即将推出
什么是智能体 harness 以及 WhatsApp 客服为什么需要它
客户消息场景中的大多数 AI 都是一问一答。智能体 harness 能让语言模型去处理一个案例：制定计划、使用工具、检查自己的工作并保留记忆。本文介绍这意味着什么、目前有哪些 harness，以及它们将如何登陆 MonoChat。
或以 $150 额度开始，足够支付 Growth 套餐的第一个月
发布于:
过去一年里，围绕 AI 的讨论悄然从模型转向了模型周边的部分。同一个模型，既可以是只回答一条消息的聊天机器人，也可以是跨三个系统、历时两天解决配送问题的智能体。差别不在于模型，而在于 harness。
本文用通俗的语言解释这一概念，对比目前可用的 harness，并介绍我们正在 MonoChat 中构建的功能，让企业能够在 WhatsApp、Instagram、网页聊天以及收件箱中的所有其他渠道上运行智能体。
什么是智能体 harness？
智能体 harness 是包裹在大语言模型外层的软件层，让模型不只是回复，还能行动。模型负责推理并决定下一步做什么，harness 负责执行该决定，把结果反馈给模型，并不断重复，直到任务完成。简而言之：智能体 = 模型 + harness。
当团队注意到 Claude Code 和 Codex 等编程智能体的可靠性在很大程度上得益于这一外围层，而不仅仅是模型本身时，这个术语开始被广泛使用。Anthropic、OpenAI、Google 和 Microsoft 现在都将自己的 harness 作为产品发布，供开发者在其上构建。
harness 由什么构成
- 循环: 推理、行动、观察、重复。harness 会持续运行，直到任务完成或需要人工介入。
- 工具: 模型可以调用的函数：查询订单、查找预约、办理退款、搜索知识库。通常通过 MCP 连接。
- 记忆与状态: 本案例此前发生了什么、客户偏好什么以及已经尝试过什么，跨消息和会话保留。
- 上下文管理: 决定模型在每一步看到什么，并对较长的历史进行摘要（压缩），让重要内容始终在视野之内。
- 防护措施与审批: 为涉及费用或无法撤销的操作设置权限、策略和人工检查点。
- 沙盒与文件: 一个隔离的工作空间，智能体可以在其中运行代码、准备文档或计算报价，而不会触及线上系统。
- 追踪与评估: 记录每一步和每次工具调用的日志，让团队了解智能体为何这样做，并通过大量运行进行衡量。
推理与 harness：有什么区别？
推理是对模型的一次调用：您发送提示词，模型返回文本，交互就结束了。它快速、廉价且可预测，非常适合许多任务，例如对消息分类、起草回复或总结会话。
harness 在循环中运行多次推理调用，并增加了围绕它们的一切：工具、记忆、检查和限制。它更慢，每个任务消耗更多 token，但可以完成需要多个步骤、外部数据或中途决策的工作。
| AI 推理 | 智能体 harness | |
|---|---|---|
| 是什么 | 对模型的一次请求，一次响应 | 围绕模型的循环，负责规划、行动和检查 |
| 每个任务的步骤数 | 一步 | 任务需要多少步就执行多少步，在您设定的限制之内 |
| 工具与系统 | 可选，通常为一次函数调用 | 多种工具，按案例需要调用并串联 |
| 记忆 | 仅限提示词中的内容 | 案例历史和状态跨步骤、跨会话保留 |
| 出现故障时 | 返回其已生成的任何内容 | 发现错误，重试或询问人工 |
| 最适合 | 分类、起草、总结、单次回答 | 解决案例、多步骤请求、历时数天的跟进 |
| 成本与速度 | 成本最低，近乎即时 | token 用量更高，每个任务需数秒到数分钟 |
实践中，优秀的团队会两者并用：对快速、定义明确的步骤使用推理，对确实需要多个步骤的工作使用 harness。
harness 为 WhatsApp 客户支持带来的改变
在客户消息场景中，“回答”与“解决”的差别最为明显。客户写道“我的订单还没到”，期望的是问题得到解决，而不是得到一番解释。
案例得到解决，而不只是得到回答
智能体可以查询订单、检查承运商、发现包裹滞留、提交索赔并在同一会话中提供换货。
先核实再承诺
库存、价格、预约时段和政策在回答时即在您的系统中核实，而不是凭训练数据猜测。
它记得案例
如果客户明天再次联系，智能体知道已经尝试过什么、承诺过什么，即使 24 小时 WhatsApp 窗口已经关闭。
它会长期跟进
长时间运行的任务，例如等待退款到账或零件送达，可以持续进行，并在情况发生变化时通知客户，在 WhatsApp 要求时使用已获批准的消息模板。
人工始终掌控
超过限额的退款、取消订单或任何敏感事项，都要等待团队成员批准，转人工时会保留完整历史记录。
每一步都可见
工具调用和决策都有日志记录，主管可以查看智能体为何这样行动，并改进指令。
示例：WhatsApp 上的退货
- 客户发送一张受损商品的照片，并申请退货。
- 智能体找到订单，检查是否在退货期内，并识别照片。
- 它在您的电商系统中创建退货单，并预约次日快递上门取件。
- 退款金额超过自动处理限额，因此它请团队成员在收件箱内批准。
- 批准后，它向客户确认，两天后快递员扫描包裹时，它发送退款确认。
仅靠推理，这只是一个解释退货政策的聊天机器人。有了 harness，才真正完成了退货。
目前可用的智能体 harness
现在有多家公司和开源项目提供可供构建的 harness。它们在由谁托管、运行哪些模型以及开箱即用的功能多少方面各不相同。
| Harness | 提供方 | 托管与许可 | 模型 | 亮点 |
|---|---|---|---|---|
| Claude Agent SDK | Anthropic | 库（Python、TypeScript） | Claude | Claude Code 背后的 harness：工具、MCP、子智能体、skills、上下文压缩、权限 |
| Claude Managed Agents | Anthropic | 托管 API（自 2026 年 4 月起公开测试） | Claude | 由 Anthropic 运行循环：沙盒执行、长时间运行的会话、多智能体协作、追踪 |
| OpenAI Agents SDK | OpenAI | 开源，MIT（以 Python 优先） | OpenAI 模型，其他模型通过适配器 | 来自多家提供商的沙盒、记忆、MCP、skills、AGENTS.md、可恢复的运行 |
| Codex | OpenAI | CLI 开源（Apache 2.0）加云端 | OpenAI 模型 | 编程智能体 harness，提供 SDK，可从您自己的服务中运行 |
| Agent Development Kit (ADK) | 开源，Apache 2.0（Python、Java、Go、TypeScript） | 默认使用 Gemini，与模型无关 | 多智能体树、MCP、Agent2Agent (A2A) 协议、内置评估 | |
| Agent Framework | Microsoft | 开源，MIT（Python、.NET） | Azure OpenAI、OpenAI、Anthropic 及其他 | harness 自 2026 年 7 月起稳定：工具循环、历史、压缩、skills、审批、OpenTelemetry |
| Deep Agents | LangChain | 开源，MIT | 与模型无关 | 基于 LangGraph 的规划、子智能体、文件系统和上下文工程 |
| Pi | Earendil Works | 开源，MIT | 任意提供商，自带密钥 | 刻意精简的核心（读取、写入、编辑、shell），可通过可共享的 skills 扩展 |
| Mastra | Mastra | 开源（TypeScript） | 与模型无关 | 具备持久线程、工具审批和本地工作室的智能体 |
| OpenCode | OpenCode | 开源，MIT | 与模型无关 | 规划并构建智能体、SDK、终端和桌面端 |
细节变化很快；请查阅各项目的文档了解最新状态。产品名称和标志归其所有者所有。
本文对比的 harness
Meta 自家的 Business Agent 怎么样？
2026 年，Meta 推出了 Meta Business Agent，这是其面向 WhatsApp、Instagram 和 Messenger 的自有 AI 智能体。它实际上是由 Meta 构建和运行的 harness：根据您的内容作答、调用已连接的系统，并转交给您的团队。
它对许多小型企业来说是个不错的选择。但它也是一个封闭系统：您无法选择模型，会话数据留在 Meta 内部，金融和医疗等部分行业被排除在外，并且自 2026 年 8 月起按 token 计费，据 Meta 自己估算，每条消息约 4 至 5 美分。
各种方式对比
| 消息平台的内置 AI 智能体 | Meta Business Agent | MonoChat 中的 harness（即将推出） | |
|---|---|---|---|
| 选择模型 | 通常固定或仅有少数几个可选 | 否 | 是，您连接的任何模型 |
| 自带 harness | 否 | 否 | 是：Claude Agent SDK、OpenAI Agents SDK、ADK、Pi 等 |
| 托管方案，无需代码 | 是 | 是 | 是 |
| 您自己的工具和 API | 集成有限 | 连接器 | 自定义函数、MCP、Webhook 和您的 API |
| 在您的流程和应用内 | 独立的机器人构建器 | 与您的流程相互独立 | 流程和应用中的一个节点和方法，与 AI 推理并列 |
| 转交给您的团队 | 是 | 是，带线程控制 | 共享收件箱，含完整历史和审批 |
| 数据存放位置 | 供应商平台 | Meta | MonoChat 以及您选择的提供商 |
基于 2026 年 10 月的公开产品信息。我们评估的大多数消息平台都提供内置 AI 智能体；我们没有发现任何一个平台能让企业在同一个收件箱和流程中运行托管 harness，或连接自己的 harness。
我们正在 MonoChat 中构建什么
MonoChat 已经允许您选择自己的语言模型和向量数据库：使用我们提供的，或连接您自己的。harness 也将以同样方式工作。
除了您目前使用的 AI 推理节点和方法，MonoChat 还将增加 harness 节点和 harness 方法。将节点放入流程，或在应用中调用这些方法，会话就会交给能够规划、使用您的工具并反馈结果的智能体。
- 使用我们托管的 harness，无需代码，并可选择它能使用的模型和工具
- 或连接您自己的 harness，基于 Claude Agent SDK、OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、Deep Agents、Pi 或您自己的代码构建
- 为它提供您的工具：自定义函数、MCP 服务器、Webhook 以及 MonoChat 中的数据
- 在流程和应用中运行，覆盖 WhatsApp、Instagram、Messenger、Telegram、TikTok、网页聊天和 SMS
- 设置审批规则和人工转接，每一步都记录在会话中
- 与推理结合使用：快速步骤用单次调用，复杂案例用 harness
何时使用推理，何时使用 harness
- 一步即可完成的任务使用推理：打标签、路由、翻译、起草回复、总结聊天。
- 当客户的请求需要多个步骤、来自您系统的数据或中途决策时，使用 harness。
- 从小处着手：给 harness 两三个工具和一条审批规则，衡量效果，然后再扩大它的权限。
即将登陆 MonoChat
harness 节点和方法正在开发中，将首先向 MonoChat 账户推出。今天就创建免费账户，连接您的渠道，设置您的 AI 推理流程，并在 harness 上线当天做好启用准备。
资料来源与延伸阅读
- Databricks: What is an AI agent harness?
- Anthropic: Claude Agent SDK overview
- Anthropic: Claude Managed Agents overview
- OpenAI: The next evolution of the Agents SDK
- Google: Agent Development Kit
- Microsoft: Agent Framework documentation
- LangChain: Deep Agents
- WhatsApp Business: Introducing Meta Business Agent
- Meta: WhatsApp Business Platform pricing