agent-model-tool-skill-harness">一篇文章讲清楚 AI Agent 的核心概念：从 Model、Tool、Skill 到 Harness

一、为什么要搞清楚这些概念？

在 AI 应用开发领域，“Agent”已经成为高频词汇。但很多开发者在深入实践时会发现，围绕 Agent 的概念体系相当庞杂：有人把模型本身叫做 Agent，有人把带工具调用的流程叫做 Agent，还有人把一整套运行框架叫做 Agent。这些说法各有语境，但如果概念边界不清晰，就会直接影响架构设计、技术选型和团队沟通效率。

本文试图从定义出发，逐层厘清四个核心概念——Model（模型）、Tool（工具）、Skill（技能）和 Harness（运行框架/约束层）——以及它们之间的协作关系。

---

二、Model 和 Agent 到底是什么关系？

2.1 核心结论：Model ≠ Agent

这是最容易被混淆的一对概念。一句话概括：大模型是 Agent 的核心大脑，但不是全部。

2.2 Model 的本质

从技术角度看，模型的本质能力可以概括为“文本输入、文本输出”。它接收一段上下文（context），经过内部计算，生成一段输出文本。仅此而已。

模型本身不具备以下能力：

• 跨轮记忆：模型不会自动记住上一轮对话的内容。对话历史的传递，是外部系统通过拼接上下文实现的。
• 任务执行循环：模型不会自主地“执行—观察—再决策”循环。它只做一次前向推理，输出结果。
• 状态管理：模型不维护任何持久化状态，每次调用都是无状态的。

模型能做的，是根据当前上下文和任务规则，输出调用工具的结构化意图。例如，模型可以输出一段 JSON，表示“我需要调用天气查询接口，参数是城市=北京”。但真正去调用接口、获取结果、再把结果拼回上下文的，是模型之外的系统。

2.3 Agent 的本质

Agent 是一个系统级概念。它至少包含：

• 一个或多个 Model 作为推理核心；
• 一套 Tool 调用机制；
• 一个执行循环（感知 → 决策 → 行动 → 观察）；
• 记忆与状态管理模块；
• 任务规划与终止条件判断逻辑。

换句话说，Agent = Model + 外围工程系统。Model 是发动机，Agent 是整辆车。

2.4 一个类比

可以把 Model 想象成一个极其聪明但只能坐在房间里回答问题的人。你给他一张纸条，他写一张纸条递回来。他不会主动出门做事，也不会记住你上次来过。Agent 则是给这个人配上了电话、笔记本、助手团队和一套工作流程，让他能真正完成复杂任务。

---

三、Tool：Agent 的“手脚”

3.1 什么是 Tool

Tool（工具）是 Agent 用来与外部世界交互的接口。它可以是：

• 一个 HTTP API 调用；
• 一次数据库查询；
• 一段代码执行；
• 一次文件读写操作；
• 一次消息发送。

Tool 的定义通常包含三个要素：名称、描述、参数 schema。模型根据这些信息判断何时调用、如何传参。

3.2 Tool 的价值

没有 Tool 的 Agent，本质上只是一个聊天机器人。Tool 让 Agent 从“能说”变成“能做”。它是 Agent 能力的延伸边界——Agent 能做什么，取决于它有哪些 Tool。

3.3 Tool 的设计原则

• 单一职责：一个 Tool 只做一件事，降低模型选择难度；
• 描述清晰：名称和描述要能让模型准确理解用途；
• 参数明确：使用结构化 schema 定义参数类型和约束；
• 错误可处理：返回结果要包含足够的错误信息，便于模型决策下一步。

---

四、Skill：Agent 的“招式”

4.1 什么是 Skill

Skill（技能）是面向任务的高层能力封装。它通常由多个 Tool 调用、若干决策逻辑和特定知识组合而成，用于完成一类相对完整的任务。

举例来说：

• “查询天气”是一个 Tool；
• “根据天气和用户偏好推荐穿搭”是一个 Skill。

Skill 的本质是对 Tool 组合的编排与固化，它把常见的多步操作沉淀为可复用的能力单元。

4.2 Skill 与 Tool 的区别

维度	Tool	Skill
粒度	原子操作	任务级组合
调用方	模型直接调用	可由模型调用，也可由系统编排
复杂度	低	中到高
复用性	跨场景通用	面向特定任务域
示例	搜索、计算、发请求	写报告、做调研、处理工单

4.3 Skill 的价值

Skill 的出现解决了两个问题：

1. 降低模型决策负担：不需要每次从零规划多步操作；
2. 提升执行稳定性：常见任务路径经过验证和固化，减少模型出错概率。

---

五、Harness：Agent 的“轨道与护栏”

5.1 什么是 Harness

Harness 原意是“马具、约束装置”。在 AI Agent 语境中，它指的是围绕模型构建的运行时框架与约束层，负责：

• 管理对话循环与终止条件；
• 拼接上下文与系统提示；
• 解析模型的工具调用意图并执行；
• 处理错误、重试与超时；
• 记录日志与可观测性数据；
• 实施安全策略与权限控制。

5.2 为什么需要 Harness

模型本身是无状态、无循环、无安全边界的。Harness 的作用就是把这些工程职责从模型中剥离出来，让模型专注于推理，让系统专注于执行与保障。

没有 Harness，模型就只是一个孤立的推理函数；有了 Harness，它才能成为一个可靠运行的 Agent。

5.3 Harness 的关键能力

• 循环控制：决定何时继续调用模型、何时终止；
• 上下文管理：裁剪、压缩、拼接历史信息；
• 工具调度：解析模型输出，执行对应 Tool，返回结果；
• 异常处理：工具失败时的降级、重试或转人工；
• 安全与合规：输入输出过滤、权限校验、审计日志。

---

六、四者协作关系全景

用一个简化的流程来说明：

用户输入
   ↓
[Harness] 拼接上下文 → 调用 Model
   ↓
[Model] 输出推理结果或工具调用意图
   ↓
[Harness] 解析意图 → 调用对应 Tool 或 Skill
   ↓
[Tool/Skill] 执行操作 → 返回结果
   ↓
[Harness] 将结果拼回上下文 → 再次调用 Model
   ↓
...循环直到终止条件满足...
   ↓
[Harness] 输出最终结果给用户

在这个流程中：

• Model 是决策核心；
• Tool 是原子执行单元；
• Skill 是任务级能力封装；
• Harness 是调度与保障系统。

---

七、容易混淆的几个问题

7.1 “带工具调用的模型”就是 Agent 吗？

不完全是。工具调用能力是 Agent 的必要条件之一，但还需要执行循环、状态管理和终止判断。单次工具调用更接近“增强推理”，而非完整 Agent。

7.2 Skill 和 Workflow 有什么区别？

Workflow 通常是确定性编排，路径预先定义；Skill 则可能是模型驱动的动态组合，路径由模型根据上下文决定。两者可以结合使用。

7.3 Harness 是不是就是“Agent 框架”？

可以这么理解，但 Harness 更强调约束与保障的语义。它不仅是编排框架，还包含安全、可观测性、错误恢复等运行时职责。

---

八、总结

概念	一句话定义	核心职责
Model	文本输入输出的推理引擎	理解与决策
Tool	原子级外部交互接口	执行具体操作
Skill	任务级能力封装	组合 Tool 完成复杂任务
Harness	运行时框架与约束层	调度、循环、安全、可观测

理解这四个概念的定义与边界，是设计可靠 AI Agent 系统的前提。Model 是大脑，Tool 是手脚，Skill 是招式，Harness 是轨道与护栏。四者各司其职，缺一不可。