OpenHarness - 开源智能体基础架构，一条命令解锁全部能力

核心概念

什么是 Agent Harness？

LLM 提供智能；Harness 提供双手、眼睛、记忆和安全边界。 OpenHarness 是完整包装 LLM 使其成为功能智能体的开源 Python 实现。

🧠 LLM Intelligence

🔧 Tools Actions

📚 Knowledge Skills

👁️ Observation Memory

🛡️ Permissions Safety

🤖 Agent OpenHarness

OpenHarness 为研究者、开发者和社区提供开源实现，帮助你理解生产级 AI 智能体的内部运作，实验前沿工具与智能体协调模式，并在经过验证的架构上构建专属智能体。

核心特性

五大 Harness 能力

🔄

Agent Loop

流式工具调用循环
指数退避 API 重试
并行工具执行
Token 计数&成本追踪

🔧

Harness Toolkit

43 款内置工具
按需技能加载(.md)
插件生态系统
兼容官方 skills/plugins

🧠

Context & Memory

CLAUDE.md 自动注入
上下文自动压缩
MEMORY.md 持久记忆
会话恢复&历史记录

🛡️

Governance

多级权限模式
路径级&命令规则
Pre/PostToolUse 钩子
交互式审批对话框

🤝

Swarm

子智能体生成&委派
团队注册&任务管理
后台任务生命周期
ClawTeam 集成(路线图)

系统架构

10 大子系统，完整 Agent 基础设施

🧠 engine/ 智能体循环 — query→stream→tool-call→loop

🔧 tools/ 43 个工具 — 文件、Shell、搜索、Web、MCP

📚 skills/ 按需知识加载 (.md 文件)

🔌 plugins/ 扩展 — 命令、钩子、智能体、MCP 服务

🛡️ permissions/ 多级模式、路径规则、命令拒绝

⚡ hooks/ 生命周期 — Pre/PostToolUse 事件钩子

💬 commands/ 54 条命令 — /help /commit /plan /resume…

🌐 mcp/ Model Context Protocol 客户端

🧠 memory/ 跨会话持久化知识

🤝 coordinator/ 子智能体生成、团队协调

# The heart of the harness
while True:
    response = await api.stream(
        messages, tools
    )

    if response.stop_reason != "tool_use":
        break  # 模型完成

    for tool_call in response.tool_uses:
        # 权限检查→钩子→执行→钩子→结果
        result = await harness.execute_tool(
            tool_call
        )

    messages.append(tool_results)
    # 循环继续 — 模型决定下一步
                    

数据流向

                        User Prompt
                        → CLI / React TUI
                        → RuntimeBundle

                        → QueryEngine
                        → API Client
                        → Tool Registry

                        → Permissions + Hooks
                        → Execute
                        → ↩ Loop
                    

提供商兼容性

Anthropic + OpenAI 双格式，主流 LLM 全覆盖

🔵 Anthropic 格式（默认）

Anthropic	默认 Claude 配置
Moonshot / Kimi	Anthropic 兼容端点
Vertex-compatible	Anthropic 风格网关
Bedrock-compatible	Bedrock 风格部署
Generic	任意 Anthropic 代理

🟢 OpenAI 格式（--api-format openai）

阿里云 DashScope	qwen3.5-flash, deepseek-r1
DeepSeek	deepseek-chat, deepseek-reasoner
OpenAI	gpt-4o, gpt-4o-mini
SiliconFlow	DeepSeek-V3
Ollama (本地)	任意本地模型

工具体系

43+ 工具，覆盖全场景

📁 文件 I/O 6

BashReadWrite EditGlobGrep

🔍 搜索 4

WebFetchWebSearch ToolSearchLSP

🤖 多智能体 4

AgentSendMessage TeamCreateTeamDelete

📋 任务管理 6

TaskCreateTaskGet TaskListTaskUpdate TaskStopTaskOutput

🌐 MCP 3

MCPToolListMcpResources ReadMcpResource

⏰ 定时任务 4

CronCreateCronList CronDeleteRemoteTrigger

测试质量

全面测试覆盖，生产级可靠性

单元 + 集成测试

114

全部通过

CLI Flags E2E

真实模型调用

Harness 特性 E2E

重试、技能、并行、权限

React TUI E2E

欢迎页、对话、状态栏

TUI 交互 E2E

命令、权限、快捷键

官方 Skills + Plugins

anthropics/skills 验证

快速开始

5 分钟跑起第一个 Agent

                        安装 & 启动
                        
                    

# 克隆并安装
git clone https://github.com/HKUDS/OpenHarness.git
cd OpenHarness
uv sync --extra dev

# 一句话体验（Kimi 示例）
ANTHROPIC_BASE_URL=https://api.moonshot.cn/anthropic \
ANTHROPIC_API_KEY=your_kimi_key \
ANTHROPIC_MODEL=kimi-k2.5 \
uv run oh -p "Inspect this repo"
                    

                        交互模式
                        
# 启动交互终端
oh

# 单提示词 → stdout
oh -p "Explain this codebase"

# JSON 输出（适合脚本）
oh -p "List functions" --output-format json

# 实时流式 JSON
oh -p "Fix the bug" --output-format stream-json

                        OpenAI 兼容格式（阿里云示例）
                        
                    

uv run oh \
  --api-format openai \
  --base-url "https://dashscope.aliyuncs.com/compatible-mode/v1" \
  --api-key "sk-xxx" \
  --model "qwen3.5-flash"

# 或通过环境变量
OPENHARNESS_API_FORMAT=openai
OPENAI_API_KEY=sk-xxx
OPENHARNESS_BASE_URL=https://dashscope.aliyuncs.com/...
OPENHARNESS_MODEL=qwen3.5-flash
uv run oh
                    

                        插件管理
                        
                    

# 管理插件
oh plugin list
oh plugin install <source>
oh plugin enable <name>

# 运行全套测试
uv run pytest -q
python scripts/test_harness_features.py
python scripts/test_real_skills_plugins.py
                    

扩展能力

自定义工具、技能、插件

🔧

自定义工具

继承 BaseTool，实现 execute() 方法即可。 Pydantic 自动校验输入，JSON Schema 让模型自动理解工具用途，权限与钩子系统开箱即用。

📚

自定义技能

创建 ~/.openharness/skills/my-skill.md，按格式写好 frontmatter 和工作流步骤即可。与 anthropics/skills 完全兼容。

🔌

自定义插件

在 .openharness/plugins/ 创建 plugin.json，然后分别在 commands/、hooks/、agents/ 下添加对应的 .md 和 JSON 配置文件。