Sydney Runkle 是 LangChain 的核心贡献者之一。这篇短文的目的不是介绍新功能，是给"agent 怎么造"一个干净到不能再干净的定义。
核心公式
agent = model + harness
harness 是把模型接进现实世界的脚手架。
而 Sydney 给 harness 的工作下了个非常具体的定义：harness 的全部工作，是在 agent loop 的每一步把"对"的上下文送给模型。
两个前提：
- agent 的好坏只取决于送给模型的上下文
- harness 的工作就是按时、按需把上下文送进去
所以造一个有用的 agent，等价于造一个擅长"在对的时候给对上下文"的 harness。
create_agent：极简到底
LangChain 推出了一个新原语 create_agent：传一个 model、tools、system prompt 进去，你就得到一个能跑的 agent。
市面上不缺 harness——DeepAgents、Claude Agent SDK 都已经预装了一整套 opinionated 的 middleware 栈：memory、context management、sandboxing……好处是开箱即用，坏处是它们锁死了抽象层。当你的 agent 需要更细粒度的定制（自定义 prompt、业务逻辑、guardrails），这些大而全的 harness 反而不灵活。
create_agent 反着来——故意做小。它的哲学和 Claude Code 一脉相承：高度可配置的 coding agent harness。
它只做一件事：实现 agent 主循环。其他所有能力都通过 middleware 暴露 出来。
middleware：在 agent loop 里的钩子
middleware 钩进 agent loop 的每一步：
- 模型调用之前 / 之后
- 工具调用之前 / 之后
- agent 启动 / 关闭
每段 middleware 只管一件事，互相自由组合。
Sydney 把 middleware 能干的事分成四类：
1. 确定性逻辑
业务逻辑、策略执行、动态 agent 控制——任何需要在 loop 的某个具体节点触发的事。包括对 agent 本身的运行时控制：根据任务复杂度换模型、调 prompt、压缩消息历史。
所有"不能（或不该）塞进 prompt 的东西"都该在这里。
2. 工具
不是把 tools 直接注册在 agent 上，middleware 接管工具的完整生命周期——setup、teardown、registration，最后递给 agent 一组干净的工具可用。
这在工具有依赖、需要初始化、跑完要清干净的场景下特别有用。而且它让工具配置靠近管理它的逻辑，不散在 agent 定义里。
3. Custom state
如果你的 middleware 需要跨钩子跟踪状态，middleware 可以扩展 agent 的 state 加上自定义属性。在整个执行过程中持续维护计数器、flags、跨钩子共享数据。
4. Stream handlers
middleware 可以拦截和改造 agent 的输出流——过滤事件、注入 metadata、把不同事件类型路由到不同消费者。当栈的不同部分需要对 agent 的不同行为做反应时很有用：UI 消费 token delta、审计日志记 tool call、监控系统追 latency。
middleware 的真正价值
一句话：它把"agent 行为"从"绑死的配置"变成"可组合的代码单元"。
具体两层好处：
- 任何点都能定制——agent loop 里任何一个步骤都可以插入中间件
- 相关逻辑打包成可组合、可分享的代码单元——同一段 middleware 可以在整个组织的所有 agent 上复用，新 agent 自动继承经过验证的行为
LangChain 已经为最常见 pattern 准备了预置 middleware。任何定制需求就只是一个 hook 的距离。
harness 的活儿：按时按需送对上下文
Sydney 用一张映射表把常见能力对应到支持它们的 middleware：
- 长期运行？→ state middleware
- 任务复杂度高？→ routing / model-swap middleware
- 敏感操作？→ guardrail middleware
- 需要可审计？→ log / stream middleware
生产环境的 agent 通常会同时组合几个。
她特别提了一个概念：task-harness fit——harness 匹配任务实际需求的程度。客服 agent 的 harness 跟长跑 coding agent 的 harness 是两个物种。
LangChain 内部造的每个 agent——DeepAgents、Claude Agent SDK 集成、内部 agent——全跑在 create_agent 之上，各自叠不同的 middleware 栈。
核心 takeaway
- 不要再问"用什么模型造 agent"——先问"你的 harness 在第几步、什么时机、把什么上下文送进模型"
- 好的 harness 是个按时按需送对上下文的工程系统，不是 prompt 模板
- middleware 作为原语的价值是让 harness 可演化、可复用——同一段逻辑能在新 agent 上继承
- 最后那句最锋利：最佳 agent 不是用最强模型造的，是用最贴合任务的 harness 造的