Harness Engineering：AI Agent 落地不只靠模型，7 大工程模組才是關鍵
AI Agent 競爭焦點正從模型本身轉向 Harness Engineering：Context、工具、權限、記憶、安全與快取，決定 Agent 能否真正進入生產環境。
📌 來源： blocktempo.com/harness-engineering-ai-agent-context-too... 發布者：anson4139 【20260514 AI模型與技術】【Anthropic】【Harness Engineering：AI Agent 落地不只靠模型，7 大工程模組才是關鍵】 AI Agent 的下一個關鍵字，可能不是更大的模型，而是 Harness Engineering（AI 駕馭工程） 。核心概念很直白： Agent = Model + Harness 。模型負責思考與生成，但真正讓 Agent 能在真實環境執行任務的，是模型外圍那套上下文、工具、權限、記憶與安全系統。🧠 文章指出，Harness Engineering 涵蓋 7 大工程模組： Context 管理、Tool 設計與 MCP 標準、Permission 系統、Memory 與 Compaction、Hook 系統、Sub-agent 架構、Prompt Cache 。以 Claude Code 為例，系統不只是把任務丟給 Claude，而是會把 repo 結構、工具清單、權限規則、執行結果與安全審查串成完整流程。 這股趨勢從 2024 年 11 月 26 日 Anthropic 發布 MCP 後加速成形。MCP 讓 AI 助手能用標準化方式連接資料庫、檔案系統、瀏覽器、Slack、GitHub、CRM 等外部系統；工具生態快速擴張後，如何管理工具、上下文與權限，就成為 AI Agent 落地的核心問題。🛠️ Claude Code 被視為生產級 Harness 的代表案例：研究預覽版在 2025 年 2 月上線，文章列出其規模包含 1,884 個檔案、512K 行程式碼、7 個安全層、5 個 Compaction 階段、54 個工具、27 個 Hook 事件、4 種擴充套件機制、7 種 Permission 模式 。這也說明，AI 編碼助手的競爭已不只是模型能力，而是完整工程架構。 安全與成本是 Harness Engineering 的
https://blog.buclaw.org/posts/harness-engineering-ai-agent-7-mp6n1yco