Agent Harness、框架与MCP:谁掌控执行循环、状态与工具调用?
本文厘清AI智能体架构中三个常被混用的概念:Agent Harness(执行系统)、Agent Framework(开发框架)和MCP(模型上下文协议)。三者分属不同抽象层级,分别主导执行循环、状态管理、工具传输、权限控制与故障恢复等核心职责。关键判据是——哪一层‘拥有’而非仅‘暴露’这些能力。
三层定位:不是同义词,而是分工明确的架构层
Harness、framework 和 MCP 在智能体讨论中常被混用,但它们本质不同:位于不同抽象层级,承担不同责任,仅在边缘存在功能重叠。本文以一个核心问题锚定差异:哪一层真正‘拥有’执行循环、状态、工具传输、权限策略与恢复机制?
Agent Harness:开箱即用的执行系统
Harness 是将大语言模型封装为可用智能体的运行时系统。OpenAI 2026年8月19日发布的 Codex 平台公告明确定义其为‘包裹模型并使其成为工作智能体的执行系统’。它管理对话状态、流式执行、调用工具,并强制执行沙盒隔离与审批策略,同时承载跨轮次的工作上下文。Anthropic 的 Claude Code 文档称其为‘agentic harness’;Claude Agent SDK 明确提供‘驱动 Claude Code 的相同工具、智能体循环与上下文管理能力’。Harness 是‘有观点的’(opinionated):它将循环逻辑、权限模型、沙盒机制与上下文策略打包为一个不可分割的单元交付。
Agent Framework:可组合的开发基座
Framework 是面向开发者的一组原语库,用于构建定制化智能体。它涵盖模型客户端、工具抽象、图编排、记忆接口与可观测性钩子等模块。典型代表包括 LangGraph、OpenAI Agents SDK(2026年4月发布1.0正式版)及 Microsoft Agent Framework。Framework 提供组件与循环骨架,但不预设策略——用户需自行定义终止条件、任务交接逻辑与每轮上限。
MCP:标准化的通信协议,非运行时
Model Context Protocol(MCP)是一种线缆级(wire-level)协议,由 Linux 基金会下属 Agentic AI 基金会自2025年12月起主导治理(与 goose、AGENTS.md 及 A2A 并列)。它定义 LLM 应用(host)如何发现并调用服务器暴露的能力(工具、资源、提示),基于 JSON-RPC 2.0 消息,在 host、client 与 server 间传输。MCP 不拥有循环、不管理状态、不执行任何逻辑——它只定义‘工具调用在传输线上长什么样’。自2026年7月28日规范更新后,其初始化握手(initialize/initialized)与 Mcp-Session-Id 头均已废弃,每次请求均为独立消息,仅携带协议版本与客户端能力元数据(`_meta`)。
责任归属矩阵:谁定义、谁执行、谁委托
| 责任项 | Agent Harness | Agent Framework | MCP | |--------|----------------|------------------|-----| | 执行循环 | 拥有:固定、产品级循环(含轮次限制与上下文压缩) | 拥有骨架:用户配置终止、交接与轮次上限 | 无:纯请求/响应,无循环概念 | | 智能体状态与记忆 | 拥有:会话持久化、续跑、分叉、文件检查点 | 暴露:检查点器、会话存储、线程ID接口 | 协议层无状态:2026年7月28日起移除会话标识 | | 工具传输 | 消费:内置工具 + MCP 客户端 | 消费:函数工具 + MCP 客户端 | 拥有:基于 stdio 或 Streamable HTTP 的 JSON-RPC 传输 | | 权限与审批 | 拥有:权限模式、钩子、沙盒强制执行 | 暴露:护栏、中断、中间件接口 | 委托给 host:协议本身无法强制执行 | | 恢复能力 | 拥有:会话续跑、检查点回滚、上下文压缩 | 暴露:持久化执行、重放、重试机制 | 部分支持:Tasks 扩展支持长时调用 | | 隔离与沙盒 | 拥有:OS 级沙盒、工作树、容器 | 可选:托管沙盒或微虚拟机 | 无 | | 多智能体编排 | 拥有模式:子智能体、动态工作流 | 拥有原语:图结构、交接、扇出 | 无:A2A 协议负责智能体间通信 |
编者观点:中国企业构建智能体平台时,需警惕‘协议即平台’的认知偏差——MCP 解耦工具调用,但不能替代对状态、安全与可靠性的工程把控;选择 Harness 还是 Framework,本质是选择‘开箱即用’还是‘自主可控’的演进路径。
本文为企业智脑(优秘智能)编译整理自公开资讯,信息与观点以原文为准,仅供参考。阅读原文(MarkTechPost) →