Harness MCP Server：Hosted MCP、外部 AI 工具和权限治理
适合谁
想把外部 AI 编程工具和 Harness 平台连接起来的平台工程或开发工具用户
理解 Harness MCP Server 的价值、Hosted MCP 与自托管差异，并先完成权限、工具和试点场景判断。
交付物
学完后你会留下什么
一份 Harness MCP Server 接入前检查清单，包括 Hosted MCP、自托管、工具范围、权限、日志和回滚策略。
开始前确认
前置条件
- 了解 MCP 是连接 AI 工具和外部系统的一种协议
- 已经使用或评估 Harness 平台
- 知道外部 AI 工具访问平台资源需要权限治理
你会学到
Harness MCP Server
理解 Harness MCP Server 的价值、Hosted MCP 与自托管差异，并先完成权限、工具和试点场景判断。
教程内搜索
支持桌面与移动端。回车可直接搜索。
Harness MCP Server 的意义，是把 Harness 平台能力接入支持 MCP 的外部 AI 工具。用户搜索这个词时，通常不是在问“MCP 是什么”，而是在问：能不能让 Cursor、Claude Code、Claude Desktop、Windsurf、VS Code 或类似工具安全地访问 Harness pipeline、execution、service、connector、secret metadata 和审计数据。
这篇不把 MCP 写成万能自动化入口。它的核心任务，是帮你在接入前判断：该用 Hosted MCP 还是自托管 MCP，哪些资源可以暴露，哪些动作必须留在人工审批之后。
先抓住这 3 个关键点
| 关键点 | 应用层含义 |
|---|---|
| MCP 是连接层 | 它让外部 AI 工具访问 Harness，不等于自动具备正确 DevOps 判断 |
| Harness 官方提供 Hosted MCP 和开源 MCP Server | SaaS 用户可以看 Hosted MCP，自托管或本地调试再看 harness-mcp-v2 |
| 权限仍以 Harness 身份和配置为核心 | RBAC、API key、toolsets、read-only、确认提示和日志要一起设计 |
官方资料显示，Harness MCP Server 采用少量通用工具映射多类 Harness 资源，避免一个 API endpoint 对应一个工具导致模型选错工具。Harness AI Overview 也把 MCP Server 放在 Harness AI 功能列表里，定位是连接 Cursor、Windsurf、Claude Desktop、VS Code 等外部 AI 工具。
它解决什么问题
如果团队已经在用 AI 编辑器或终端助手，你可能希望这些工具不只是读代码，还能回答更贴近交付流程的问题：
- 这个 pipeline 最近为什么失败？
- 某个 service、environment、connector 是否存在？
- 这次执行的日志和审批卡在哪里？
- 能不能生成 pipeline 草稿或修复建议？
- 能不能让 Worker Agent 或 Harness Skills 在真实平台资源上工作？
Harness MCP Server 就是这类连接层。它让 AI 工具通过统一协议访问 Harness 平台能力，但接入后真正有价值的不是“能调工具”，而是“能在受控范围内调正确工具”。
Hosted MCP 还是自托管 MCP
| 路线 | 更适合谁 | 关键判断 |
|---|---|---|
| Hosted MCP | Harness SaaS 用户，想尽快接入 Cursor、Claude Code、VS Code 或 Windsurf | 走 Harness OAuth，使用当前用户身份和平台 RBAC；需要确认账号已启用 OAuth |
harness-mcp-v2 本地 stdio | 想在本机 AI 工具里试点，或需要更直接控制环境变量 | 需要 PAT，GUI 工具可能找不到 npx 或 node，要用绝对路径或显式 PATH |
| HTTP / Docker / Kubernetes | 想把 MCP 作为共享服务或远程服务 | 要处理网络、健康检查、CORS、会话、密钥、日志和部署安全 |
第一轮试点不要一上来就做共享服务。除非你已经有明确的团队接入需求，否则先用 Hosted MCP 或本地 stdio 跑通只读查询，更容易发现权限和工具范围问题。
接入前先确认
| 检查项 | 为什么重要 |
|---|---|
| 客户端 | Cursor、Claude Code、Claude Desktop、Windsurf、VS Code 的 MCP 配置位置和认证方式不同 |
| 身份 | Hosted MCP 使用 OAuth 身份，自托管通常需要 PAT，不要把个人全权限 token 塞进共享配置 |
| 资源范围 | 先限制 account、org、project、pipeline 或 toolsets，避免让模型看到不相关资源 |
| 操作类型 | 区分读取、生成草稿、执行 pipeline、修改 connector、删除资源 |
| 确认机制 | 写操作、删除操作和执行操作要保留确认或审批，不能把 headless 自动化当默认模式 |
| 日志与回滚 | 关键调用要能追踪，真实变更要知道由谁触发、改了什么、如何恢复 |
推荐的第一轮接入清单
- 选一个低风险客户端，比如 Cursor 或 VS Code 的个人工作区。
- 确认 Harness 账号、org、project 和目标 pipeline，不要先接全平台。
- 如果使用 Hosted MCP，先确认 OAuth 已启用，并使用官方 Hosted MCP URL。
- 如果使用自托管 MCP，使用专门 PAT，不复用管理员长期 token。
- 开启只读试点，或在自托管时使用
HARNESS_READ_ONLY=true。 - 使用
HARNESS_TOOLSETS只暴露第一轮需要的资源类型，例如 pipeline、execution、service、connector。 - 让 AI 工具先做查询、总结、生成草稿，不直接执行生产变更。
- 记录一次完整调用链：谁发起、调用了什么资源、输出是否被人工采纳。
低风险试点场景
建议第一阶段只做这些：
- 查询 pipeline、execution、service 和 environment 信息。
- 总结失败原因，并要求附上它基于哪些日志或执行数据。
- 生成修改建议。
- 生成 pipeline 或 policy 草稿，而不是直接发布。
- 让 Harness Skills 辅助创建清单，但只进入人工 review。
暂缓：
- 自动修改生产 pipeline。
- 自动触发部署。
- 自动删除 connector、secret、delegate token 或环境资源。
- 在没有审批记录时自动改策略。
和 Harness Skills、Worker Agents 的关系
Harness Skills 更像一组结构化提示和工作流，它们会借助 Harness MCP Server 发现资源 schema、列出资源、创建或更新平台对象。MCP Server 是工具通道，Skills 是“如何使用这些工具”的上下文。
Worker Agents 则更贴近 pipeline 内的 AI 工位。它们可以使用 MCP-connected data sources，并把结果作为 pipeline 产物、输出变量或审批依据。也就是说，MCP 可以服务于外部 AI 工具，也可以成为 Worker Agents 获取平台数据的连接方式。
和 Harness AI DevOps Agent 的关系
Harness AI DevOps Agent 是平台内 AI 能力，MCP Server 更像把平台能力接给外部 AI 工具的桥。两者都属于 Harness AI 生态，但用户任务不同。
如果你只是想知道 Harness AI 能做什么，先看 DevOps Agent；如果你已经在使用外部 AI 编程工具，再看 MCP Server。
常见坑
| 问题 | 处理方式 |
|---|---|
GUI 客户端找不到 npx 或 node | 在 MCP 配置里使用绝对路径，并显式设置 PATH |
| Hosted MCP 登录失败 | 先确认 Harness 账号是否启用了 OAuth，不要反复重置密码 |
| 模型总是选错资源类型 | 缩小 toolsets，让它只看到本轮试点需要的资源 |
| 写操作过早自动化 | 保留 elicitation、审批或只读模式，先用草稿输出建立信任 |
| 本地 HTTP 服务暴露过宽 | 只在开发网络内验证，不把本地调试端口直接当生产入口 |
完成检查
- 你知道哪些外部工具需要接入 Harness。
- 你能解释 Hosted MCP、自托管 MCP 和本地 stdio 的差异。
- 你已经划定只读或低风险资源范围，并知道该限制哪些 toolsets。
- 你知道哪些动作必须审批。
- 你能区分 DevOps Agent、Worker Agents、Harness Skills 和 MCP Server 的不同使用场景。
下一步内链
- 如果你要把 MCP 接到具体客户端，继续看 Harness MCP Server 接入 Cursor、Claude Desktop 与 VS Code。
- 如果你要判断 pipeline 内 AI 工位和代码助手的边界，继续看 Harness Worker Agents vs Code Agent。
- 如果你还在分不清 agent harness 和 MCP，继续看 Agent Harness vs MCP。
官方资料
继续深挖时，先看这些官方页面
本页内容已按官方文档和产品能力重写，下面这些链接适合你做版本核对和参数确认。
常见问题
你大概率还会继续搜这几个问题
把高频疑问写在教程页内，既减少跳出，也让这篇内容更适合收藏回看。
Harness MCP Server 是给谁用的？
主要给希望用外部 AI 工具访问 Harness 平台能力的开发者或平台团队，比如在 Cursor、Claude Code、Claude Desktop、Windsurf 或 VS Code 中查询、生成或操作相关资源。
Hosted MCP 和自托管 MCP 怎么选？
Harness SaaS 用户优先评估 Hosted MCP 和 OAuth；需要自管网络、私有部署或本地调试时，再看 harness-mcp-v2、Docker 或 Kubernetes 部署。
接入 MCP 后可以放开所有权限吗？
不建议。MCP 会把外部 AI 工具接到平台能力上，必须先限制资源范围、工具集、操作类型和审批边界。
继续学习
下一步推荐
优先继续当前主题，再给一篇桥接内容，避免学习链路被打断。
Harness MCP Server 接 Cursor / Claude Desktop：外部 AI 工具接入前怎么规划
Harness MCP Server 可以让 Cursor、Claude Desktop、Windsurf、VS Code 等工具访问 Harness 能力，但必须先规划权限、资源范围和审批。
Harness 对比Harness Worker Agents 和 Code Agent 有什么不同：pipeline 工位、IDE 助手与 MCP 边界
Harness Worker Agents 更贴近 pipeline-native AI 工位，Code Agent / VS Code Extension 更贴近 IDE、代码任务和软件工程辅助。两者适合不同入口和治理方式。
Harness 应用Harness AI DevOps Agent 能做什么：pipeline、修复和策略生成
从应用层理解 Harness AI DevOps Agent：自然语言创建 pipeline、排查构建部署失败、生成策略和接入 DevOps 工作流。
关联路径
同 Agent 与同意图内容
多 Agent 站点里，相关内容不只看分类，也要看 Agent 归属和搜索意图。
Harness 是什么：Harness AI、agent harness 和 coding agent harness 一次分清
搜索 Harness 可能在找三件事：Harness.io 的 AI DevOps Agent、agent harness 技术概念，或统一 coding agent 的工具。
Harness 应用Harness AI DevOps Agent 能做什么：pipeline、修复和策略生成
从应用层理解 Harness AI DevOps Agent：自然语言创建 pipeline、排查构建部署失败、生成策略和接入 DevOps 工作流。
Harness 应用Harness Worker Agents：pipeline-native AI Agent 和聊天 Agent 有什么不同
Harness Worker Agents 更接近软件交付流水线里的专用工位：分析、计划、执行和回写，而不是一个泛聊天助手。
OpenClaw 集成OpenClaw Gateway 架构：channels、pairing、worker 是怎么协同的
理解 Gateway 在 OpenClaw 体系中的角色，才能知道为什么 channels、pairing 和审批都围着它转。
OpenClaw 集成OpenClaw Browser 工具：如何复用 Chrome 登录态做真正可用的网页任务
OpenClaw 的 Browser 工具不是“能开网页”就够了，关键在于会不会安全地复用你的登录状态。
OpenClaw 集成OpenClaw WhatsApp 接入教程：pairing、session 持久化与群聊策略
把 OpenClaw 接到 WhatsApp，不只要能登录，还要能理解 session、群聊和 selfChatMode 的边界。