构建一个好用的 agent，本质上是定制问题：把 agent 连到正确的 context、数据和运行环境上。
最朴素的定义是：agent 就是一个模型在循环里调工具，直到完成任务返回结果。LangChain 在这篇文章里给了一个更有用的写法：
agent = model + harness
harness 是包在模型外面的脚手架，负责把模型和真实世界接起来。这篇文章建立在两个前提上：
- agent 有多好用，取决于提供给模型的 context 有多好
- harness 的职责，是在每一步把对的 context 交给模型
所以要造一个好用的 agent，你需要一个"擅长为当前任务给模型递上下文"的 harness。
#底座 harness
LangChain 的原语是 create_agent：传入模型、工具、system prompt，就得到一个能跑的 agent。
Deep Agents、Claude Agent SDK 这类 harness 走的是另一条路——预装好一整套有立场的 middleware 栈（记忆、上下文管理、沙箱等），让你快速拿到生产可用的 agent。大多数场景它们够用，但很多 agent 需要更细粒度的定制：自定义提示、业务逻辑、护栏。
create_agent 刻意保持极简，只实现核心 agent loop，把 middleware 暴露为定制原语——这个哲学接近 Pi 那种高度可配置的 coding agent harness。
#Middleware：定制 harness 的方式
middleware 钩进 agent loop 的每一步：模型调用前后、工具调用前后、agent 启动和收尾。每个 middleware 只管一件事，彼此自由组合。
它提供四种加能力的杠杆，通常配合使用：
- 确定性逻辑 ：业务规则、策略执行、动态控制——任何必须在 loop 的特定点触发的东西，包括按任务复杂度换模型、调 prompt、压缩消息历史。凡是不能（或不该）写进 prompt 的逻辑，都该放这里。
- 工具生命周期 ：工具不直接挂在 agent 上，而由 middleware 管注册、初始化、销毁，给 agent 递一套干净的工具。工具有依赖、需要初始化或清理时尤其重要。
- 自定义状态 ：middleware 可以扩展 agent 的状态字段，在多次 hook 之间持续跟踪计数器、标志位，并在 hook 之间共享数据。
- 流处理器 ：拦截并变换 agent 的输出流——过滤事件、注入元数据、把不同事件路由给不同消费者（UI 吃 token 流、审计日志吃工具调用、监控吃延迟）。
middleware 的价值在于：loop 任意点都能定制，且每块逻辑是可组合、可共享的独立单元——同一个 middleware 可以被组织内所有 agent 复用。
#能力 → middleware 对照表
harness 的工作是"在对的时间把对的 context 给模型"。原文给了一张常用能力到 middleware 的映射，生产 agent 通常会同时用好几个：
| 能力 | 为什么重要 | 对应 middleware |
|---|---|---|
| 防上下文溢出 | 长会话快速堆积历史，不干预就会撑爆窗口 | Summarization、ContextEditing |
| 读写记忆 | 启动时载入知识、结束时写回，让 agent 随使用变好 | Filesystem、Memory、Skills |
| 在环境里行动 | 固定工具集限制上限，文件系统和执行环境解锁更灵活、更省 token 的解法 | ShellTool、Filesystem、CodeInterpreter |
| 任务委派 | subagent 用干净的上下文处理子任务，todo list 跨长任务记进度 | SubAgent、AsyncSubAgent、TodoList |
| 处理瞬时故障 | 模型和工具会随机失败，生产环境需要退避重试和模型降级 | ToolRetry、ModelRetry、ModelFallback |
| 执行策略 | PII、合规、审批关口必须每次都触发，不属于 prompt | PII、HumanInTheLoop |
| 接管方向盘 | 重大动作前暂停等人批准、拒绝或改向 | HumanInTheLoop |
| 控成本 | prompt 缓存省 token，调用上限防失控 | ModelCallLimit、ToolCallLimit、PromptCaching |
#Task-harness fit
文章最后提出一个评价指标：task-harness fit ——harness 和任务实际需求的贴合程度，包括它需要的 context、会遇到的失败、必须执行的策略、运行的环境。客服 agent 的 harness 和长时程 coding agent 的 harness 长得完全不同。
LangChain 自己内部所有 agent——GTM agent、异步 coding agent（open-swe）、无代码 agent 构建器——都是 create_agent 加一套按任务定制的 middleware 栈。
结论：最好的 agent 不只靠强模型，靠的是 harness 严丝合缝地贴住任务。