Harness多智能体框架：Planner→Builder→Evaluator三Agent协同实战解析

从面试真题看AI Agent的技术风向

在大模型应用工程化落地的浪潮中，多智能体（Multi-Agent）架构正在从概念走向企业级实践。多智能体架构的概念源自分布式人工智能领域，最早可追溯到20世纪80年代的分布式问题求解研究。但在大语言模型时代，Multi-Agent被赋予了全新含义：多个由LLM驱动的智能体各司其职、协同完成复杂任务。2023年以来，斯坦福大学的Generative Agents、MetaGPT、AutoGen等项目验证了多智能体协作的可行性。

其中，MetaGPT是由DeepWisdom团队于2023年发布的多智能体框架，其创新之处在于将软件开发中的标准化作业流程（SOP）编码为智能体协作协议，让产品经理、架构师、工程师等角色各自由独立的LLM Agent扮演，通过结构化文档进行交接。AutoGen则由微软研究院推出，强调可定制的对话式智能体编排，支持人类参与（Human-in-the-loop）和代码执行能力。这两个项目分别代表了多智能体系统的两种设计哲学：流程驱动与对话驱动，为后续的工程化框架奠定了重要的范式基础。

进入2024-2025年，企业开始将这一范式从实验室搬入生产环境，催生了对标准化框架和工程化能力的强烈需求。

一位深耕大模型面试辅导的讲师在直播中透露，其团队自大模型课程上线以来累计辅导超过1700名学员，修改了1065份简历，并整理了625份面试录音与复盘。这些一手数据揭示了一个明确的趋势：Harness（智能体运行框架）正在成为AI岗位面试的核心考点。

从学员反馈的面试真题来看，问题高度集中于Harness相关的技术细节。

企业面试官反复追问的话题包括：多智能体协同、Agent Loop的实现机制、智能体的分布式部署、工具调用错误的防护、循环调用问题的解决方案，以及尤为关键的用户隔离与安全隔离（Sandbox）。这些问题几乎无一例外地指向Harness框架的底层设计能力。

值得注意的是，Agent Loop的概念与ReAct（Reasoning + Acting）范式密切相关。ReAct由Yao等人于2022年提出，其核心思想是让大模型在推理过程中交替进行思考（Thought）、行动（Action）和观察（Observation）三个步骤，形成一个迭代循环。Agent Loop可视为ReAct在多智能体系统中的工程化延伸——不仅单个Agent内部存在思考-行动循环，多个Agent之间也形成了规划-执行-评估的外层循环。这种嵌套循环结构既赋予了系统强大的自纠错能力，也大幅增加了工程复杂度。

Harness框架为何成为技术热点

Harness之所以成为面试热点，与近期行业动态密切相关。随着DeepSeek推出的Harness公测版发布，众多技术博主和一线开发者进行了实测。讲师在评价中提到，DeepSeek Harness在灵活性上表现出色——由于支持插件的自由安装，从某种角度看甚至比Claude Code和Codex更加灵活，功能上也不逊色。

这一趋势带来的直接影响是：越来越多的企业开始考虑基于Harness来构建自己的智能体系统。对于程序员而言，这意味着掌握Harness的内部实现原理，不仅是面试加分项，更是工程落地的硬性能力要求。

Planner→Builder→Evaluator：三Agent协同的核心范式

在多智能体架构中，一种经典且高效的协同模式是Planner→Builder→Evaluator三段式流水线。理解这一范式，是从零实现Harness多智能体框架的基础。这一模式借鉴了软件工程中「设计-实现-测试」的经典流程，将其映射到智能体的自动化协作中。

Planner（规划器）：任务理解与分解

Planner负责接收用户的原始需求，并将其拆解为可执行的子任务序列。它的核心职责是「理解意图」与「任务分解」。一个优秀的Planner需要判断哪些任务可以并行、哪些存在依赖关系，从而构建出合理的执行计划（DAG，有向无环图）。

DAG是图论中的基础概念，指不存在环路的有向图。在任务编排领域，DAG被广泛用于描述任务之间的依赖关系——节点代表子任务，有向边代表执行顺序的约束。Apache Airflow、Prefect等工作流编排工具均以DAG为核心抽象。在多智能体系统中，Planner将用户需求分解为DAG结构，意味着系统能够识别哪些子任务之间存在前后依赖（必须串行执行），哪些彼此独立（可以并行调度），从而最大化执行效率并避免资源浪费。

Builder（执行器）：工具调用与任务执行

Builder根据Planner输出的任务清单，逐一调用工具、编写代码或调用其他子智能体来完成具体工作。在这个环节，工具调用的准确性成为关键挑战。当系统中集成了大量工具时，如何防止智能体调用错误的工具，是面试中的高频难题。常见解法包括：

• 工具描述的语义优化
• 基于Schema的参数校验
• 引入工具路由（Tool Routing）机制来缩小候选范围

工具描述的语义优化是Function Calling准确性的基石。Function Calling是OpenAI在2023年6月引入的能力，允许模型根据自然语言指令选择并调用预定义的函数。模型的选择依据主要来自每个函数的name、description和parameters三个字段。实践表明，对description进行精细化语义工程——包括明确使用场景、列举典型输入示例、标注与相似工具的区别——能显著降低工具误调用率。Schema校验则通过JSON Schema对输入参数进行类型检查和约束验证，防止模型生成格式错误或越界的参数值。

工具路由借鉴了信息检索和语义匹配的思路：先通过embedding向量检索或分类器对用户意图进行预判，缩小候选工具范围至3-5个，再交由LLM进行精确选择。这类似于搜索引擎的召回-排序两阶段架构，在降低延迟的同时显著提升了工具调用的准确率。部分框架还引入了工具分组（Tool Namespace）的概念，按业务域对工具进行逻辑分区，进一步降低选择空间的复杂度。

Evaluator（评估器）：质量校验与闭环反馈

Evaluator对Builder的产出进行质量校验与结果反馈。如果结果不符合预期，它会将信息回传给Planner或Builder，形成一个闭环的Agent Loop。这一循环机制既是多智能体系统能够自我纠错的核心，也带来了新的工程隐患——循环调用问题。

关键技术难点：循环调用防护与安全隔离

如何避免Agent Loop中的循环调用

在Agent Loop中，若Evaluator持续判定结果不合格，系统可能陷入无限循环，导致Token消耗暴涨、响应时间失控。

要理解这一问题的严重性，需要认识到Token在大模型应用中的成本含义。在大模型应用中，Token既是计算资源的度量单位，也是直接的成本来源。以GPT-4o为例，输入Token价格约为每百万Token 2.5美元，输出Token约10美元。在多智能体系统的Agent Loop中，每一轮迭代都意味着至少一次完整的LLM推理调用——包含系统提示、历史上下文、工具描述和当前任务的全部Token。如果循环失控执行10轮以上，单次请求的成本可能飙升数十倍。因此，Token预算管理（Token Budget）已成为生产级Agent系统的标配功能，通常包括上下文窗口压缩、历史对话摘要、以及按迭代轮次递减的上下文策略。

工程上通常通过以下策略规避循环调用问题：

• 设置最大迭代次数硬性上限
• 引入循环检测机制（如状态哈希比对）
• 为每轮迭代设定明确的收敛条件

其中，状态哈希比对是一种源自程序分析和模型检验领域的经典技术。其原理是在Agent Loop的每一轮迭代中，将当前系统状态（包括任务描述、中间产出、工具调用参数等关键信息）计算为一个哈希值，并与历史迭代的哈希值进行比对。如果连续若干轮的状态哈希完全一致或高度相似（可通过SimHash等近似哈希算法实现模糊匹配），则判定系统已陷入无效循环并触发熔断机制。这一方法的优势在于计算开销极低（哈希计算为O(n)），且能检测出非平凡的循环模式，例如两个状态之间的振荡。

控制Token开销、缩短响应时间，是评价一个多智能体系统是否成熟的重要指标。

Sandbox安全隔离与多租户用户隔离

面试官反复强调的Sandbox（沙箱）安全隔离，本质上是要解决多用户、多租户场景下的资源与数据隔离问题。当智能体需要执行用户提交的代码或访问敏感资源时，必须通过沙箱环境限制其权限边界，防止越权访问和数据泄露。这也是企业级Harness框架相比玩具级Demo的核心区别所在。

在工程实现上，Sandbox有多种技术路径。最常见的是基于容器化技术（如Docker、gVisor）为每个用户或每次代码执行创建独立的运行环境，通过namespace和cgroup限制其CPU、内存、网络和文件系统的访问权限。其中，gVisor是Google开源的容器运行时沙箱，与传统Docker容器共享宿主内核不同，gVisor通过在用户态实现一个独立的内核（Sentry）来拦截系统调用，提供了比namespace/cgroup更强的隔离保障，特别适合执行不可信代码的场景。更轻量的方案包括WebAssembly（Wasm）沙箱，它能在接近原生的性能下实现内存安全隔离，近年来在边缘计算和插件系统中得到广泛采用。Wasm通过线性内存模型和严格的类型系统，确保沙箱内的代码无法访问宿主进程的内存空间，同时通过WASI（WebAssembly System Interface）精细控制对文件系统、网络等系统资源的访问权限。对于多租户SaaS场景，还需要在数据层面实现租户隔离——通常通过独立数据库schema、行级安全策略（RLS）或加密隔离来保证不同用户的数据互不可见。选择何种隔离粒度，取决于安全性要求和性能开销之间的权衡。

A2A协议与SubAgent内部智能体交接的选型策略

关于智能体之间的通信方式，讲师给出了一个务实的判断：A2A（Agent-to-Agent）协议在企业内部用得并不多，SubAgent的调用方式更为普遍。

A2A（Agent-to-Agent）协议由Google于2025年4月正式发布，旨在建立跨平台智能体互操作的开放标准。其核心机制包括Agent Card（智能体名片，用JSON格式描述智能体的能力、端点和认证方式）、Task对象（定义交互的生命周期和状态机）以及基于HTTP+SSE/JSON-RPC的通信层。A2A的设计理念类似于微服务架构中的服务发现与API网关——在异构系统间建立统一的对话契约。它与MCP（Model Context Protocol）形成互补：MCP解决的是模型与工具之间的连接，A2A解决的是智能体与智能体之间的协作。

深入理解这一互补关系有助于把握整个智能体生态的技术全景。MCP（Model Context Protocol）由Anthropic于2024年11月发布，是一个用于标准化LLM与外部工具、数据源之间连接的开放协议。MCP采用客户端-服务器架构，通过JSON-RPC 2.0进行通信，定义了Resources（数据访问）、Tools（功能调用）和Prompts（提示模板）三类核心原语。可以将MCP理解为智能体的「手」——让Agent能够操作外部世界，而A2A则是智能体的「嘴」——让Agent之间能够对话协作。在完整的企业级智能体架构中，两者通常同时存在：每个Agent通过MCP连接各自的工具链，同时通过A2A（或SubAgent机制）与其他Agent进行任务交接和结果传递。

其原因在于，A2A协议天然是跨网络、跨进程的设计。它适用于两个不同平台、不同团队、甚至采用不同技术栈开发的智能体之间的交接与交付。在这种「没有共识」的场景下，A2A几乎是唯一选择。

然而，如果整个多智能体系统都由同一团队自主设计——比如内部包含七八个子智能体——那么在系统内部使用A2A就成了「大炮打蚊子」。跨网络传输、卡片发现（Agent Card）、卡片读取等环节都会消耗额外时间。讲师给出了一个直观的量化对比：一个设计良好的内部多智能体系统响应时间应在1秒以内，而引入A2A后至少需要2秒，用户体验明显下降。

相比之下，SubAgent（子智能体）调用是一种进程内或同一运行时环境中的智能体编排方式。与A2A的跨网络通信不同，SubAgent之间通过函数调用、消息队列或共享内存直接传递数据，省去了HTTP序列化/反序列化、网络延迟和认证鉴权等开销。在OpenAI的Agents SDK、LangGraph等主流框架中，SubAgent通常被建模为一个可被父Agent调用的工具（Tool）或节点（Node），其执行上下文由编排层统一管理。

LangGraph是LangChain团队于2024年推出的有状态智能体编排框架，基于图（Graph）的抽象来定义Agent的状态转移和执行流程。与传统的链式（Chain）调用不同，LangGraph支持条件分支、循环、并行执行等复杂控制流，并内置了持久化状态管理（通过Checkpointer机制实现）。开发者可以将每个SubAgent建模为图中的一个节点，通过边（Edge）定义它们之间的数据流和控制流。LangGraph还支持Human-in-the-loop——在关键决策节点暂停执行并等待人类审批。这使得它特别适合构建需要人机协作的生产级多智能体系统。

SubAgent模式的优势在于低延迟和高可控性，劣势在于耦合度较高，不适合跨团队、跨组织的智能体协作场景。因此，内部智能体交接更适合采用SubAgent这类轻量方式。

给求职者与工程师的Harness实践建议

结合当前的面试趋势与技术演进，掌握Harness框架应从以下几个维度入手：

• 理解三Agent协同范式：能够清晰阐述Planner、Builder、Evaluator各自的职责与协作流程，并理解其与传统软件工程中设计-实现-测试流程的映射关系
• 掌握Agent Loop的闭环设计：包括反馈机制、收敛条件与循环防护，同时关注Token预算管理对系统可持续运行的影响。理解ReAct范式如何在单Agent层面和多Agent层面分别形成内外两层循环
• 重视工程细节：工具调用防错、Token成本优化、响应时间控制，尤其是工具路由机制在大规模工具集成场景下的必要性。深入掌握Function Calling的语义工程技巧，包括工具描述优化和Schema校验的最佳实践
• 深入安全隔离：理解Sandbox在多租户场景下的必要性与实现思路，掌握容器化隔离（Docker/gVisor）、Wasm沙箱、数据层RLS等不同粒度方案的适用场景与安全边界差异
• 辨析通信协议：清楚A2A与SubAgent的适用边界，避免盲目套用——A2A用于跨组织异构协作，SubAgent用于团队内部高效编排。同时理解MCP与A2A的互补关系，把握智能体生态中「工具连接」与「智能体协作」两个层面的协议分工

随着DeepSeek Harness等开源框架的成熟，从零实现一套多智能体协同框架已不再是遥不可及的目标。对于希望在AI工程领域立足的开发者而言，深入理解Harness的内部机制，将是最具价值的技术投资之一。

核心要点

核心要点