导读：大模型负责推理，Harness负责记住状态、调用工具和恢复任务，MHS再把机器人、传感器与实验设备接进来。Agnes AI此次开源的Agnes Harness，试图把“大脑、记忆和身体”装进同一套Agent基础设施，让智能体不只操作软件，也能在安全约束下请求物理设备执行动作。
信息边界：AGH官方明确标记为pre-alpha开发者预览，MHS不是经过安全认证的设备驱动。Agnes 3.0 Pro的基准、案例和参考价格来自厂商材料，API仍为“即将上线”，本文不把它们写成独立第三方评测或已经可用的正式服务。
01 / 为什么有了大模型，还需要Harness？
一次模型调用可以回答问题，却不天然具备长期任务所需的状态、工具、审批、预算和恢复机制。Agent在真实项目里会读文件、改代码、访问业务系统、等待外部结果，任何一步失败都可能让后续动作失去依据。
Harness的角色，是把不稳定的模型判断包进可控的执行系统。模型决定下一步尝试什么，运行时负责检查权限、调用工具、保存输入输出、提交结果，并在中断后恢复到明确状态。
02 / AGH把Web、CLI和后台任务放在同一条会话里
Agnes Harness提供本地Web工作台与CLI，二者围绕同一App Server和后台会话工作。开发者可以在网页中发起任务，再从命令行继续，而不用把此前文件、命令和结论重新复制给模型。
当前源码版本要求Node.js 24.10+、pnpm 10.34.5和平台所需的原生构建工具。官方推荐的基本运行流程如下：
git clone https://github.com/AgnesAI-Labs/agnes-harness.git
cd agnes-harness
pnpm install --frozen-lockfile
pnpm --filter @agnes/cli build:local
node packages/cli/dist/local/agnes.mjs serve打开终端显示的本地地址后配置模型。首次测试不要直接指向整个主目录，可以新建一个样例工程，并用“只读、不修改”的任务验证文件范围和工具审批。
03 / 轨迹回放：Agent为什么失败，终于不只剩一句报错
当Agent改了十几个文件、执行多条命令却没有通过测试，仅看最终回答很难判断问题发生在哪一步。AGH轨迹页面按时间展示模型轮次、工具调用、耗时、参数和状态，帮助开发者区分模型判断错误、工具失败、权限拒绝和外部系统异常。
这类可观测性是Agent从演示走向生产的关键。没有轨迹，团队只能反复重跑；有了事件与结果记录，才能建立回归测试、失败分类、人工接管点和成本分析。
04 / 插件、MCP和Skills分别解决什么问题？
| 机制 | 主要作用 | 适合沉淀的内容 |
|---|---|---|
| 插件 | 扩展后端工具、业务服务和专属前端面板 | 企业连接器、岗位工作台、版本与生命周期 |
| MCP | 连接现有软件工具、服务与数据 | 搜索、数据库、设计工具、内容管理系统 |
| Skills | 保存经过验证的任务方法与操作规则 | 提示词、检查清单、工具顺序和验收标准 |
在FDE（Forward Deployed Engineering）交付模式中，团队可以把客户现场差异写进插件，把任务方法写进Skill，再由Harness承载持续执行与审计。这样一次项目里的经验才有机会变成下一次交付的起点。
05 / MHS：不是让模型直接拧电机，而是统一声明设备能力
MHS全称Model Hardware Standard，是AGH自有的开放设备协议，独立于MCP。设备通过AgnesHub登记状态、可调用动作和数据源，Agent读取这些声明后提出动作请求；MOS则传输相机、地图、位置与传感器等观测数据。
演示中，Agent调度办公室移动小车寻找指定书籍并朗读内容。需要强调，这不代表大模型直接承担实时运动控制。导航、避障、机械限位、急停与安全联锁仍应由设备控制器和专用系统负责。
06 / 没有机器人也能试：Mars World提供11台虚拟设备
官方Mars World把MHS设备接入放进虚拟火星基地：Agent需要调度飞行器搜索失联宇航员，再协调机器人与气闸完成救援。仓库提供11台虚拟设备，开发者可以先验证设备发现、状态读取、观测回传和动作请求，无需准备实体硬件。
这类模拟器的价值不是证明系统已经能接管真实基地，而是为协议、工具调用、权限和失败恢复提供可重复的测试环境。进入实体设备前，还需要单独完成延迟、断网、误动作、急停和人工接管测试。
07 / Agnes 3.0 Pro负责“大脑”，但目前只能按厂商数据看
与AGH和MHS同时公布的还有Agnes 3.0 Pro。厂商称其在GPQA取得91.11、SciCode取得56.13、Tau3-Banking取得48.0，并把结果与多款前沿模型进行比较。
这些数字可以作为发布信息记录，但暂不能视为第三方独立复现。模型API尚未正式开放，公开资料也不足以完整核对提示词、推理预算、采样次数、工具环境和评分脚本。真正选择模型时，应在自己的任务集上进行盲测，并统计成功率、人工接管次数、时延与总成本。
08 / 业务任务演示：100笔订单核验能说明什么？
厂商给出的企业任务要求模型把旧订单服务迁移到新版API，并核验100笔订单。材料称模型找到3笔金额差异、2笔财务记录缺失和4组未决退款，交付代码通过10项测试，逐笔结果与预设答案一致。
这类任务比单轮问答更接近Agent价值，因为它同时要求理解文档、修改代码、运行测试和处理不确定证据。但它仍是厂商设计的模拟案例，外部团队需要自己的隐藏测试、真实脏数据、权限限制和失败注入，才能判断可迁移性。
09 / 从数字温室到论文网页：创意工作也适合长任务Harness
Agnes 3.0 Pro还被用于制作可交互热带植物数字温室，从资料整理、插画组织到网页布局与交互开发跨越多个步骤。
另一项演示把天文学论文转换为交互式科普网页，通过行星凌星模拟帮助理解抽象概念。这类工作更需要素材来源、引用、设计规范、代码与视觉验收共同进入任务状态，而不是只靠一次提示生成页面。
10 / 参考价格很低，但API尚未上线
厂商给出的Agnes 3.0 Pro参考价格是：缓存命中输入0.30元/百万Token、输入3元/百万Token、输出6元/百万Token；Agnes 3.0 Flash继续免费。由于Pro API仍未正式上线，这些价格、额度、速率与地区可用性都可能变化。
Agent成本不能只看Token单价。持续任务还会消耗搜索、浏览器、存储、图像视频生成、设备运行时间与人工审核。对生产系统更有意义的指标是“每个成功完成并通过验收的任务总成本”。
11 / AGH与LangGraph、Agents SDK、ROS 2怎么选？
| 方案 | 优势 | 更适合 | 不是它的职责 |
|---|---|---|---|
| Agnes Harness | 本地Web/CLI、任务恢复、轨迹、插件、MCP、Skills和MHS | FDE交付、业务工作台、物理设备原型 | 当前pre-alpha，不是成熟托管平台 |
| LangGraph | 图式流程、状态、检查点与人机协作生态 | 代码优先的复杂Agent编排 | 不直接提供MHS设备协议 |
| OpenAI Agents SDK | 轻量Agent、工具、Handoff、Guardrail与Tracing | 快速构建模型与工具工作流 | 不是完整本地工作台或硬件中间件 |
| ROS 2 / 设备控制栈 | 机器人通信、实时控制、驱动与安全生态 | 实体机器人和工业设备 | 不替代上层LLM任务规划；MHS也不能替代它 |
12 / 做视频网观点：物理AI最难的不是“连接上”，而是“出错时停得住”
AGH与MHS有吸引力的地方，是把软件任务和设备动作放进同一条可记录、可审批、可恢复的任务链。它让“模型调用一个机器人”从炫技演示变成可以讨论权限、状态、回执与审计的工程问题。
但物理世界没有简单的撤销按钮。文件改错可以回滚，机械臂撞到人、实验仪器加错试剂、移动机器人进入危险区域就可能造成真实损失。开发者必须把模型限制在高层意图和受约束动作请求，实时控制与安全联锁继续交给确定性系统。
一句话总结：Agnes Harness真正值得关注的不是“AI终于有身体”，而是它开始把大模型、任务状态、人工审批和设备协议放进一个能被检查的运行时；距离关键生产环境，仍要经过大量验证。
站内导航与相关阅读
Agnes Harness站内导航：https://www.zuoshipin.com/link/52324.html
Agnes AI全模态模型与API平台导航：https://www.zuoshipin.com/link/23094.html
Agnes Video 2.5与Pavo实测：https://www.zuoshipin.com/article/25797
Pavo AI短剧成本与Harness解析：https://www.zuoshipin.com/article/26249
DeepSeek Harness插件化教程：https://www.zuoshipin.com/article/23250
