harnext è un agente di coding IA open source con harness engineering, realizzato da FlowHunt. È un agente di terminale interattivo che legge, scrive e modifica file, esegue comandi shell e pilota server MCP — e genera workflow scalati di GitHub Actions perché l'IA prenda in carico le issue GitHub end-to-end.

Come automatizza harnext le issue GitHub in pull request?

harnext setup scrive una pipeline scalata di workflow GitHub Actions. Ogni stage è una label; promuovere una label fa scattare lo stage successivo. La pipeline attraversa issue:tagged → stage:plan → stage:implement → stage:review → stage:merged, con un agente IA dedicato a ogni passo, in automatico.

Quali modelli e provider IA supporta harnext?

harnext supporta 20+ provider LLM out-of-the-box via pi-ai, tra cui Anthropic, OpenAI, Google, Ollama, NVIDIA NIM, llama.cpp, vLLM, Mistral e altri. Puoi cambiare provider con un singolo flag --provider e --model, e usare anche un provider diverso per stage della pipeline.

Posso usare Claude Code o OpenAI Codex con harnext?

Sì. Ogni stage della pipeline harnext può dispatchare un executor diverso. Usa il REPL harnext per il lavoro interattivo, e affida uno stage CI a claude-code o codex in modalità non presidiata — con flag di approval e bypass sandbox applicati in automatico.

Quali tool ha l'agente harnext?

harnext porta un executor minimale e focalizzato a sei tool: read, write, edit, bash, skill e MCP. Questo è tutto l'agente — niente wrapper, niente glue script, nessun layer di orchestrazione nascosto.

Posso eseguire harnext con modelli locali per tenere il codice privato?

Sì. Punta harnext a Ollama o a un endpoint compatibile NVIDIA e il codice non deve mai lasciare la tua macchina. Puoi usare il REPL interattivo su un provider cloud e dispatchare gli stage CI a un modello Llama locale — il tutto con un singolo flag --provider.

Come imposto un runner self-hosted con harnext?

Esegui harnext setup nel tuo repository e registrerà un runner self-hosted GitHub Actions ancorato al repo con una label specifica del progetto, lo installerà come servizio systemd o launchd, e lo terrà attivo fra i reboot. harnext runner status e harnext runner logs seguono il daemon.

Cosa sono gli skill harnext?

Gli skill sono bundle di agente riutilizzabili che colleghi a qualsiasi stage della pipeline. Skill integrati: review (code review), init (inizializzazione progetto) e browser-verify (controlli di regressione visiva). Puoi crearne di tuoi e condividerli tra repository.

Come si collega harnext ai server MCP?

harnext può collegarsi a qualsiasi server compatibile MCP in modalità proxy o diretta. L'agente può chiamare tool di automazione browser, database, API di ricerca o qualsiasi altro servizio MCP come step nativo della pipeline.

harnext è open source e come si installa?

harnext è MIT licensed e open source. Installalo globalmente con `npm install -g harnext` (Node.js ≥ 20 richiesto). I sorgenti sono su github.com/QualityUnit/harnext e il pacchetto è su npm.

Harnext di FlowHunt Scopri di più

Agente di coding IA. Harness-engineered.

harnext è la harness CI attorno al tuo agente di coding IA — genera workflow scalati di GitHub Actions, promozione guidata da label e un runner self-hosted che portano una issue dal triage alla PR fusa, end-to-end.

Prova Harnext Vedi su GitHub

harnext, agente di coding IA, prende una issue GitHub e apre una PR

harnext di FlowHunt

Un agente di coding IA e una harness CI open source che portano una issue GitHub dalla label alla PR fusa — in modo autonomo. Realizzato dal team FlowHunt, per sviluppatori che vogliono l'IA nel workflow senza rinunciare al controllo.

Provider LLM: 20+
Tool agente: 6
Stage di pipeline: 5
Open source: MIT

Funzionalità

Tutto ciò che metteresti in un agente di coding — in un solo CLI.

harnext fornisce l'agente, la harness e il runner. Niente glue script, nessun agent server.

Agente di terminale interattivo: Un REPL che legge, scrive, edita, esegue bash e pilota server MCP. Modalità one-shot con -p per script e CI.
20+ provider, un solo CLI: Anthropic, OpenAI, Google, Ollama, NVIDIA e altri via pi-ai. Cambia con --provider e --model al volo.
Harness per il tuo repo: Genera workflow GitHub Actions che prendono le issue per label, eseguono lo stage giusto e ripostano i risultati.
Runner self-hosted: Registra un daemon sulla tua macchina (systemd / launchd) ed esegui gli stage sul tuo hardware. Installazione idempotente.
Skill e MCP: Impacchetta skill riutilizzabili (review, init, browser-verify) e collega qualsiasi server MCP in modalità proxy o diretta.
Replay e status: harnext status mostra le run attive; i replay permettono di rieseguire ogni sessione passo per passo. Le sessioni vivono in ~/.harnext.

L'agente

Agente minimo. Modelli locali.

harnext è un agente CLI piccolo e focalizzato. Sei tool, qualche skill e un bridge MCP — è tutto l'executor. Puntalo a un modello locale e la codebase non lascia mai la macchina.

harnext con Ollama llama3.2 su localhost

Superficie di tool minuscola.: read · write · edit · bash · skill · MCP. È tutto l'agente. Niente wrapper, glue script o orchestrazione nascosta.
Modelli local-first.: Punta harnext a Ollama o NVIDIA di fabbrica, o a qualsiasi endpoint compatibile OpenAI. Il codice non deve lasciare la macchina.
Cambia provider per stage.: REPL interattivo su Anthropic, poi dispatch di uno stage CI a un Llama locale. Un solo flag: --provider, --model.
Aperto e ispezionabile.: Monorepo MIT-licensed, sessioni JSON in chiaro in ~/.harnext. Replay di ogni run, audit di ogni chiamata tool.

harnext si pilota — o pilota l'agente che ti fidi.

Ogni stage di pipeline può dispatchare un executor diverso. Usa il REPL harnext per l'interattivo, e scegli claude-code o codex per stage in CI non presidiata.

harnext
REPL interattivo integrato. Read, write, edit, bash e MCP — pilotato dal provider che preferisci (Anthropic, OpenAI, Google, Ollama, +20 altri via pi-ai).
Scopri di più
Claude Code
CLI di Anthropic, dispatched. harnext consegna uno stage a claude-code con --max-turns e flag sandbox applicati automaticamente.
Scopri di più
Codex
CLI di OpenAI, dispatched. Stessa interfaccia di Claude Code — flag di approval e bypass sandbox cablati per run non presidiate.
Scopri di più

La harness

Da una issue GitHub a una PR fusa — sui binari.

harnext setup scrive una pipeline scalata di workflow GitHub Actions. Ogni stage è una label; promuovere una label fa partire il successivo. Esegui su runner GitHub-hosted, sul tuo daemon self-hosted, o entrambi.

Pipeline harnext a cinque stage con workflow YAML generato

issue:tagged: Il workflow Tagger applica la prima label di stage appena viene aperta una issue.
stage:plan: L'agente legge la issue e scrive un piano di implementazione strutturato come commento GitHub.
stage:implement: L'agente apre un branch, edita i file secondo il piano e apre una pull request.
stage:review: L'agente reviewer legge il diff, posta commenti inline e fa scattare un workflow di fix se serve.
stage:merged: Il workflow di cleanup post-merge gira dopo la PR — chiude le issue, aggiorna lo stato del progetto.

Tre comandi a un agente in esecuzione.

harnext è progettato per essere produttivo in minuti. Installa globalmente, esegui setup una volta per repo, poi avvia l'agente interattivo.

1. Installa
npm install -g harnext Richiede Node.js ≥ 20. Memorizzato in ~/.harnext.
Vedi su npm
2. Configura la pipeline
cd my-repo && harnext setup Aggiunge label, scrive i workflow GitHub Actions scalati e, opzionalmente, registra un runner self-hosted.
Guida rapida
3. Usalo come agente di coding
harnext Lo stesso CLI è il tuo agente interattivo — read, write, run, drive MCP. Passa -p per l'uso one-shot.
Vedi la doc

Runner self-hosted

Esegui l'agente sul tuo hardware.

harnext setup registra un runner self-hosted GitHub Actions ancorato al repo, lo installa come servizio systemd o launchd e lo tiene attivo tra i reboot. harnext runner status e harnext runner logs seguono il daemon.

Installazione idempotente:: Rilanciare setup salta il lavoro già fatto — sicuro da eseguire più volte.
Label ancorata al progetto:: Una label unica impedisce ai runner shared di prendere job destinati a un altro progetto.
Salvaguardia repo pubblico:: harnext setup verifica che i gate di approval delle fork PR siano attivi prima di registrare un runner per repo pubblico.
Disinstallazione pulita:: Cleanup best-effort alla disinstallazione: deregister, stop del servizio, rimozione di tutti gli artefatti del runner.

Domande frequenti

: harnext è un agente di coding IA open source con harness engineering, realizzato da FlowHunt. È un agente di terminale interattivo che legge, scrive e modifica file, esegue comandi shell e pilota server MCP — e genera workflow scalati di GitHub Actions perché l'IA prenda in carico le issue GitHub end-to-end.
: harnext setup scrive una pipeline scalata di workflow GitHub Actions. Ogni stage è una label; promuovere una label fa scattare lo stage successivo. La pipeline attraversa issue:tagged → stage:plan → stage:implement → stage:review → stage:merged, con un agente IA dedicato a ogni passo, in automatico.
: harnext supporta 20+ provider LLM out-of-the-box via pi-ai, tra cui Anthropic, OpenAI, Google, Ollama, NVIDIA NIM, llama.cpp, vLLM, Mistral e altri. Puoi cambiare provider con un singolo flag --provider e --model, e usare anche un provider diverso per stage della pipeline.
: Sì. Ogni stage della pipeline harnext può dispatchare un executor diverso. Usa il REPL harnext per il lavoro interattivo, e affida uno stage CI a claude-code o codex in modalità non presidiata — con flag di approval e bypass sandbox applicati in automatico.
: harnext porta un executor minimale e focalizzato a sei tool: read, write, edit, bash, skill e MCP. Questo è tutto l'agente — niente wrapper, niente glue script, nessun layer di orchestrazione nascosto.
: Sì. Punta harnext a Ollama o a un endpoint compatibile NVIDIA e il codice non deve mai lasciare la tua macchina. Puoi usare il REPL interattivo su un provider cloud e dispatchare gli stage CI a un modello Llama locale — il tutto con un singolo flag --provider.
: Esegui harnext setup nel tuo repository e registrerà un runner self-hosted GitHub Actions ancorato al repo con una label specifica del progetto, lo installerà come servizio systemd o launchd, e lo terrà attivo fra i reboot. harnext runner status e harnext runner logs seguono il daemon.
: Gli skill sono bundle di agente riutilizzabili che colleghi a qualsiasi stage della pipeline. Skill integrati: review (code review), init (inizializzazione progetto) e browser-verify (controlli di regressione visiva). Puoi crearne di tuoi e condividerli tra repository.
: harnext può collegarsi a qualsiasi server compatibile MCP in modalità proxy o diretta. L'agente può chiamare tool di automazione browser, database, API di ricerca o qualsiasi altro servizio MCP come step nativo della pipeline.
: harnext è MIT licensed e open source. Installalo globalmente con `npm install -g harnext` (Node.js ≥ 20 richiesto). I sorgenti sono su github.com/QualityUnit/harnext e il pacchetto è su npm.

Costruiamo il tuo team AI

Aiutiamo aziende come la tua a sviluppare chatbot intelligenti, server MCP, strumenti AI o altri tipi di automazione AI per sostituire l'uomo in compiti ripetitivi nella tua organizzazione.

Pianifica una demo Provalo ora

Scopri di più

GitHub

Integra FlowHunt con GitHub per automatizzare la gestione dei repository, il tracciamento dei problemi, le pull request e le revisioni del codice con l'IA—nessu...

Jun 15, 2025 2 min di lettura

AI GitHub +4

Pinner MCP

Integra FlowHunt con Pinner MCP per automatizzare e mettere in sicurezza la gestione delle dipendenze. Fissa le immagini di base Docker e le GitHub Actions a di...

Aug 12, 2025 4 min di lettura

AI Automation +5

Heroku MCP

Integra FlowHunt con il server Heroku MCP per una gestione delle risorse Heroku potenziata dall'IA. Automatizza il deployment delle app, la scalabilità dei dyno...

Aug 12, 2025 6 min di lettura

AI Heroku +4