跳转到内容

正在加载搜索…

English

把 The Harness 接入其他工具

The Harness 的接入是双向的：它可以使用其他工具，其他工具也可以使用它。无论从哪个方向接入，最后都落到同一个地方：一个会话，你可以在 app 或终端对话里查看、引导和审批。下面每一节完整搭起一种组合；各节链接的页面列出全部选项。

你想要 配置 页面
The Harness 使用某个 MCP 服务器的工具 一条 [[connectors]] MCP 服务器和 Agent Skills
应用把任务交给 The Harness 在应用的 MCP 设置里加上 harness mcp 应用、编辑器和 agent
另一个 agent 在会话里工作 harness agents add 会话和子 agent
换一个模型 [model] 模型和 provider
让学习型策略接手某个动作 learned-policies 包 学习型策略
一个新的行动环境 环境包 包、环境

MCP 服务器

Section titled “MCP 服务器”

MCP 服务器把它的工具交给 The Harness，程序用 mcp_call() 调用。安装 The Harness 不会替你选定任何 MCP 服务器：先装好你要用的服务器，再在配置里写上它。下面的例子通过 agent-desktop 给它一个桌面，agent-desktop 通过无障碍树读取并操作原生窗口。

The Harnessagent-desktopPlaywrightGitHub你自己的服务
Demo 待补：The Harness 通过桌面的 MCP 工具读取文本编辑器里的会议记录，整理成行动清单并保存。

  1. 安装服务器，记下它命令的绝对路径。

  2. 写进 ~/.harness/config.toml：

    [[connectors]]
    id = "desktop"
    name = "Desktop"
    transport = "stdio"
    command = "/absolute/path/to/agent-desktop"
    args = ["mcp"]
    allowed_tools = ["*"]
    resource = "desktop"
    timeout_seconds = 90

    allowed_tools = ["*"] 授予这一个服务器的全部工具；只想授予一部分，就列出工具名。共用同一个 resource 的调用会互相等待，两个任务不会同时操作同一个桌面。

  3. 交给它一个需要这些工具的任务：

    终端窗口
    harness run "读取编辑器里打开的会议记录，把行动项保存为 action-items.md"

时间线上会显示每一次 MCP 调用及其结果。HTTP 服务器用 transport = "http" 和 url，代替 command 和 args。

应用

Section titled “应用”

Cursor、Zed、ChatGPT、Claude 以及任何 MCP 客户端，都可以把任务交给 The Harness：harness mcp 是一个 MCP 服务器，它的 run_task 工具会启动一个会话。先安装一次：

终端窗口
harness install mcp-server
The HarnessCursorZedChatGPTClaude
Demo 待补：一个应用让 The Harness 在桌面上做一个发布看板，中途改了一个截止日期，The Harness 在同一个会话里更新。

然后加到应用里：

  • Cursor，写在 .cursor/mcp.json：

    {"mcpServers": {"harness": {"command": "harness", "args": ["mcp"]}}}

  • Claude，写在桌面应用的 claude_desktop_config.json：

    {"mcpServers": {"harness": {"command": "harness", "args": ["mcp"]}}}

  • ChatGPT 等按地址连接 MCP 服务器的应用：harness mcp --http 在 http://127.0.0.1:8790/mcp 提供 streamable HTTP。

  • Zed 等支持 Agent Client Protocol 的编辑器：harness acp（ACP agent）。

让应用做一件需要电脑的事，比如“用 The Harness 根据这些收据填好报销单”。长任务不会卡住应用：run_task 返回会话，应用用 get_session 跟进，或用 send_message 发送更正。审批始终在 The Harness 里完成，没有哪个工具能替你批准敏感步骤。

Agent

Section titled “Agent”

Claude Code、Codex、OpenCode、Pi 这样的 coding agent，以及 Hermes Agent、OpenClaw 这样的通用 agent，都可以从两个方向和 The Harness 协作。

它来驱动 The Harness。 作为 MCP 客户端的 agent 使用上面的服务器：

  • Claude Code：claude mcp add harness -- harness mcp

  • Codex，写在 ~/.codex/config.toml：

    [mcp_servers.harness]
    command = "harness"
    args = ["mcp"]

  • OpenCode，写在项目的 opencode.json：

    {
      "$schema": "https://opencode.ai/config.json",
      "mcp": {"servers": {"harness": {"type": "local", "command": ["harness", "mcp"]}}}
    }

  • Hermes Agent，写在它的 config.yaml：

    mcp_servers:
      harness:
        command: harness
        args: [mcp]

  • Pi 等带 MCP 设置的 agent 使用同一条命令 harness mcp。

The HarnessClaude CodeCodexOpenCodePiHermes AgentOpenClaw任意 ACP agent
Demo 待补：Hermes Agent 生成月度费用报告，再让 The Harness 在浏览器里核对；之后 The Harness 在一个会话里运行 Hermes，为报告加上筛选和 CSV 导出。

它在会话里工作。 启用 external-agents 包，登记这个 agent 的命令。接收终端输入的 CLI 用 --terminal 添加：

终端窗口
harness agents add --terminal hermes -- hermes chat
harness --agent terminal:hermes --folder .

这个 agent 在会话里自己的终端中运行；你在终端对话或 app 里和它交流，它的输出和你的消息都在会话的时间线上，按 Ctrl-] 可以脱离而不停止它。OpenClaw、Pi 等终端 agent 用同样的方式添加。Agent Client Protocol 的 agent 从注册表用 harness agents install ID 安装，用 --agent acp:ID 运行（外部 coding 会话）。

不要让 The Harness 托管的 agent 再通过 MCP 启动另一个 Harness：给被托管的 agent 用一个不含 harness 服务器的 profile。

任意模型

Section titled “任意模型”

模型只是一项设置。第一次运行 harness 时会询问 provider、模型和 key；之后要换，就改 ~/.harness/config.toml 里的 [model]：

[model]
provider = "openrouter"
model = "deepseek/deepseek-v4.1-flash"

内置 OpenRouter、OpenAI、Anthropic、Gemini、xAI、DeepSeek、Qwen、GLM 和 Kimi；用 Ollama、vLLM、SGLang、LM Studio 或任意兼容 OpenAI 的服务器，可以在你自己的电脑上运行模型（模型和 provider）。

学习型策略

Section titled “学习型策略”

有些动作学出来比写出来容易。程序把控制交给学习型策略，执行一段有边界的运行，再检查它做了什么，和调用其他 skill 一样：

提供这些调用的 learned-policies 包目前还不在公开 registry 里。

print(list_policies())                     # 每个策略的名称、说明和手臂
trace = run_policy("pi05", max_seconds=8)  # 使用任务自己的指令
print(trace.event.kind)
The HarnessVLAWAM扩散策略、强化学习策略你自己的 HTTP 策略
Demo 待补：程序先移动到起始姿态，把抓取交给策略执行八秒，检查结果后再继续。

每个策略都是一个带独立环境的服务，第一次有运行用到它时安装。你自己通过 HTTP 提供的策略，经由包的适配器接入。

机器人模式

Section titled “机器人模式”

robot 与 computer 一样是并列的环境包；robot.mode 是该包的 Settings 设置，不是第三套并列产品。robot 包和机器人 benchmark 目前还不在公开 registry 里。

每个对话开始时选择在哪里动手（session.environment；电脑环境有 desktop / browser / apps / display，computer.mode 是首先高亮的那一种）；robot.mode 选择机器人任务用哪套栈：一个 LLM、该模式的 skills，以及 bench 接入的任意学习型策略。游戏没有对等的 Settings 设置 game.mode；Minecraft 等游戏通过 agent/experiment 配置（如 knowledge）选择。

在 Settings 或 /settings 里把 robot.mode 设为 fast（默认），也可以写进 ~/.harness/config.toml：

[robot]
mode = "fast"   # Max 仍为 TBD，请保持 fast
模式 选择方式 跑什么
Fast（默认） robot.mode = "fast"，或 harness run fast DeepSeek + fast skills + any policy
Max TBD 尚未作为已发布栈 / 分数公布；请继续用 Fast

robot.mode 用于各类机器人环境与 benchmark——RoboDojo、RoboTwin，以及后续如 LIBERO 等。每个 bench 自行选择挂哪个 policy（若有）；RoboTwin 关闭学习型策略。电脑和游戏任务不使用它。实测分数与套件命令见各 bench 包（目前仅 Fast；Max 为 TBD）。

任意任务

Section titled “任意任务”

The Harness 只通过观察和命令与环境打交道，每个环境都是一个包，带着它的 worker、skill 和提示词。任务第一次需要某个环境时，会自动安装：

终端窗口
harness run "在 sales.ods 里把 Q1 和 Q2 加起来写进 Total 列"

你的电脑、终端、浏览器以及 Minecraft 等游戏都是包；你写的新环境也是（接入一种环境、编写包）。