try:
result = model(prompt)
if bad(result): retry()
save_somewhere(result)
except:
fallback()- Política escondida no código
- Comportamento difícil de provar
- Auditoria reconstruída depois
FS001 / META-HARNESS ENGINEERING
Menos cola.
Mais controle.
Construa harnesses robustos e governados para agentes de IA sem espalhar retry, cache, memória, ferramentas e decisões por scripts difíceis de explicar.
agent Reviewer {
retry: { max: 3 }
timeout: 45s
cache: { ttl: 10m }
log: Audit
}
workflow ReviewPullRequest {
checkpoint: { enabled: true }
step Review {
verdict = Reviewer.run(diff)
}
}✓ lint✓ policy✓ testsready
18lições práticas
04camadas do método
01linguagem executável
02protocolos: MCP + A2A
01 / O PROBLEMA
Prompt glue não é arquitetura.
Quando o controle fica misturado com chamadas de modelo, cada mudança aumenta o risco.
Timeouts, retries, fallback, cache, memória e auditoria viram detalhes espalhados. O fluxo fica difícil de revisar, testar e governar. MHL transforma essas decisões em declarações legíveis e executáveis.
DO SCRIPT AO SISTEMA
O agente julga.
O harness governa.
→
agent Analyst {
retry: { max: 3 }
timeout: 45s
fallback: [Local]
log: Audit
}- Política explícita e revisável
- Validação antes da execução
- Rastro como parte do desenho
03 / PROGRAMA
Da linguagem à governança.
Uma trilha progressiva: primeiro você domina a forma do harness; depois aprende a torná-lo reproduzível, extensível e publicável.
Harness como arquitetura
Valores, tipos, expressões, módulos e a separação entre julgamento probabilístico e controle determinístico.
Agentes, prompts e ferramentas
Configuração declarativa, hooks, retry, timeout, cache, rate limit, fallback, memória e operações nativas.
Pipelines e workflows
Passos ordenados, condições, roteamento, loops com limite, paralelismo, fan-out e contratos de saída.
Estado, pausa e retomada
Checkpoints, compatibilidade de estado, execução at-least-once, idempotência e revisão humana.
Lint, testes e auditoria
Diagnósticos estáticos, dry-run, cenários verificáveis, secrets mascarados e rastreabilidade por execução.
MCP, A2A e extensões
Publicação de workflows, contratos remotos e extensões bloqueadas por versão, hash e permissões declaradas.
04 / APRENDER FAZENDO
Leia.
Modifique.
Valide.
Execute.
O playground guia você por 18 lições, dos primeiros valores a workflows com concorrência, recuperação e publicação.
- 01Edite programas MHL completos
- 02Resolva desafios de cada conceito
- 03Compare resultados e diagnósticos
- 04Use lint, test, dry-run e serve
05 / RESULTADOS
O que você será capaz de construir.
Harness legível
Fluxos que outra pessoa consegue revisar sem decifrar uma cadeia de callbacks.
Execução limitada
Loops, concorrência, retries e prazos com limites explícitos.
Estado retomável
Workflows longos com checkpoints e pausa para decisão humana.
Política testável
Decisões de governança validadas antes de chegar à produção.
Extensão verificável
Adaptadores com manifesto, integridade e permissões revisáveis.
Capacidade publicável
O mesmo workflow oferecido como ferramenta MCP ou skill A2A.
06 / DEPOIMENTOS
Quem já passou pelo mesmo laboratório.
Avaliações da turma-piloto sobre o workshop que deu origem a este curso — o mesmo harness em MHL.
Com os conceitos que o Yan passou sinto que estou no caminho certo, podemos trabalhar com a engenharia de software de uma forma bastante segura e profissional, governada e trazendo mais segurança para as instituições que estamos.
Aprender sobre IAO e MHL abriu minha cabeça para uma forma completamente diferente de construir aplicações com IA, saindo do "prompt e torce pro melhor" para algo determinístico, auditável e que dá pra levar a sério em produção.
O material cobre desde fundamentos teóricos até implementação prática em múltiplas linguagens e ecossistemas (.NET, Python, Rust, Go). É raro ver IA tratada com essa maturidade de engenharia de software.
PARA QUEM É
Engenharia de IA para quem precisa responder pelo sistema.
Engenheiros de software e IA
Arquitetos e líderes técnicos
Times de plataforma e governança
Profissionais construindo agentes em produção
INSTRUTOR
Yan
Justino
Mestre e doutorando em Engenharia de Software, com 20 anos de experiência em desenvolvimento.
Especialista em arquitetura, modernização de legados e adoção de IA em sistemas financeiros.
FORMAÇÃO / META-HARNESS ENGINEERING
Menos cola.
Mais controle.
Harnesses robustos e governados para agentes de IA.
18 lições
na prática
na prática
Do primeiro valor ao workflow publicável.
Entrar na lista de interesseFIN-STACK ACADEMY
FS001 / LISTA DE INTERESSE