Módulo 5: Harness, IDE e MCP
Por que engenharia de prompt virou conversa velha, o que é a casca que fica entre você e o modelo, e como o MCP padronizou a conversa entre agente e mundo externo.
Engenharia de prompt não é o futuro
Lá atrás surgiu uma turma que se chamava de engenheiro de prompt e jurava que existiam técnicas mágicas de escrita para extrair o melhor da IA, e que aquilo seria a profissão do futuro. Isso é balela.
Claro que existe jeito melhor e pior de escrever um pedido. Mas os modelos ficaram bons demais nisso. Eles entendem contexto muito melhor do que há um ou dois anos, e às vezes até reescrevem o seu prompt por dentro.
E um dos motivos dessa melhora é justamente o que este módulo explica: o harness.
O que é um harness
Antes, você digitava o prompt direto para o modelo, dentro da sua janela de contexto. Escrevia “faça um canal viral” e mandava para o modelo. Ponto final.
Agora existe uma camada a mais no meio. Harness, traduzindo grosseiramente, é quase uma casca. Você não conversa mais direto com o modelo: você fala com o harness, e ele fala com o modelo, gerenciando melhor a sua janela de contexto.
Agente = Modelo + Harness.
E ele não só gerencia contexto. Ele é um agente: executa tarefas dentro do seu computador. Tudo relacionado a arquivo ele faz, e ele chama ferramentas.
Ferramenta aqui significa qualquer tipo de conexão. Você pode copiar o link de um repositório do GitHub, colar no seu harness e falar “instale esse programa”. Ele consegue: conecta no navegador, faz chamada na API do GitHub, faz o clone, entra na pasta, sai da pasta, move arquivo, edita arquivo, configura o que precisar. Tudo usando ferramentas e APIs.
O que você ganha com isso:
- Tira o trabalho manual. Acabou a vida de copiar resposta do Claude, colar no ChatGPT e perguntar se faz sentido. Um agente faz isso sozinho.
- Melhora os seus prompts antes de mandar para o modelo.
- É mais seguro na teoria, porque ele avisa quando uma ação tem consequência ruim. Ao mesmo tempo, você está dando muito poder a ele. Cuidado com o que pede e com as permissões que concede, porque ele deleta e move arquivo de verdade.
- Memória persistente via arquivos, porque o agente lê o que já existe, aprende na sessão e grava depois.
- Pipeline encadeada, com um agente chamando o outro.
Os harnesses que importam
OpenCode é o que serve de referência no curso, por três motivos: é aberto, é agnóstico de modelo (você pluga a conta do Claude, do ChatGPT, o OpenRouter, o OmniRoute ou um modelo local) e a assinatura dele é barata. Ele até alguns dias atrás era o único harness aberto usado em escala.
Claude Code, da Anthropic, e Codex, da OpenAI, funcionam com a mesma lógica. Tudo que você aprende aqui vale para qualquer um deles.
DeepSeek Harness apareceu em agosto de 2026 e quebrou o recorde de estrelas mais rápido da história do GitHub. Ele é da DeepSeek, é aberto, e funciona de um jeito diferente: roda localmente e via web, abrindo como se fosse um site, o que nenhum outro fazia. O ecossistema inteiro é baseado em plugin, e cada peça é substituível como se fosse Lego. Ainda é recente e instável, mas provavelmente vai ser copiado por todo mundo.
Sobre a assinatura do OpenCode
Existe um plano na casa de 10 dólares por mês, com o primeiro mês por 5. A diferença é que ele oferece principalmente modelos abertos, que costumam ser de empresas chinesas. O limite é por dinheiro dentro de uma janela de tempo, algo como 12 dólares a cada 5 horas e 30 dólares por semana.
O detalhe que muda a conta: como o limite é em dólar, a quantidade de requisições que você consegue depende de quão barato é o modelo escolhido. Usando os modelos mais caros da lista, você faz pouca coisa. Usando os mais eficientes, dá para fazer milhares de requisições no mesmo limite. Modelos recém-lançados costumam ainda vir com bônus de uso multiplicado.
CLI, aplicativo e IDE
Quando você abre o OpenCode digitando o nome dele no terminal, isso se chama CLI (Command Line Interface, interface de linha de comando). No Windows é o terminal, o CMD ou o PowerShell.
Se linha de comando te assusta, existe o aplicativo desktop, e a diferença visual entre os dois é pequena. Não tenha medo de nenhum dos dois.
A IDE é o editor de código, o lugar onde programador escrevia código (pelo menos até a IA passar a escrever). Você não é obrigado a usar uma, mas ajuda.
O Google Antigravity é a recomendação do curso por dois motivos: é aberto e tem limites gratuitos generosos mesmo sem logar, incluindo modelos Gemini e modelos da Anthropic. Se você já tem conta Gemini Pro ou Ultra, conecta ali.
O fluxo de trabalho real: abrir a IDE e rodar dois ou três harnesses ao mesmo tempo, lado a lado. Você pede para o OpenCode mudar a logo, pede para o Claude Code adicionar uma seção de comentários, e navega nos arquivos enquanto isso. Para instalar, é ir na barra de extensões e pesquisar pelo nome do harness, escolhendo o resultado com mais estrelas e publicado pela própria empresa.
MCP
MCP significa Model Context Protocol, protocolo de contexto de modelo.
A API resolve a conversa entre programa e programa. Mas como o agente conversa com o mundo? Cada empresa e cada desenvolvedor estava conectando as coisas de um jeito, e virou bagunça. Então criaram um padrão.
A diferença entre os dois, que é o que realmente importa:
| API | MCP | |
|---|---|---|
| O que entrega | Só os dados, do jeito que a plataforma escolheu | Os dados e as regras |
| Quem organiza | Você, ou o programador, escrevendo código | O próprio protocolo, que orienta o agente |
| Como age | Requisição e resposta, sem decisão | O agente consulta e age em cima da resposta |
| Escopo | Genérica, serve para qualquer aplicação | Específica, feita para agentes de IA |
O exemplo do Figma explica bem. As pessoas faziam gambiarra para levar informação de design para a IA: tirava print, copiava e colava, tentava login direto. Nada funcionava direito. Aí o Figma criou um MCP, que entrega um método de busca junto com todas as regras de como o agente deve se comportar com aquilo.
Pensa no YouTube. Antes das IAs, para pegar visualizações do seu canal você usava a API e escrevia o código que tratava aqueles dados. Com MCP, além dos dados vêm o caminho e a organização. O agente só consulta e age.
Em uma frase: MCP é um tipo de API específica entre modelos de IA e partes do programa. Como é específica, ela já sabe o que procurar, o que fazer e como fazer. A API genérica te obriga a explorar documentação, porque a informação vem jogada.
Próximo módulo
No Módulo 6 entra a parte que você mais vai usar no dia a dia: skills.