LangChain提出Agent工程化的新分層（Agent harness）
LangChain拿到了新融資，對自己有了新定位——Agent基礎設施提供商，同時對自己的產品矩陣做了新的梳理，重新定義了Agent開發的三個層次。
他把Agent開發分成三層：
Framework（框架層）：提供抽象和標準化接口。LangChain就是這一層，還有Vercel的AI SDK、CrewAI這些。主要解決的是"怎么寫"的問題。框架的價值在于提供心智模型的抽象，讓開發者更容易上手，但做得不好就會掩蓋內部機制，缺乏高級用例的靈活性。
Runtime（運行時）：處理生產環境的基礎設施需求。LangGraph屬于這層，提供持久化執行、流式支持、人機協作中斷、線程級持久化等能力。解決的是"怎么跑"的問題。Chase提到，運行時通常比框架更底層，可以為框架提供支撐——比如LangChain 1.0就構建在LangGraph之上。
Harness（基礎方案引擎、基座）：更高層的封裝，內置默認提示詞、工具調用處理、規劃工具、文件系統訪問等。DeepAgents就是這個定位，Chase形容它是"通用版本的Claude Code"。解決的是"怎么用"的問題，提供開箱即用的完整方案。
這個分層有意思的地方在于，它不是簡單的技術棧劃分，而是基于用戶分層的。Chase承認邊界很模糊，LangGraph既是運行時也有框架特性。但這確實是個問題，但也是改進方向。
簡單概括，"LangChain = build, LangGraph = run, harness = deploy + monitor + scale"。
"Agent Harness"概念的起源
Chase特意提到這不是他發明的術語，而是來自Vtrivedy的文章（見末尾）。Vtrivedy把這叫做"HaaS"（Harness as a Service），認為AI開發的核心原語正在從LLM API轉向Harness API：
client.chat.completions.create() --> client.responses.create() --> agent.query()Vtrivedy對Agent Harness的定義很具體：增強模型運行時執行的外部功能集合，包括對話和上下文管理、工具調用層、權限控制、會話和文件系統狀態、循環控制和錯誤處理、基礎可觀測性等。簡單講，就是一個更高階的，能夠低門檻，正確高效實施Agent的具備開放性的開箱即用方案（模板）。
Harness定制化流程圖
他強調，構建Agent的關鍵是"個性化定制基座"，包括四個核心組件：
- 系統提示詞- 告訴Agent目標、環境、工具使用方法等
- 工具/MCP- 內置工具加上特定用例的自定義邏輯
- 上下文- 代碼文檔、用戶個性化信息等
- 子Agent- 用于專業化和并行化處理
小結
Agent開發的工程化成熟度在快速提升。從手寫提示詞到框架抽象，再到運行時保障，最后到開箱即用的基座服務。每一層都在降低使用門檻，提高開發效率。
Vtrivedy提到一個關鍵點：好的Agent構建是迭代進化，你不能在沒有v0.1版本的情況下進行迭代。開箱即用的完整解決方案能讓你的Agent快速進入內部團隊手中，然后持續迭代改進。他預測在接下來的6個月內，大多數面向用戶的AI產品將使用現有的Agent基座作為其核心用戶交互模式。他設想了一個"開放基座生態系統"的未來——開發者創建定制基座，用戶插入其中進行進一步編輯或作為產品使用。
單純的模型調用已經不夠了，大量的應用落地和生產維護需要更完整的工程化支撐，很多這樣的產品正在出現，AI工程的黃金時代才剛剛開始。筆者也剛剛發過一篇文章，就是這方面的嘗試（??SGLang Model Gateway 0.2 發布：企業級一體化AI原生編排??）。
Chase這次分層定義，實際上是在為LangChain生態的產品線做理論支撐。但客觀來說，這也是對過去快速迭代帶來的產品定位混亂的糾正，能讓開發者更清楚地理解自己在構建什么，需要什么層次的工具。
Vtrivedy的文章：???https://www.vtrivedy.com/posts/claude-code-sdk-haas-harness-as-a-service??
本文轉載自??AI工程化??，作者：ully
