做 AI Agent 一年,90% 的时间都在做表面功夫
作者通过一年的 AI Agent 开发实践,发现 90% 的时间浪费在手动测试上。受芯片“验证不对称”理念启发,作者提出构建可验证的架构:通过前后端分离(ACI)使系统对 AI 友好,并引入“确定性断言”和“LLM 裁判”两级回归测试体系。最终实现了由 Coding Agent 自动运行的闭环开发,将开发者从繁琐的手工验证中解放出来,重塑了 AI 时代的开发效率。
作者通过一年的 AI Agent 开发实践,发现 90% 的时间浪费在手动测试上。受芯片“验证不对称”理念启发,作者提出构建可验证的架构:通过前后端分离(ACI)使系统对 AI 友好,并引入“确定性断言”和“LLM 裁判”两级回归测试体系。最终实现了由 Coding Agent 自动运行的闭环开发,将开发者从繁琐的手工验证中解放出来,重塑了 AI 时代的开发效率。
本文深入浅出地讲解了 AI 编程领域热门的 Harness Engineering 概念。文章将其定义为围绕 AI 模型搭建的一整套工作环境与流程,对比了提示词工程、上下文工程的演进关系,并详细拆解了上下文架构、执行能力、任务编排、反馈机制和架构护栏五大核心模块。作者结合“万能视频下载总结器”的全栈项目实战,展示了如何利用 Plan Mode、MCP 工具、Browser Use 及文档沉淀等技巧,让 AI 持续、靠谱地完成复杂工程任务。
Uber 推出 MCP Gateway,作为统一管理 AI Agent 与后端服务 MCP 交互的核心微服务平台。文章介绍了其架构:控制平面(MCP Registry)作为工具目录的唯一事实来源,数据平面(Proxy Gateway)负责将 MCP 协议请求翻译为 HTTP、gRPC 或 TChannel 并路由到后端服务。通过基于 Cadence 的 AutoCrawler 自动扫描 IDL 注册表和原生 MCP 服务器心跳,自动发现、生成并注册 MCP 工具,同时支持 Jira、Google 等第三方集成。该平台已托管 800 多个 MCP 服务器和 5000 多个工具,实现了安全、可扩展、统一的 Agent 生态治理。
文章提出构建可靠 AI Agent 的关键不在于更好的提示词,而在于模型周围的 Harness(工程脚手架)。作者借鉴 OpenAI 用 Codex 零手写代码构建产品的经验,提出六层最小可行 Harness:1) 将请求转化为明确的任务契约,定义目标、约束与完成条件;2) 用上下文编译器按需提供高信号信息而非堆料;3) 在模型与工具之间设置网关,做权限校验与结构化观察结果;4) 将记忆外化为持久状态,区分事实、决策、状态与教训;5) 以证据门控完成判定,用测试与验证结果决定接受、重试或上报;6) 建立追踪与恢复循环。
文章介绍了 Harness Engineering(脚手架工程)这一编码智能体领域的重要趋势。作者以 OpenAI 团队用 Codex 零手写代码交付产品的实验为例,说明开发者的角色从编写逻辑转变为设计智能体运行环境:包括设置严格的沙箱边界、构建自动修复循环、以结构化仓库代替冗长指令。文章用 Google ADK 2.0 和 Antigravity SDK 的代码示例演示了如何实现沙箱限制、测试验证节点、无限循环的 kill switch,以及用图工作流将代理与测试节点连接成自主修复系统。
文章分析了 AI Agent 领域从依赖 MCP 回归 CLI 的趋势。MCP 曾被视为 Agent 连接外部工具的标准方案,但在本地开发和工程自动化场景中,CLI 兞现成太、节省上下文、易于调试复现、具备 Unix 管道组合能力且更接近真实执行环境。作者认为 MCP 并不会消失,二者正在重新分工:CLI 成为 Agent 的本地执行层,MCP 回到标准化集成层,用于远程能力、结构化发现和跨平台复用。
文章探讨了企业级AI Agent的工程演进,指出系统设计重心已从单纯调优Prompt转向构建稳定的Graph Workflow。通过解析Google ADK 2.0,说明了Prompt、Agent Loop与Graph Workflow在处理不同业务时的分工:模型负责不确定性判断,代码约束确定性流程。作者建议企业落地时从单一清晰流程切入,逐步引入工作流,并配合状态持久化、幂等重试等工程手段,以确保Agent系统的可靠性、可控性与业务成功率。
文章探讨了AI应用架构从Chain到Agent的演进过程。早期AI应用多采用固定流程的Chain模式,具有稳定、易控的优点,但难以应对现实中复杂的用户问题。为此,架构转向了Agent模式,将决策权由人工预设流程交还给AI动态决定。这种方式提升了灵活性,但也带来了失控风险,从而引出了后续如何为Agent划定边界的探索。
文章系统介绍了“Harness”的概念,即围绕 AI 模型管理工具执行、内存、状态和错误恢复的软件基础设施。通过对比 CPU 与 OS 的关系,阐述了 Harness 如何决定模型能力的边界。文章详细拆解了 Harness 的五大核心组件(上下文、工具权限、验证、记忆状态、安全沙箱),并分享了 Anthropic 和 OpenAI 的工程实践案例。