在上一篇文章中，我们了解了什么是 Agent Harness。今天，我们将深入 Harness 的内部架构，剖析从模型到执行的六层设计。理解这套架构，是构建可靠 Agent 系统的关键。
一、六层架构概览
一个完整的 Agent Harness 可以分解为六个层次，每层负责不同的职责，共同构成从用户输入到执行完成的完整链路：
| 层级 | 名称 | 核心职责 |
|---|---|---|
| Layer 6 | 应用层 | 用户界面、对话管理、会话状态 |
| Layer 5 | 编排层 | 任务分解、工作流管理、Agent 调度 |
| Layer 4 | 上下文层 | Prompt 组装、记忆管理、RAG 检索 |
| Layer 3 | 模型层 | LLM 调用、多模型路由、响应解析 |
| Layer 2 | 工具层 | 工具注册、执行沙箱、结果处理 |
| Layer 1 | 基础设施层 | 权限控制、日志监控、安全隔离 |
二、Layer 1：基础设施层
这是最底层，为整个系统提供运行基础：
- 权限控制：决定 Agent 能访问什么资源、执行什么操作
- 沙箱隔离：代码执行在 Docker 或受限环境中运行
- 日志监控：记录所有操作，便于审计和调试
- 密钥管理：API Key、数据库凭证的安全存储
最佳实践：使用 Docker 作为执行沙箱，设置网络隔离，限制文件系统访问范围。
三、Layer 2：工具层
工具层负责管理 Agent 可调用的所有能力：
- 工具注册：定义工具的输入输出 schema、描述、权限要求
- 执行引擎：调用本地命令、API、数据库等
- 结果处理：格式化执行结果，处理错误和异常
- 工具发现：根据任务自动选择合适的工具
关键洞察：Vercel 将工具从 15 个减少到 2 个，准确率反而提升。工具贵在精不在多。
四、Layer 3：模型层
模型层处理与 LLM 的所有交互：
- 模型路由：根据任务复杂度选择不同模型（简单任务用轻量模型，复杂任务用强模型）
- 响应解析：从模型输出中提取工具调用、推理链、最终答案
- 流式处理：实时返回模型生成的内容
- 错误重试：处理模型超时、限流、格式错误
五、Layer 4：上下文层
这是 Harness 最核心的层之一，直接决定 Agent 的表现：
- Prompt 组装：将系统提示、工具定义、历史对话、检索内容组合成最终 Prompt
- 记忆管理：短期记忆（当前会话）和长期记忆（跨会话知识）
- 上下文压缩：当对话过长时，智能摘要保留关键信息
- RAG 检索：从向量数据库检索相关知识
Andrej Karpathy 称之为「Context Engineering」——在正确的时间把正确的信息放入上下文窗口的艺术。
六、Layer 5：编排层
编排层负责复杂任务的分解和调度：
- 任务分解：将复杂目标拆分为可执行的子任务
- 工作流管理：定义任务间的依赖关系和执行顺序
- Agent 调度：多 Agent 场景下的任务分配
- 状态机：管理任务执行的状态转换
七、Layer 6：应用层
最顶层，直接面向用户：
- 对话界面：CLI、Web UI、IM 集成（飞书/钉钉/微信）
- 会话管理：创建、切换、保存对话会话
- 用户配置：模型选择、工具开关、权限设置
- 反馈收集：用户对 Agent 输出的评价和改进建议
八、六层协作流程示例
以「整理 Downloads 文件夹」为例，看六层如何协作：
- 应用层：用户输入「整理我的 Downloads 文件夹」
- 编排层：分解为「扫描文件→分类→移动→报告」四个子任务
- 上下文层：组装 Prompt，包含文件操作工具定义和历史记录
- 模型层：调用 LLM 生成文件扫描命令
- 工具层：在沙箱中执行 ls、find 等命令
- 基础设施层：确保命令在受限环境中运行，记录操作日志
九、总结
六层架构为 Harness Engineering 提供了清晰的设计蓝图。每一层都有其明确的职责边界，层与层之间通过定义良好的接口通信。在实际开发中，你可以根据需求选择实现全部六层，或者聚焦于特定层的优化。
下一篇文章，我们将进入实战环节，手把手教你从零搭建第一个 Harness。
📚 Harness Engineering 入门到实战系列
本系列手把手教你从零开始掌握 Harness Engineering：
