智能体Agent内核：从 Harness 执行纪律到“机制化”架构的深度重构

备注：本文是我企业内分享资料，转公开

第一部分：核心定义——LLM 是引擎，Harness 是灵魂

LLM 模型本身仅是一个推理引擎，它具备思考能力但无法独立行动；真正赋予其生命并使其转化为 Agent 的，是包裹在它周围的 Harness（执行外壳/治理组件）。

Harness 的五大核心组件（执行纪律）：

1. Tools（工具）： 模型的“手脚”。赋予模型与文件系统、终端和网络交互的能力（如 Read, Write, Bash 等）。没有工具，模型只能说，不能做。
2. Context（上下文）： 模型的“记忆加载器”。包括系统提示词、对话历史和工具定义，决定了模型在每一轮循环中“看到什么”。
3. Memory（记忆）： 模型的“长期存储”。支持跨会话的偏好和决策持久化，避免每次对话从零开始。
4. Hooks（钩子）： 模型的“神经反射”。事件驱动的自动化机制，无需模型主动决策即可触发特定行为（如保存前自动格式化）。
5. Permissions（权限）： 模型的“安全围栏”。设定自主权边界，平衡效率与失控风险，决定哪些行为需要人工审批。

第二部分：架构新解——“物理身体”与“精神运行”

我们将 Agent 的设计分为两个维度：架构决定形态，Harness 决定表现。

• 架构（怎么分）： 类似人体的物理解剖结构。描述了大脑（感知/决策）、四肢（工具执行）以及神经系统（信息流转）的静态组成与职责边界。它回答了：这个系统由哪些部分组成，它们如何连接。
• Harness（怎么跑）： 类似人的精神与行为机制。描述了如何调度身体、如何管理能量、如何纠错。同一具“身体”（架构）在不同的“意志”（Harness）驱动下，会表现出完全不同的执行效率与可靠性。

第三部分：去模块化思考——机制与通道的重构

这是对传统 Agent 认知的重大跃迁：Skills 与 MCP 不再是固有的“功能模块”，而是动态的“交互能力”。

1. Skills 引擎：动态能力扩展机制
   • 非固有性： 它不是 Agent 身体里长死的器官，而是逻辑插件化的接口。
   • 本质： 它是知识与业务流程的加载机制（如 code-review, data-analysis），让 Agent 保持轻量化核心的同时具备无限的专业扩展性。
2. MCP 引擎：标准化调用通道
   • 非固有性： 它不是工具箱本身，而是调用工具的标准化协议总线。
   • 本质： 它是连接外部基础设施（GitHub, 数据库, 文件系统）的通用“神经接口”，实现了工具执行与核心引擎的完全解耦。

第四部分：运行逻辑与环境交互

Agent 的运作遵循 “感知 -> 记忆 -> 推理 -> 行动 -> 反思 -> 协作 -> 治理” 的七模块闭环。

• 层级流转： 用户意图（User Layer）经由技能引擎（Skills Layer）进行动态编排，最终通过标准化通道（MCP Layer）触达现实物理世界（External World）。
• 交互关系： Agent 与环境的关系不再是私有的、点对点的连接，而是通过 MCP 实现即插即用的标准化交互。

第五部分：设计、操作与演进原则

1. 想清楚重于做出来： AI 抹平了从想法到实现的距离，但没有抹平“想清楚”需要的时间。系统思想才是真正的硬本事。
2. 系统接管一切，人负责创造： 让系统接管重复性劳动，人回归到情感共鸣、文化洞察和战略决策等 AI 盲区。