Agent Harness 全景架构解析

核心定论：LLM 只负责思考推理，整套 Harness 执行系统承担执行、安全、运维、纠错全兜底；脱离 Harness 的智能体无法落地复杂线上业务。

一、缺少 Harness，原生Agent的六大致命问题

1. 上下文混乱：资料遗漏、重点跑偏、无视业务规则
2. 工具失控：传参错乱、结果不可核验、调用逻辑不稳定
3. 权限泛滥：读写权限无约束，高危操作一键触发，极易引发事故
4. 环境不安全：命令、代码直接运行在宿主环境，篡改、破坏真实业务系统
5. 任务状态丢失：中断后无法识别执行进度，整段任务重复重做
6. 无风控与观测：高危操作无人拦截，故障无日志追溯，优化无从下手

二、11大模块分工与核心作用

信息输入层

1. Prompt与指令
给模型下达目标、约束规则、输出格式，明确任务边界。
2. Context 上下文
提供知识库、历史对话、执行记录、工具资料，补齐模型需要的全部背景信息，避免认知偏差。

执行调用层

3. Tools 工具能力
内置搜索、计算器，同时支持自定义API、脚本拓展，赋予模型外部实操能力。
4. Function Call / MCP
标准化工具调用协议，统一入参出参、参数校验、长任务会话维持，稳定联动各类外部工具。

任务持久层

5. State 任务状态
记录已完成步骤、待办事项、中间缓存，支持任务暂停、重启、断点续跑。
6. Memory 记忆系统
长期存储用户偏好、知识库、项目经验、历史执行方案，让智能体具备持续学习能力。

安全隔离层

7. Sandbox 沙箱执行环境
隔离命令读写、网络访问、代码运行，杜绝Agent篡改宿主服务器与业务数据。
8. 权限控制 Access Control
划分读写分级、接口访问范围、临时凭证时效，最小化授权，杜绝越权操作与数据泄露。

容错风控与运维层

9. Retry & Rollback 重试与回滚
接口异常自动重试；操作出错执行事务回滚，恢复环境至安全快照，规避不可逆破坏。
10. Observability 可观测性
全链路日志、决策追踪、报错归因、用量统计，定位每一步故障，支撑迭代优化。
11. Human Review 人工审查
写入删除、大规模改动、敏感数据调取、重大方案节点强制人工确认，拦截AI误操作。

三、标准执行闭环流程

1. 接收用户目标、约束要求
2. 读取上下文知识库、历史记忆、过往任务状态
3. LLM理解需求，规划执行步骤
4. 通过Function Call/MCP调用对应工具
5. 在沙箱隔离环境执行操作，受权限体系约束
6. 采集工具返回结果，更新任务状态、记忆库
7. 校验执行成果，失败则触发重试/回滚，高风险节点唤起人工审核
8. 循环迭代直至任务完成，输出最终结果

四、模块协作逻辑

- Context、Memory、State 为LLM提供信息与状态支撑
- LLM产出决策计划，下发给 Function Call / MCP 调度工具执行
- Sandbox、权限控制约束工具执行行为
- 执行异常交由 Retry&Rollback 处理；高危动作触发人工复核
- 全流程行为由可观测模块完整记录，用于排查复盘

五、适用落地场景

企业知识助手、检索审批自动化、多系统协同办公、AI编程辅助、自动化测试、自研流水线全流程自动化。

总结

LLM解决思考能力，Harness解决稳定、安全、可运维执行能力。只有配齐整套执行管控系统，Agent才能走出测试环境，稳定承接长流程、多步骤的商业化复杂任务。
Agent工业化落地 Harness执行控制系统 LLM工程化部署