一个通用的AI Agent平台应该具备哪些Harness工程技术底座能力

核心结论（一句话）

Harness 的价值不在让模型“更聪明”，而在将记忆、上下文、能力接入、执行控制、安全边界和运行证据做成可替换、可恢复、可审计的 Agent 平台底座。

场景：通用 Agent 平台、企业 Harness、跨会话与自动化运行
标签：#主题/AI-Agent #主题/Harness #主题/Agent平台 #主题/Context-Engineering #主题/MCP #主题/安全沙箱 #主题/可观测性
类型：架构能力地图 / 开源代码解读 / 平台工程清单
分类理由：本文把 Agent 平台拆成可独立建设的基础设施模块，补充本库 Agent OS 主线的运行时与控制面细节。

文章的十二类能力可以收束为四个相互约束的层面：

层面	核心能力	需要避免的误区
状态与上下文	记忆、会话、Checkpoint、压缩、缓存	把所有历史塞进 Prompt，或把可变偏好写成硬规则
能力与编排	Skills、MCP、任务调度、浏览器、Computer Use、多 Agent	把“能调用”误当“能安全完成”
安全与交互	工作区、权限分级、命令解析、白黑名单、Stop	让 headless 或桌面操作绕开人工边界
运行与改进	Trace、工具成功率、成本、用户中断、隐私	只看最终回答，无法定位行为链与副作用

这张能力图不是实现顺序。更稳妥的路径是先建立工作区绑定、会话持久化、权限与追踪，再接入外部工具和异步任务，最后才扩大 Computer Use 与多 Agent 的自治面。否则平台会先获得行动能力，却没有足够的状态、审计与急停能力来约束它。

文章还将“自动记忆”与“确定性规则”分开：前者应能按相关性加载和老化，后者由用户维护、随项目版本化且不可被 Agent 自动覆盖。这与“Skill 是任务流程、MCP 是外部能力协议”的分层一起，避免把偏好、规则、流程和工具混成一个不可维护的 Prompt。

[[储旭-从Prompt到Harness-企业级Agent工程的完整演进之路]]：提供从 Prompt 到 Agent OS 的五层演进视图；本文将其压到记忆、运行时、安全和观测等具体部件。
[[WorkBuddy-Harness工程复盘-从模型到可用Agent]]：说明 Context、Memory、Skill、MCP、Harness 和 Loop 的产品层分工；本文补运行时实现能力。
[[lencx-Agent开发指南-技术太多-该怎么学]]：其可信完成与动作回执，为会话状态、权限与 Trace 提供交付视角。