---
title: "Agent Harness Engineering: A Survey"
created: 2026-05-23
updated: 2026-05-23
type: paper
tags: [agent, infrastructure, harness, taxonomy, survey, production]
sources: [raw/papers/agent-harness-engineering-survey-2026.md]
confidence: high
---

# Agent Harness Engineering: A Survey

> **核心论点**：LLM Agent 在生产环境中的可靠性瓶颈不在模型本身，而在包裹模型的**基础设施层——Agent Execution Harness**。

## 基本信息

- **作者**: Junjie Li, Xi Xiao, Yunbei Zhang, Chen Liu 等（CMU × Yale × JHU × NEU × Tulane × UAB × OSU × Virginia Tech × Amazon）
- **投稿**: TMLR (Transactions on Machine Learning Research), 2026
- **项目页**: Awesome-Agent-Harness
- **规模**: 51 页，170+ 开源项目映射

## 三大贡献

### 1. 约束瓶颈论（Binding-Constraint Thesis）

Agent 的可靠性不取决于模型，而取决于 Harness 的工程质量。论文通过三阶段工程演进（Prompt → Context → Harness）、跨层综合分析（三元悖论、能力-控制权衡、耦合问题）和开放问题议程来支撑这一论点。

详细讨论：[[binding-constraint-thesis]]

### 2. ETCLOVG 七层分类法

将 Agent Harness 拆分为七个独立架构层：
- **E**xecution Environment（执行环境）——沙箱、容器、浏览器环境
- **T**ool Interface（工具接口）——工具描述、发现、调用、MCP 协议
- **C**ontext Management（上下文管理）——短/中/长期记忆、上下文漂移
- **L**ifecycle/Orchestration（生命周期编排）——单 Agent 循环、多 Agent 协调
- **O**bservability（可观测性）——追踪、成本、可靠性信号
- **V**erification（验证评估）——任务评估、失败归因、回归反馈
- **G**overnance（治理安全）——权限、身份、审计、人机协同

详细讨论：[[etclovg-taxonomy]]

### 3. 生态系统映射

对 170+ 开源项目按 ETCLOVG 分类，揭示采用模式、覆盖缺口和新兴设计原则。

## 跨层综合（Cross-Layer Synthesis）

- **[[cost-quality-speed-trilemma]]**：成本、质量、速度三者不可兼得，需要在不同代理生命周期阶段做权衡
- **[[capability-control-tradeoff]]**：更强的 Harness 给 Agent 更多能力，但每次能力扩展都增大控制问题
- **[[harness-coupling-problem]]**：Harness 各层高度耦合，局部优化可能破坏全局——应作为**控制系统**来测试

## 五大开放问题

1. [[hardening-execution-environments]] — 硬化与扩展执行环境
2. [[reliable-state-long-running-agents]] — 长时间运行 Agent 中的可靠状态维护
3. [[trace-native-evaluation]] — 从 Agent 踪迹中诊断失败
4. [[standard-agent-handoffs]] — Agent、工具、人类之间的标准化交接
5. [[adaptive-harness-simplification]] — 在模型能力提升时保持 Harness 有用性

## 三阶段工程演进

[[prompt-to-harness-evolution]] 描述了从 Prompt Engineering → Context Engineering → Harness Engineering 的三个阶段，每一阶段都在前一阶段基础上扩展，约束瓶颈逐步上移。

## 关键引用

- Bölük (2026a): "只改变了 harness，15 个 LLM 的编程能力同时提升"
- Anthropic (2026a): "基础设施设置可以可测量地改变 benchmark 分数"
- OpenAI (2026): "Harness engineering 是保持人类注意力、仓库状态和 Agent 执行对齐的学科"