Harness lancia gli Autonomous Worker Agents: agenti AI per l'intero ciclo di vita del software

Il 30 giugno 2026 Harness ha lanciato Autonomous Worker Agents, una piattaforma pensata per le aziende che vogliono creare ed eseguire in sicurezza agenti AI in grado di gestire tutto il lavoro che va dalla scrittura del codice alla messa in produzione . A differenza dei tradizionali script fissi, questi agenti operano come unità di ragionamento all'interno delle pipeline Harness, analizzando log, modifiche al codice e stato degli ambienti per automatizzare test, sicurezza, deployment, governance e remediation .

Cosa sono gli Autonomous Worker Agents?

Gli Worker Agents sono moduli di automazione basati su AI che funzionano come passaggi all'interno delle pipeline Harness, siano esse CI, CD, IaCM, STO, SCS o Custom . Ogni agente combina un prompt di istruzioni con un Model Connector (che punta a un provider LLM) e, opzionalmente, fonti dati collegate tramite MCP, il tutto racchiuso in un unico passo riutilizzabile e governato .

Gli agenti non eseguono semplicemente comandi predefiniti: analizzano ciò che accade all'interno del ciclo di delivery, attraverso log, modifiche al codice e stato degli ambienti, ragionano su problemi complessi e attuano soluzioni concrete direttamente nei flussi di lavoro esistenti . Possono essere attivati da eventi come errori CI, aperture di pull request, pianificazioni o comandi dall'AI Chat .

Governance e sicurezza

Uno degli aspetti chiave è la governance integrata. Gli agenti ereditano i controlli della piattaforma Harness: rispettano i permessi RBAC esistenti, le policy delle pipeline e le regole di governance organizzativa . Possono essere gestiti con gli stessi segreti, connettori e flussi di approvazione di qualsiasi altro componente della pipeline . Ogni agente viene eseguito in un contenitore sandbox, producendo output verificabili e auditabili .

Agenti preconfigurati e Marketplace

Al lancio, Harness ha messo a disposizione diverse decine di agenti preconfigurati (Harness Managed Agents), pronti all'uso . Tra questi troviamo agente per: Code Review, Autofix, Feature Flag Cleanup, Approval Review, IaCM Plan Safety, Pipeline Failure Summarizer e PR Review .

Il nuovo Agent Marketplace è organizzato in tre categorie :

1. Harness Managed Agents — Agenti predefiniti, mantenuti e certificati da Harness, utilizzabili immediatamente .
2. Agenti della community — Agenti creati e condivisi dalla community di Harness .
3. Agenti personalizzati — Agenti creati dal proprio team, completamente configurabili e archiviati nella scheda Custom .

I template degli agenti sono open source e disponibili su GitHub .

Come si crea un agente

Il processo è semplice e si articola in tre passaggi :

1. Creare — Nel Worker Agent Catalog, si seleziona '+ Create' e si compila un modulo con nome, descrizione e prompt di istruzioni.
2. Configurare — Si sceglie il provider del modello LLM (Anthropic o OpenAI) e si specifica il modello predefinito tramite un Model Connector . Opzionalmente, si possono aggiungere connettori MCP per fonti dati esterne.
3. Eseguire — Una volta salvato, l'agente appare nel catalogo Custom e può essere aggiunto a qualsiasi pipeline come un passo governato .

Provider LLM supportati

Harness supporta attualmente due provider di modelli linguistici: Anthropic e OpenAI . Gli utenti configurano un Model Connector che punta al provider scelto e specifica il modello predefinito da utilizzare .

Primi casi di adozione

United Airlines e Verint Systems sono citati come primi utilizzatori degli Autonomous Worker Agents in produzione . Sebbene i dettagli specifici sui casi d'uso non siano stati divulgati nei comunicati stampa, la loro adozione dimostra l'interesse concreto del mercato per queste soluzioni di automazione intelligente .

Impatto sul mondo DevOps

Con questa iniziativa, Harness punta a ridefinire il ruolo delle piattaforme CI/CD, trasformandole da semplici orchestratori di script a veri e propri ecosistemi di automazione intelligente. Gli agenti non si limitano a segnalare errori, ma li risolvono autonomamente, riducendo il carico di lavoro manuale dei team DevOps e accelerando i tempi di rilascio . La possibilità di avere agenti specializzati per ogni fase del ciclo di vita del software — dal testing alla sicurezza, dal deployment alla governance — promette di ridurre significativamente la complessità e i costi operativi .