从零设计生产级 Multi-Agent Harness：架构、评估、记忆、成本与 MCP 工具接入全拆解

📌 一句话摘要

本文从架构编排、工具治理、状态记忆、评估体系、成本控制到 MCP 接入，系统拆解了生产级 Multi-Agent Harness 的设计原则与工程实践。

📝 详细摘要

文章指出，当前多数团队的 Multi-Agent 系统停留在 Demo 阶段，真正阻碍其落地的不是模型能力，而是缺乏一个可靠的运行时底座——Multi-Agent Harness。作者将 Harness 定义为 Agent 的「操作系统」，并围绕五大核心模块展开：架构编排强调「Agent 负责局部智能，Harness 负责全局控制」，并给出了声明式计划的建议；工具治理提出 Tool Registry 作为统一关口，需登记九项元信息；状态与记忆区分了 State 和 Memory，并强调了遗忘机制的重要性；评估体系建议分四层（组件、轨迹、任务完成度、端到端），并指出 LLM-as-Judge 的局限性；成本控制提出了 Token Budget、模型路由、上下文压缩和分级降级策略。最后，文章讨论了 MCP 协议对工具生态的标准化意义，并给出了从 MVP 到规模化的三阶段落地路线。全文配有多张 PlantUML 图示，是一份高价值的工程实践指南。

💡 主要观点

1. 生产级 Multi-Agent 系统的核心是 Harness，而非更强的模型或 Prompt。 Harness 负责编排、调度、记忆、状态、工具治理、预算控制、可观测性等，是 Agent 的「操作系统」，决定了系统能否从 Demo 走向生产。
2. 架构编排应遵循「Agent 负责局部智能，Harness 负责全局控制」原则。 Orchestrator 必须独占任务生命周期、执行计划裁决、Agent 路由、失败处理和硬终止条件五项决策权，Planner 应输出声明式计划而非命令式调用。
3. 工具必须通过 Tool Registry 进行统一治理，而非作为普通函数调用。 每个工具需登记名称、描述、参数 Schema、RBAC、超时、风险等级、人工确认要求等九项元信息，从第一天起强制走统一入口。
4. 评估体系应分层设计，重点关注执行轨迹而非仅看最终答案。 生产级 Eval Pipeline 需包含组件评估、轨迹评估、任务完成度评估和端到端业务效果评估，并采用混合评估策略（单元测试、Schema 校验、规则引擎、LLM-as-Judge 等）。
5. 成本控制是生产级 Agent 的生命线，需实施 Token Budget 实时调度。 通过模型路由、上下文压缩和预算分级降级（绿/黄/红/熔断区）策略，在质量和成本之间找到可控平衡，并监控单位业务结果成本。

💬 文章金句

• Agent 负责局部智能，Harness 负责全局控制。
• 工具不是函数调用，而是生产资源的对外授权点。
• 记忆不是仓库，而是花园。需要定期修剪。
• MCP 让工具接入变得便宜，Harness 让工具调用变得可信。
• 没有 Harness，Multi-Agent 只是热闹；有了 Harness，Agent 才可能成为生产力。

📊 文章信息

阅读完整文章