“agent harness” 和 “MCP” 经常一起出现，所以很多人会把它们混成一类。其实它们解决的是不同层的问题。用户搜索 “agent harness vs MCP” 时，多半已经不是在学一个缩写，而是在判断架构：我要搭的是 Agent 运行系统，还是外部工具连接层？
一句话区分：agent harness 负责让 Agent 怎么运行，MCP 负责让 Agent 或 AI 工具怎么连接外部系统。
先抓住 3 层结构
| 层级 | 解决什么问题 | 典型例子 |
|---|---|---|
| Agent harness | Agent 如何计划、调用工具、保存状态、处理失败、停止和回写 | coding agent、DevOps agent、长期自动化 agent |
| MCP server | AI 工具或 Agent 如何访问外部系统资源和工具 | Harness MCP Server、数据库 MCP、文档 MCP |
| Skills / prompt workflow | AI 具体按什么步骤使用工具完成某类任务 | Harness Skills、Agent Skills、项目内 playbook |
这三层可以组合，但不要互相替代。没有 MCP，Agent 仍然可以运行，只是外部连接少；只有 MCP，没有 harness，通常只是“工具可调用”，还不是稳定 Agent 应用。
对比表
| 维度 | Agent Harness | MCP |
|---|---|---|
| 关注层级 | Agent 运行框架 | 工具和外部系统连接 |
| 处理内容 | 模型、工具选择、状态、memory、权限、执行循环、停止条件 | server、tools、resources、client 接入、认证、传输 |
| 核心问题 | Agent 如何计划、执行、回写、停止 | AI 工具如何访问某个系统 |
| 常见场景 | coding agent、自动化 agent、DevOps agent、个人长期助手 | Cursor / Claude Code / VS Code 接 Harness、数据库、文档系统 |
| 风险重点 | 执行边界、记忆污染、工具权限、失败恢复 | 外部系统权限、toolsets、资源范围、调用日志 |
| 成功标准 | 任务能被稳定拆解、执行、审查和恢复 | 工具能被正确发现、调用、限制和追踪 |
如果把 Agent 比作一个会工作的系统，harness 是它的运行骨架，MCP 是它接外部工具的一种接口方式。
Agent harness 负责什么
一个 agent harness 通常要回答：
- 用哪个模型。
- 能调用哪些工具。
- 如何保存状态和记忆。
- 如何规划步骤。
- 如何处理失败。
- 哪些动作要人工确认。
- 输出如何回写。
所以它更像应用运行层。OpenClaw、Hermes、Harness AI、coding agent 工具都会以不同方式处理这些问题。
一个成熟 harness 通常还要处理：
- 任务什么时候应该继续，什么时候必须停下来。
- 记忆和上下文是否应该跨会话保存。
- 工具调用失败后是重试、降级，还是交给人。
- 多 Agent 或多步骤任务如何传递中间状态。
- 产物是写文件、改平台资源、生成报告，还是只输出建议。
这些问题 MCP 本身不会替你回答。
MCP 负责什么
MCP 更关注连接。比如 Harness MCP Server 的意义，是让支持 MCP 的外部 AI 工具访问 Harness 平台能力。官方资料里，Harness MCP Server 把少量通用工具映射到多类资源，让客户端能查询、创建、更新、执行或诊断 Harness 资源。
你关心的是：
- 哪个客户端会连接。
- 能访问哪些资源。
- 暴露哪些 tools。
- 权限如何限制。
- 调用是否有日志。
- 高风险动作是否需要审批。
- 是否要启用 read-only、toolsets 过滤或确认提示。
MCP 很适合把外部系统接进 AI 工具链，但它不自动解决 Agent 的长期运行、memory、cron 或团队治理。
二者如何配合
一个真实 Agent 应用可能同时需要二者：
- agent harness 管理执行循环、状态、记忆和工具选择。
- MCP server 提供某个外部系统的可调用能力。
- Skills、rules 或 playbook 告诉 Agent 如何组合这些工具。
- 权限层决定哪些工具能被调用。
- 审批和日志层决定哪些动作能进入生产。
这也是为什么“能接 MCP”不等于“Agent 应用就安全可用”。连接只是开始，治理才是长期价值。
和 API Server、Skills 的边界
很多人还会把 API Server、MCP 和 Skills 混在一起。可以这样分：
| 名词 | 更像什么 | 典型问题 |
|---|---|---|
| API Server | 应用或服务暴露给外部系统的 HTTP 接口 | 外部系统如何调用 Hermes 或平台能力 |
| MCP Server | AI 客户端发现和调用工具的协议层 | Cursor、Claude Code、VS Code 如何访问 Harness |
| Skills | 结构化提示、操作步骤和任务知识 | AI 应该按什么流程创建 pipeline、debug failure 或生成报告 |
| Agent harness | 运行 Agent 的控制层 | 谁来管理状态、工具、记忆、循环、停止和回写 |
Hermes API Server 更贴近“把 Agent 能力服务化”。Harness MCP Server 更贴近“让 AI 工具访问 Harness 平台”。Harness Skills 则把平台操作知识写成可复用的任务流程，并借助 MCP 工具执行。
选择路线
- 想理解 AI Agent 架构：先看 agent harness。
- 想接 Cursor、Claude Desktop、VS Code 到某个平台：先看 MCP Server。
- 想把 AI 放进 DevOps pipeline：看 Harness Worker Agents。
- 想做长期个人助手：看 Hermes memory、skills、cron。
- 想把某个 Agent 暴露给外部 Web UI：再看 API Server。
风险边界
| 风险 | 更常出现在 | 处理方式 |
|---|---|---|
| Agent 不停循环或错误重试 | Agent harness | 设置停止条件、预算、人工升级和失败恢复 |
| 工具权限过大 | MCP | 使用最小权限、toolsets、read-only、项目范围和确认提示 |
| 记忆污染 | Agent harness | 分 profile、分环境、定期清理或审计 memory |
| 外部系统误操作 | MCP + harness | 把写操作留在审批后，保留日志和回滚路径 |
| Prompt 知识过期 | Skills | 标注来源、核验日期和版本边界 |
一个可执行判断清单
- 写下你的 Agent 是否需要长期状态或 memory。
- 写下它需要访问哪些外部系统。
- 如果只是访问外部系统，先找 MCP 或 API；如果要长期执行任务，再设计 harness。
- 把每个工具分成读取、生成草稿、写入、执行、删除五类。
- 对写入、执行、删除设置人工确认或审批。
- 记录日志、产物和回滚路径。
- 再决定是否需要 Skills 或项目 playbook 来稳定复用流程。
完成检查
- 你能区分运行框架和连接协议。
- 你知道 MCP 不等于完整 Agent 应用。
- 你知道 agent harness 也需要外部连接层。
- 你知道 Skills 和 API Server 在架构中的位置。
- 你能根据自己的需求选择下一篇教程，并写清权限边界。
下一步内链
- 想继续理解运行框架，读 Agent Harness 是什么。
- 想接 Harness 平台资源，读 Harness MCP Server 教程。
- 想判断 pipeline Agent 和 IDE 代码助手，读 Harness Worker Agents vs Code Agent。