Qu'est-ce que harnext ?

harnext est un agent de codage IA open source avec harness engineering, conçu par FlowHunt. C'est un agent de terminal interactif qui lit, écrit et modifie des fichiers, exécute des commandes shell et pilote des serveurs MCP — et qui génère des workflows GitHub Actions étagés pour que l'IA prenne en charge des issues GitHub de bout en bout.

Comment harnext automatise-t-il les issues GitHub en pull requests ?

harnext setup écrit un pipeline étagé de workflows GitHub Actions. Chaque étape est un label ; promouvoir un label déclenche l'étape suivante. Le pipeline passe par issue:tagged → stage:plan → stage:implement → stage:review → stage:merged, avec un agent IA dédié à chaque étape, automatiquement.

Quels modèles et fournisseurs IA harnext prend-il en charge ?

harnext prend en charge 20+ fournisseurs LLM nativement via pi-ai, dont Anthropic, OpenAI, Google, Ollama, NVIDIA NIM, llama.cpp, vLLM, Mistral, et d'autres. Vous pouvez changer de fournisseur avec un seul flag --provider et --model, voire utiliser un fournisseur différent par étape de pipeline.

Puis-je utiliser Claude Code ou OpenAI Codex avec harnext ?

Oui. Chaque étape de pipeline harnext peut déléguer à un exécuteur différent. Utilisez le REPL harnext pour le travail interactif, et confiez une étape CI à claude-code ou codex en mode non supervisé — les flags d'approbation et de bypass sandbox sont appliqués automatiquement.

Quels outils possède l'agent harnext ?

harnext embarque un exécuteur minimal et focalisé à six outils : read, write, edit, bash, skill et MCP. C'est tout l'agent — pas de wrappers, pas de scripts de glue, pas de couche d'orchestration cachée.

Puis-je faire tourner harnext avec des modèles locaux pour garder mon code privé ?

Oui. Pointez harnext sur Ollama ou un endpoint compatible NVIDIA, et votre code n'a jamais besoin de quitter votre machine. Vous pouvez utiliser le REPL interactif sur un fournisseur cloud et déléguer les étapes CI à un modèle Llama local — le tout avec un seul flag --provider.

Comment configurer un runner self-hosted avec harnext ?

Lancez harnext setup dans votre dépôt et il enregistrera un runner self-hosted GitHub Actions épinglé à votre repo avec un label spécifique au projet, l'installera comme service systemd ou launchd, et le maintiendra actif après les redémarrages. harnext runner status et harnext runner logs suivent le daemon.

Que sont les skills harnext ?

Les skills sont des bundles d'agent réutilisables que vous attachez à n'importe quelle étape de pipeline. Les skills intégrés incluent review (revue de code), init (initialisation de projet) et browser-verify (vérification de régression visuelle). Vous pouvez créer les vôtres et les partager entre repositories.

Comment harnext se connecte-t-il aux serveurs MCP ?

harnext peut se connecter à tout serveur compatible MCP en mode proxy ou direct. L'agent peut ainsi appeler des outils d'automatisation de navigateur, des bases de données, des API de recherche ou tout autre service MCP comme étape native du pipeline.

harnext est-il open source et comment l'installer ?

harnext est sous licence MIT et open source. Installez-le globalement avec `npm install -g harnext` (Node.js ≥ 20 requis). Le code est sur github.com/QualityUnit/harnext et le paquet est sur npm.

Harnext par FlowHunt En savoir plus

Agent de codage IA. Harness-engineered.

harnext est la harness CI autour de votre agent de codage IA — il génère des workflows GitHub Actions étagés, une promotion par label et un runner self-hosted qui mènent une issue de la triage jusqu'à une PR fusionnée, de bout en bout.

Essayer Harnext Voir sur GitHub

harnext, agent de codage IA, prenant une issue GitHub et ouvrant une PR

harnext par FlowHunt

Un agent de codage IA et une harness CI open source qui mènent une issue GitHub du label à la PR fusionnée — de manière autonome. Conçu par l'équipe FlowHunt, pour les développeurs qui veulent l'IA dans leur workflow sans abandonner le contrôle.

Fournisseurs LLM: 20+
Outils d'agent: 6
Étapes de pipeline: 5
Open source: MIT

Fonctionnalités

Tout ce qu'on intégrerait dans un agent de codage — dans un seul CLI.

harnext fournit l'agent, la harness et le runner. Pas de scripts de glue, pas de serveur d'agent.

Agent de terminal interactif: Un REPL qui lit, écrit, modifie, exécute bash et pilote des serveurs MCP. Mode one-shot avec -p pour scripts et CI.
20+ fournisseurs, un seul CLI: Anthropic, OpenAI, Google, Ollama, NVIDIA et d'autres via pi-ai. Changez avec --provider et --model à la volée.
Harness pour votre repo: Génère des workflows GitHub Actions qui prennent les issues par label, exécutent la bonne étape et postent les résultats.
Runner self-hosted: Enregistre un daemon sur votre machine (systemd / launchd) et exécute les étapes sur votre matériel. Installation idempotente.
Skills & MCP: Empaquetez des skills réutilisables (review, init, browser-verify) et connectez tout serveur MCP en mode proxy ou direct.
Replays & status: harnext status affiche les runs actifs ; les replays permettent de rejouer toute session étape par étape. Sessions stockées dans ~/.harnext.

Vue d'ensemble des fonctionnalités harnext

L'agent

Agent minimal. Modèles locaux.

harnext est un agent CLI petit et focalisé. Six outils, quelques skills et un pont MCP — c'est tout l'exécuteur. Pointez-le sur un modèle local et votre code source ne quitte jamais la machine.

harnext tournant avec Ollama llama3.2 sur localhost

Surface d'outils minuscule.: read · write · edit · bash · skill · MCP. Voilà tout l'agent. Pas de wrappers, pas de scripts de glue, pas d'orchestration cachée.
Modèles local-first.: Pointez harnext sur Ollama ou NVIDIA d'origine, ou tout endpoint compatible OpenAI. Votre code n'a pas à quitter votre machine.
Changer de fournisseur par étape.: REPL interactif sur Anthropic, puis envoyer une étape CI à un Llama local. Un seul flag : --provider, --model.
Ouvert et inspectable.: Monorepo sous licence MIT, sessions JSON en clair dans ~/.harnext. Rejouez tout run, auditez tout appel d'outil.

harnext se pilote — ou pilote l'agent que vous choisissez.

Chaque étape de pipeline peut déléguer à un exécuteur différent. Utilisez le REPL harnext pour l'interactif, et choisissez claude-code ou codex par étape en CI non supervisée.

harnext
REPL interactif intégré. Read, write, edit, bash et MCP — pilotés par le fournisseur de votre choix (Anthropic, OpenAI, Google, Ollama, +20 autres via pi-ai).
En savoir plus
Claude Code
CLI d'Anthropic, dispatché. harnext confie une étape à claude-code avec --max-turns et flags sandbox appliqués automatiquement.
En savoir plus
Codex
CLI d'OpenAI, dispatché. Même interface que Claude Code — flags d'approbation et bypass sandbox câblés pour les runs non supervisés.
En savoir plus

La harness

D'une issue GitHub à une PR fusionnée — sur rails.

harnext setup écrit un pipeline étagé de workflows GitHub Actions. Chaque étape est un label ; promouvoir un label déclenche la suivante. Sur runners GitHub-hosted, votre daemon self-hosted, ou les deux.

Pipeline harnext en cinq étapes avec workflow YAML généré

issue:tagged: Le workflow Tagger applique le premier label d'étape dès qu'une issue est ouverte.
stage:plan: L'agent lit l'issue et écrit un plan d'implémentation structuré en commentaire GitHub.
stage:implement: L'agent ouvre une branche, modifie les fichiers selon le plan et soumet une pull request.
stage:review: L'agent reviewer lit le diff, poste des commentaires inline et déclenche un workflow de fix si nécessaire.
stage:merged: Le workflow de cleanup post-merge s'exécute après la PR — fermeture des issues, mise à jour de l'état du projet.

Trois commandes vers un agent en marche.

harnext est conçu pour être productif en quelques minutes. Installez globalement, lancez setup une fois par dépôt, puis démarrez votre agent interactif.

1. Installer
npm install -g harnext Node.js ≥ 20 requis. Stocké dans ~/.harnext.
Voir sur npm
2. Configurer le pipeline
cd my-repo && harnext setup Ajoute les labels, écrit les workflows GitHub Actions étagés, et enregistre éventuellement un runner self-hosted.
Guide de démarrage
3. L'utiliser comme agent de codage
harnext Le même CLI est votre agent interactif — read, write, run, drive MCP. Passez -p pour un usage one-shot.
Voir la doc

Runner self-hosted

Faire tourner l'agent sur votre propre matériel.

harnext setup enregistre un runner self-hosted GitHub Actions épinglé à votre repo, l'installe comme service systemd ou launchd, et le maintient actif après les redémarrages. harnext runner status et harnext runner logs suivent le daemon.

Installation idempotente:: Relancer setup saute le travail déjà fait — sûr à exécuter plusieurs fois.
Label épinglé au projet:: Un label unique empêche les runners partagés de prendre des jobs destinés à un autre projet.
Garde-fou repo public:: harnext setup vérifie que les gates d'approbation des PR de fork sont actifs avant d'enregistrer un runner pour repo public.
Désinstallation propre:: Cleanup best-effort à la désinstallation : déréférencement, arrêt du service, suppression de tous les artefacts du runner.

Questions fréquemment posées

: harnext est un agent de codage IA open source avec harness engineering, conçu par FlowHunt. C'est un agent de terminal interactif qui lit, écrit et modifie des fichiers, exécute des commandes shell et pilote des serveurs MCP — et qui génère des workflows GitHub Actions étagés pour que l'IA prenne en charge des issues GitHub de bout en bout.
: harnext setup écrit un pipeline étagé de workflows GitHub Actions. Chaque étape est un label ; promouvoir un label déclenche l'étape suivante. Le pipeline passe par issue:tagged → stage:plan → stage:implement → stage:review → stage:merged, avec un agent IA dédié à chaque étape, automatiquement.
: harnext prend en charge 20+ fournisseurs LLM nativement via pi-ai, dont Anthropic, OpenAI, Google, Ollama, NVIDIA NIM, llama.cpp, vLLM, Mistral, et d'autres. Vous pouvez changer de fournisseur avec un seul flag --provider et --model, voire utiliser un fournisseur différent par étape de pipeline.
: Oui. Chaque étape de pipeline harnext peut déléguer à un exécuteur différent. Utilisez le REPL harnext pour le travail interactif, et confiez une étape CI à claude-code ou codex en mode non supervisé — les flags d'approbation et de bypass sandbox sont appliqués automatiquement.
: harnext embarque un exécuteur minimal et focalisé à six outils : read, write, edit, bash, skill et MCP. C'est tout l'agent — pas de wrappers, pas de scripts de glue, pas de couche d'orchestration cachée.
: Oui. Pointez harnext sur Ollama ou un endpoint compatible NVIDIA, et votre code n'a jamais besoin de quitter votre machine. Vous pouvez utiliser le REPL interactif sur un fournisseur cloud et déléguer les étapes CI à un modèle Llama local — le tout avec un seul flag --provider.
: Lancez harnext setup dans votre dépôt et il enregistrera un runner self-hosted GitHub Actions épinglé à votre repo avec un label spécifique au projet, l'installera comme service systemd ou launchd, et le maintiendra actif après les redémarrages. harnext runner status et harnext runner logs suivent le daemon.
: Les skills sont des bundles d'agent réutilisables que vous attachez à n'importe quelle étape de pipeline. Les skills intégrés incluent review (revue de code), init (initialisation de projet) et browser-verify (vérification de régression visuelle). Vous pouvez créer les vôtres et les partager entre repositories.
: harnext peut se connecter à tout serveur compatible MCP en mode proxy ou direct. L'agent peut ainsi appeler des outils d'automatisation de navigateur, des bases de données, des API de recherche ou tout autre service MCP comme étape native du pipeline.
: harnext est sous licence MIT et open source. Installez-le globalement avec `npm install -g harnext` (Node.js ≥ 20 requis). Le code est sur github.com/QualityUnit/harnext et le paquet est sur npm.

En savoir plus

GitHub

Intégrez FlowHunt avec GitHub pour automatiser la gestion des référentiels, le suivi des problèmes, les demandes de tirage et les révisions de code avec l'IA—sa...

Jun 15, 2025 2 min de lecture

AI GitHub +4

Agent IA pour MCP + Mem0

Intégrez FlowHunt avec le serveur MCP et Mem0 pour une gestion fluide et persistante des préférences de codage, des meilleures pratiques et des extraits de code...

Aug 12, 2025 4 min de lecture

AI MCP +5

Exécuteur de Code

Intégrez FlowHunt avec le mcp_code_executor pour automatiser l'exécution de code, gérer des scripts et optimiser vos workflows de programmation. Offrez à votre ...

Aug 12, 2025 4 min de lecture

AI Code Execution +3