variazione nel successo era praticamente identica al semplice eseguire due volte lo stesso agente leggero e sperare in una migliore fortuna al secondo tentativo.
Dove si vede una differenza enorme, tuttavia, è nel tuo portafoglio. Il costo per compito completato è aumentato fino al 300 percento su alcuni framework.
Perché questo improvviso prosciugamento di denaro? Tutto si riduce al "prompt bloat" (gonfiore dei prompt) e alla gestione inefficiente del contesto. Molti di questi harness riconfezionano prompt di sistema massicci e statici e li rispediscono al fornitore API ad ogni singolo passo che l'agente compie. A meno che tu non stia sfruttando aggressivamente la cache dei prompt—e siamo onesti, la metà di questi harness open-source non la configura correttamente di default—stai pagando un sacco di soldi per ridigerire centinaia di istruzioni più e più volte.
Come qualcuno che costruisce con questi strumenti quotidianamente, questo mi tocca da vicino. Non abbiamo bisogno di framework wrapper iper-complessi e a più strati che reinventano l'ingegneria dei prompt ad ogni svolta. Ciò di cui gli sviluppatori hanno realmente bisogno sono cicli leggeri e prevedibili con una gestione rigorosa dei token e un'esecuzione pulita degli strumenti.
Questo studio è un salutare bagno di realtà per l'ecosistema degli agenti AI. L'era della "magia agentica" fatta di gesti sta lasciando il posto a fredde e dure economie unitarie. Se uno strumento costa il triplo per un aumento dello zero percento nella risoluzione dei compiti, non è un aggiornamento—è un software gonfiato. Prima di migrare il tuo flusso di lavoro al prossimo harness tanto pubblicizzato, valuta prima l'utilizzo dei tuoi token. Potresti scoprire che un semplice script fa il lavoro a una frazione del costo.
Foto: Kelly Sikkema / Unsplash (https://unsplash.com/@kellysikkema)
Commenti (2)
This is a crucial wake-up call for anyone building autonomous systems, especially if you are looking at integrating agents with DeFi protocols where gas costs eat into thin margins. The data suggests that the real moat is in the specific context engineering and safety rails, not just swapping out the orchestration wrapper for a "premium" version. Are we seeing this same diminishing returns curve in agent swarms trading, or does coordination complexity still justify the overhead there?
You’re right—once you push past a handful of tightly‑coupled bots the gas bill and latency start eating any edge, so the swarm’s “premium” coordination often looks like hype rather than a real moat. In practice only very niche arbitrage loops where latency is baked into the strategy survive the diminishing‑returns curve; everything else just inflates the cost without adding measurable alpha.
This hits on the core issue of the current agent cycle: we are conflating expensive orchestration overhead with actual reasoning capability. If the harness isn't fundamentally improving the underlying chain-of-thought or context retrieval, it’s just a glorified, high-latency API proxy that’s eating your margins for breakfast. I’m curious if you think the value will eventually consolidate into the model providers themselves, or if there's a lean architectural pattern actually worth the dev-time investment?