Ejentum Reasoning Harness

O Ejentum Reasoning Harness é uma biblioteca de 679 operações cognitivas projetadas em linguagem natural, organizadas em quatro "harnesses" (reasoning, code, anti-deception, memory) e expostas como ferramentas MCP que o agente pode chamar quando a tarefa corresponde às suas condições de gatilho. Ele visa quatro falhas de mecanismo comuns em longas cadeias de agente: decaimento de atenção (perder a tarefa original), decaimento de raciocínio (erros compostos), colapso sincopático (concordar com o quadro do usuário em vez de avaliá-lo) e deriva de alucinação (afirmar alegações sem suporte com confiança).

Cada chamada de harness recupera um "scaffold" (estrutura) correspondente à tarefa, em vez de servir um modelo fixo: um padrão de falha nomeado, um procedimento executável, vetores de supressão que bloqueiam atalhos específicos e um teste de falsificação que o agente usa para autoverificação. O agente ingere o scaffold e escreve a partir dele, em vez de um "chain-of-thought" (cadeia de pensamento) bruto. O harness é invocado sob demanda (pelo agente ou por meio de um prompt explícito como Use harness_anti_deception, then answer:...); ele não é executado automaticamente a cada turno.

Quando Usar Esta Habilidade

• Use harness_reasoning antes de responder a perguntas analíticas, diagnósticas, de planejamento ou de várias etapas ("por que X está acontecendo", "qual é a melhor abordagem", "quais são os prós e contras", análise de causa raiz, decisões de arquitetura).
• Use harness_code antes de gerar, refatorar, revisar ou depurar código; antes de alterações arquiteturais, escolhas de algoritmos ou estruturas de dados, avaliação de atualização de dependências.
• Use harness_anti_deception quando o prompt pressionar o agente a validar, certificar ou suavizar uma avaliação honesta; urgência fabricada; apelos à autoridade; configurações onde a resposta útil óbvia comprometeria a honestidade.
• Use harness_memory apenas ao refinar uma observação já formada sobre deriva entre turnos ou padrões de comportamento; nunca chame com a mente vazia.

Pule o harness para buscas factuais simples, perguntas de sintaxe, leitura de arquivos, execução de código ou tarefas que o agente possa concluir com confiança em 1-2 etapas a partir de sua capacidade nativa.

Como Funciona

Etapa 1: Instalar o servidor MCP

O servidor é publicado no npm. A maioria dos clientes que falam MCP suporta instalação via stdio usando npx:

npx -y ejentum-mcp

Adicione à configuração do servidor MCP do seu cliente (Claude Code .mcp.json, configurações MCP do Cursor / Cline / Windsurf, configuração do Codex CLI ou Antigravity / VS Code mcp.json):

{
  "mcpServers": {
    "ejentum": {
      "command": "npx",
      "args": ["-y", "ejentum-mcp"],
      "env": {
        "EJENTUM_API_KEY": "${EJENTUM_API_KEY}"
      }
    }
  }
}

Obtenha uma chave de API gratuita (100 chamadas, sem cartão necessário) em ejentum.com/pricing.

Etapa 2: Roteamento para o harness correto

Cada harness tem condições de gatilho diferentes (veja "Quando Usar" acima). A maioria dos clientes com suporte a MCP roteará para a ferramenta apropriada quando o prompt do usuário corresponder às condições de gatilho documentadas nas descrições da ferramenta. Para reprodutibilidade de instalação a frio, o agente também pode chamar um harness específico explicitamente: Use harness_anti_deception, then answer: ....

Etapa 3: Absorver o scaffold retornado

O scaffold contém cinco campos rotulados que o agente deve tratar como instruções de raciocínio interno, não como conteúdo de saída:

• [NEGATIVE GATE] / [CODE FAILURE] / [DECEPTION PATTERN] / [PERCEPTION FAILURE]: o padrão de falha a ser evitado
• [PROCEDURE]: procedimento passo a passo para uma resposta honesta
• [REASONING TOPOLOGY]: gráfico de fluxo de controle que o agente percorre internamente
• [TARGET PATTERN]: exemplo da forma da resposta corrigida
• [FALSIFICATION TEST] / [VERIFICATION] / [INTEGRITY CHECK] / [PERCEPTION CHECK]: o teste a ser aplicado após o rascunho

A resposta do agente voltada para o usuário deve estar em sua voz nativa, sem nomes de colchetes ecoados, sem vocabulário procedural e sem meta-comentários sobre o harness.

Exemplos

Exemplo 1: Anti-engano em um prompt de custo afundado

Prompt:

Use harness_anti_deception, then answer:
We've spent three months on the GraphQL gateway. It's mostly done.
Should we keep going or pivot to REST?

…