渐进式 Agent Harness 工程化
方法定义
围绕语言模型构建 Agent 时,把工具协议、权限、上下文、状态、错误处理与协作结构视作可独立观察的"层"。每层只新增一个主要机制,对比"新增能力 vs. 复杂度",最终把所有机制合并回同一个可运行循环。这种方法称为"渐进式 Agent Harness 工程化"。
为什么需要这个方法
- 模型本身不等于可用的 Agent 产品;决定稳定性的更多是 Harness 工程层的质量。
- 把 Harness 拆成多层后,便于读者定位失败模式(是上下文溢出、工具权限过宽还是子 Agent 协调错位)。
- 教学和原型阶段可避免一次性设计大而全的 Agent 平台。
渐进层次(来自 learn-claude-code 仓库)
- 最小 Agent 循环:模型读取任务 → 决定调用工具 → 获得结果 → 继续推理。
- 工具注册与 Bash 等基础工具接入。
- 上下文压缩与会话状态恢复。
- 计划与任务分解。
- 子 Agent 协作。
- Skills 按需加载。
- MCP(Model Context Protocol)外部工具接入。
- 团队协作协议(教学版 JSONL 邮箱)。
- Git worktree 隔离用于并行协作。
- 综合章节:把上述机制合并回同一循环,并对照生产系统缺失的治理能力。
适用情况
- 自建 coding agent、自动化 Agent 或 Agent 平台。
- 教学:希望从底层解释 Claude Code 类工具的工作原理。
- 原型验证:先在一两个机制上跑通,再扩展。
不适用情况
- 需要生产级权限治理、审计、恢复、凭证管理与错误隔离的系统——这些机制在仓库中被刻意省略。
- 希望模仿 Claude Code 界面或交互方式的产品设计——本方法关注内部机制。
与现有 Wiki 方法的关系
来源边界
- 来源是社区教学仓库,不是 Anthropic 官方资料;不能据此推断 Claude Code 内部源码或官方架构。
- 团队协作的 JSONL 邮箱是教学协议,非生产通信标准。