智能体开发基础设施与集成

GitHub仓库“awesome-harness-engineering”汇总了智能体构建的12个类别。该列表包括智能体循环、任务分解、上下文压缩、工具接口设计、权限、沙箱隔离、验证、可观测性以及人工干预。它收集了OpenAI和Anthropic在Codex循环和工具设计/权限方面的经典文章。提供了参考实现、教程、评估方法和模板。有评论指出,每个组件的存在是因为模型本身无法完成,而良好的设计最终会使它们变得多余。提供中文文档。另有观点认为,服务应暴露MCP/CLI接口,而非强制内置智能体,因为用户通常只使用2-3个智能体。
Key insights
精选智能体构建资源:基础设施挑战重于模型本身
该仓库确定了12个需要构建的类别,因为模型本身缺乏某些能力,例如上下文压缩、工具接口设计、权限和沙箱。其中收录了OpenAI和Anthropic的经典文章,用以说明这些设计挑战。这表明,要使智能体“可用”而不仅仅是“运行”,需要关注其周围的基础设施。
服务应暴露MCP/CLI以实现智能体互操作性,而非强制内置智能体
有用户指出,人们通常只使用2-3个智能体,因此每个应用都嵌入自己的智能体效率低下。最佳方式是让服务提供MCP或CLI接口,允许外部智能体访问该服务,遵循开放集成模式。