【随笔】AI Agent如何接着干活：理解Harness与任务状态

上一篇随笔介绍了MCP如何连接模型应用与工具。工具接通之后，还会遇到另一个问题：一个任务做了十几步，中途窗口耗尽或服务重启，下一次怎样知道该继续哪里？

今天聊聊Agent Harness：支撑智能体执行的外围运行机制。可以把它理解为任务执行框架，负责把模型、工具、状态、验证和退出条件组织起来。本文聚焦工程思路，不绑定某个SDK版本；资料于2026年9月20日核对，引用的长期任务实践文章发布于2025年11月26日。

一、模型之外，还需要哪些东西

模型根据当前信息提出下一步行动；工具负责执行查询、测试等具体操作；Harness决定怎样提供上下文、检查调用、记录结果以及恢复任务。

例如，一个“检查接口文档与实现是否一致”的学习任务，可以拆成读取文档、提取接口、运行检查、整理差异四个环节。模型擅长理解文字和提出检查点；是否确实运行过检查、哪些接口已经覆盖，则需要外部状态记录。

MCP解决工具接入中的协议问题，Harness处理整个任务怎么运行。使用MCP不会自动得到任务恢复、预算管理或结果验证，这些能力需要应用自己实现或由所选框架提供。

二、让状态离开聊天记录

长对话里的一句“差不多完成了”很难供程序判断。更实用的方式是让每个任务带有明确状态和证据位置。

下面是自定义的教学数据格式，不是任何厂商API规范，其中的路径和任务均为虚构示例：

{
"task_id": "demo-api-check-01",
"status": "in_progress",
"steps": [
{"id": "read_docs", "status": "done", "evidence": "notes/docs.json"},
{"id": "check_routes", "status": "pending", "evidence": null}
],
"next_step": "check_routes",
"max_attempts": 3
}

这份记录回答三个问题：已经做过什么、依据放在哪里、下一步做什么。恢复时先读取记录，再检查证据文件与当前环境是否仍然一致。记录中写着done，只代表上次标记成功，不能保证外部系统一直保持原样。

对于会修改外部状态的操作，还需要幂等性：同一个任务重试时，不能重复创建订单或重复发送消息。可以为操作设置稳定的请求标识，并在服务端记录处理结果；具体做法取决于业务系统。

三、恢复任务是一套明确步骤

可以设计这样的运行顺序：加载任务记录，检查运行环境，选一个未完成步骤，执行并收集证据，通过验证后保存状态，然后再处理下一步。

图中Agent组织执行循环，Tools负责操作，Verify检查结果，State保存进度；预算耗尽或遇到阻塞时停止。

Anthropic的长期运行智能体实践介绍了用初始化环境、功能清单、进展记录和验证帮助后续会话继续工作的方式。这里借鉴“把进展留下来”的思路，具体状态格式与下面的演示由本文自行设计。

关键细节是保存的时机。假如工具执行成功后，状态保存失败，恢复时就可能再次执行。因此，不能只依靠一份本地文本消除重复动作。涉及真实业务写入时，应考虑事务、服务端幂等键或执行结果查询；本例仅用于理解流程。

四、用一个小程序检查完成条件

下面的Python示例只演示状态判定，不调用模型、不联网、不执行真实工具。它故意准备两个案例：有证据且验证通过，以及只有成功标记却缺少证据。

def can_finish(step):
return (
step["status"] == "done"
and bool(step.get("evidence"))
and step.get("verified") is True
)

cases = [
{"status": "done", "evidence": "report.json", "verified": True},
{"status": "done", "evidence": None, "verified": True},
]

for index, step in enumerate(cases, start=1):
print(f"case-{index}: {can_finish(step)}")

输出：

case-1: True
case-2: False

这个程序检查的是结构化字段。实际系统还要检查report.json是否存在、属于本次任务、内容是否满足验收要求。不能把“有一个文件名”当成真实验证，也不能让模型随意填一个verified就决定任务完成。

在接口检查场景里，较好的证据可能包括运行命令、目标版本、响应摘要以及失败用例。敏感响应应脱敏，日志也需要控制保存范围。

五、把自主程度放在合适的位置

对于步骤固定的工作，先使用可观察的工作流很容易定位问题。只有路径确实依赖现场信息时，再让模型选择下一步。Anthropic的智能体工程介绍区分了预定义流程与模型动态决定路径的系统；这是一种设计视角，不是行业唯一分类。

这张表是本文的实现检查清单，不意味着加上这些字段就能得到可靠的生产系统。可以先选一个低风险、可重复验证的小任务，观察失败发生在哪一步，再完善机制。

六、怎样评价一次运行

完成率需要对应明确任务集合；正确率需要可以复查的结果标准；成本与耗时需要区分成功运行和多次重试。只展示一次顺利演示，很难判断系统能否稳定工作。

还可以记录恢复次数、重复操作次数，以及“宣布完成但验收失败”的次数。这些指标能帮助判断状态设计是否真正发挥作用。本文没有开展产品性能比较，因此不提供任何提升比例或榜单结论。

在个人学习项目里，可以从三个案例开始：正常完成、工具返回失败、保存状态后重新启动。先把这三种路径讲清楚，再扩展到并行任务和更多工具。

七、🧠 思维导图

#mermaid-svg-BzmzQtLl0QZ9Io2h{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-BzmzQtLl0QZ9Io2h .error-icon{fill:#552222;}#mermaid-svg-BzmzQtLl0QZ9Io2h .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-BzmzQtLl0QZ9Io2h .marker{fill:#333333;stroke:#333333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .marker.cross{stroke:#333333;}#mermaid-svg-BzmzQtLl0QZ9Io2h svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-BzmzQtLl0QZ9Io2h p{margin:0;}#mermaid-svg-BzmzQtLl0QZ9Io2h .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .cluster-label text{fill:#333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .cluster-label span{color:#333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .cluster-label span p{background-color:transparent;}#mermaid-svg-BzmzQtLl0QZ9Io2h .label text,#mermaid-svg-BzmzQtLl0QZ9Io2h span{fill:#333;color:#333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .node rect,#mermaid-svg-BzmzQtLl0QZ9Io2h .node circle,#mermaid-svg-BzmzQtLl0QZ9Io2h .node ellipse,#mermaid-svg-BzmzQtLl0QZ9Io2h .node polygon,#mermaid-svg-BzmzQtLl0QZ9Io2h .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-BzmzQtLl0QZ9Io2h .rough-node .label text,#mermaid-svg-BzmzQtLl0QZ9Io2h .node .label text,#mermaid-svg-BzmzQtLl0QZ9Io2h .image-shape .label,#mermaid-svg-BzmzQtLl0QZ9Io2h .icon-shape .label{text-anchor:middle;}#mermaid-svg-BzmzQtLl0QZ9Io2h .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-BzmzQtLl0QZ9Io2h .rough-node .label,#mermaid-svg-BzmzQtLl0QZ9Io2h .node .label,#mermaid-svg-BzmzQtLl0QZ9Io2h .image-shape .label,#mermaid-svg-BzmzQtLl0QZ9Io2h .icon-shape .label{text-align:center;}#mermaid-svg-BzmzQtLl0QZ9Io2h .node.clickable{cursor:pointer;}#mermaid-svg-BzmzQtLl0QZ9Io2h .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .arrowheadPath{fill:#333333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-BzmzQtLl0QZ9Io2h .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-BzmzQtLl0QZ9Io2h .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-BzmzQtLl0QZ9Io2h .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-BzmzQtLl0QZ9Io2h .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-BzmzQtLl0QZ9Io2h .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-BzmzQtLl0QZ9Io2h .cluster text{fill:#333;}#mermaid-svg-BzmzQtLl0QZ9Io2h .cluster span{color:#333;}#mermaid-svg-BzmzQtLl0QZ9Io2h div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-BzmzQtLl0QZ9Io2h .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-BzmzQtLl0QZ9Io2h rect.text{fill:none;stroke-width:0;}#mermaid-svg-BzmzQtLl0QZ9Io2h .icon-shape,#mermaid-svg-BzmzQtLl0QZ9Io2h .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-BzmzQtLl0QZ9Io2h .icon-shape p,#mermaid-svg-BzmzQtLl0QZ9Io2h .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-BzmzQtLl0QZ9Io2h .icon-shape .label rect,#mermaid-svg-BzmzQtLl0QZ9Io2h .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-BzmzQtLl0QZ9Io2h .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-BzmzQtLl0QZ9Io2h .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-BzmzQtLl0QZ9Io2h :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Agent Harness

模型与工具

持久化任务状态

证据与验收

中断恢复与幂等

预算与退出条件

可观察的执行记录

八、回顾今天的内容

总结要点

Harness把模型调用放进可持续执行的任务流程。关注状态、工具和验证之间的关系，可以更清楚地理解智能体应用的工程工作。

恢复能力来自可检查的记录和明确的执行边界。任务状态、结果证据与幂等设计需要一起考虑。

可靠性需要通过失败案例验证。先让小任务能够正确完成、明确失败并恢复，再逐步扩大自主范围。

下一篇随笔继续关注AI应用中的上下文管理，看看哪些信息值得带入下一次模型调用。

👉 如果你觉得这篇文章对你有所帮助，欢迎点赞、收藏、分享！😊