OpenHarness – 港大開源的輕量級 AI Agent 框架

OpenHarness是什麼

OpenHarness 是香港大學數據智能實驗室（HKUDS）開源的輕量級 AI Agent 框架，用純 Python 實現，僅 11,733 行代碼（爲 Claude Code 的 1/44 體積），復刻了其 98% 的核心工具能力（43 個工具）和 61% 的命令集（54 個命令）。項目採用 MIT 許可證，提煉「Agent Harness」架構，圍繞 LLM 提供工具調用、持久記憶、權限治理和多 Agent 協調，完美兼容 Anthropic Skills 與 Claude Code 插件生態，支持通過環境變量切換至任意 OpenAI 兼容模型（如 Kimi、DeepSeek、Ollama）。

OpenHarness的主要功能

• Agent 核心循環：實現流式工具調用、指數退避重試、並行執行、實時 Token 計數與成本追蹤，支持上下文自動壓縮和斷點續聊。
• 工具集（43+）：涵蓋文件 I/O、Shell 命令、Web 搜索、瀏覽器自動化、MCP 協議、Notebook 編輯、任務管理、Cron 定時任務等，復刻 Claude Code 98% 的工具能力。
• 技能系統：支持 Markdown 文件按需加載技能，兼容 anthropics/skills 生態，內置 Pydantic 類型校驗，可複用 1000+ 官方和社區技能庫。
• 記憶與上下文：自動注入 CLAUDE.md 項目規則，跨會話持久化 MEMORY.md 記憶文件，支持 MEMORY_PLACEHOLDER 模板化上下文管理。
• 多 Agent 協調：支持子 Agent 生成與任務委派、團隊註冊表管理、後台任務生命週期管理，未來路線圖含 ClawTeam 集成。
• 權限治理：提供多級權限模式（默認/自動/計劃/嚴格模式），支持路徑級規則、命令白名單、交互式審批對話框和預/後工具鉤子。
• 插件擴展：兼容 claude-code/plugins 格式，支持自定義命令、鉤子、Agent 類和 MCP 服務器擴展，允許通過環境變量切換至任意 OpenAI 兼容模型（如 Kimi、DeepSeek、Ollama）。

OpenHarness的技術原理

• Agent Harness 架構：採用「Harness」設計模式，將 LLM 的智能層（模型）與執行層（工具、記憶、安全邊界）分離，模型負責決定做什麼（What），Harness 負責安全高效地執行（How），提供完整的可觀測性。
• 核心 Agent 循環：實現標準的 ReAct 工具調用循環——LLM 輸出 JSON 格式工具規格 → Harness 解析並並行執行 → 流式返回結果。循環持續直到模型停止調用工具（stop_reason != "tool_use"），期間自動處理指數退避重試和 Token 計數。
• 模塊化子系統架構：由 10+ 個獨立子系統組成，包括 Engine（循環引擎）、Tools（43 個工具註冊表）、Skills（Markdown 技能加載器）、Plugins（擴展鉤子）、Permissions（權限治理）、Hooks（生命週期事件）、Memory（持久記憶）、Coordinator（多 Agent 協調）、MCP（模型上下文協議客戶端）等，各層通過明確定義的接口解耦。
• 上下文與記憶管理：採用 Token 預算機制（如 128k 限制壓縮至 80k），自動注入 CLAUDE.md 項目規則，使用 SQLite 持久化 MEMORY.md 跨會話記憶，支持上下文自動壓縮和斷點續聊。
• 權限與治理鉤子：通過 PreToolUse/PostToolUse 生命週期鉤子實現攔截，支持多級權限模式（默認/自動/計劃/嚴格）、路徑級規則匹配、命令白名單和交互式審批對話框，確保敏感操作可控。
• 多 Agent 協調機制：Swarm 模式通過註冊表管理子 Agent ID，使用 JSON Payload 進行任務委派，基於 Python Asyncio 協程管理生命週期，支持後台任務和並行研究子任務（如 Deep Research 場景）。
• 模型中立與兼容性：通過環境變量（ANTHROPIC_BASE_URL/ANTHROPIC_MODEL）支持任意 OpenAI 兼容端點（Kimi、DeepSeek、Ollama 等），工具調用採用標準 JSON Schema，技能和插件格式兼容 anthropics/skills 和 claude-code/plugins 生態。
• 輕量級工程實現：純 Python 3.10+ 實現，使用 uv 包管理器實現零鎖文件安裝，11,733 行代碼（Claude Code 的 1/44），剔除企業級開銷（遙測、OAuth、數百個 React 組件），保留 React TUI 作爲可選前端，通過標準輸入輸出協議與後端通信。

如何使用OpenHarness

• 環境準備：確保系統已安裝 Python 3.10+，通過 pip install uv 安裝 uv 包管理器，同時準備好 LLM API 密鑰（支持 Anthropic 或任意 OpenAI 兼容端點）。
• 安裝項目：在項目目錄執行 uv init my-project && cd my-project 初始化項目，然後運行 uv add "hkuds/openharness[cli]" 安裝 OpenHarness 及其 CLI 依賴。
• 配置密鑰：通過 export ANTHROPIC_API_KEY=sk-... 設置 API 密鑰；若使用 Moonshot、DeepSeek 等其他模型，需額外設置 export ANTHROPIC_BASE_URL=... 指向對應端點。
• 初始化項目：執行 oh init 命令自動生成 CLAUDE.md 項目規則文件和 MEMORY.md 記憶文件模板，完成項目初始化配置。
• 啓動交互：運行 oh run --model claude-3.5-sonnet 進入交互式會話，或執行 oh demo 運行內置演示任務體驗覈心功能。
• 加載技能：將 .md 技能文件放入 skills/ 目錄或 ~/.openharness/skills/，系統會自動識別 frontmatter 元數據並按需加載，兼容 anthropics/skills 生態。
• 權限管理：使用 oh run --permissions strict 開啓嚴格治理模式，或通過 oh -p "提示詞" --output-format json 實現無頭/CI 模式輸出結構化結果。
• 多 Agent 協調：通過 Swarm 模式創建子 Agent 並委派任務，利用 Asyncio 協程管理後台任務生命週期，支持並行研究子任務。

OpenHarness的項目地址

• GitHub倉庫：https://github.com/HKUDS/OpenHarness

OpenHarness的核心優勢

• 極致輕量：44 倍代碼壓縮比（11,733 vs 512,664 行），163 個文件，Python 3.10+ 單語言棧，無企業級臃腫（剔除遙測、OAuth、數百個 React 組件）。
• 生態兼容：復刻 Claude Code 工作流，支持 12+ 官方插件，Skills 即插即用，降低遷移成本。
• 模型中立：不綁定 Anthropic，通過設置 ANTHROPIC_BASE_URL 指向月之暗面等任意兼容端點即可切換模型。
• 開箱安全：預/後工具鉤子、路徑級權限規則、敏感操作交互確認，本地運行可設嚴格模式。
• 測試完備：114 個單元測試 + 6 個 E2E 套件，Claude Code 無此覆蓋。

OpenHarness的關鍵信息和使用要求

• 項目背景：香港大學數據智能實驗室（HKUDS）於2026年4月1日開源，MIT 許可證，GitHub 約 1,300 Stars，目前版本 v0.1.0 處於早期階段。
• 技術規格：純 Python 3.10+ 實現，僅 11,733 行代碼（Claude Code 的 1/44 體積），163 個文件，使用 uv 包管理器實現零鎖文件安裝。
• 架構定位：採用「Agent Harness」架構，分離 LLM 智能層與執行層，復刻 Claude Code 98% 工具能力（43 個工具）和 61% 命令集（54 個命令）。
• 模型中立性：原生支持 Anthropic API，通過 ANTHROPIC_BASE_URL 環境變量可切換至 Moonshot、DeepSeek、OpenRouter、Ollama 等任意 OpenAI 兼容端點。
• 生態兼容：兼容 anthropics/skills 技能生態（1000+ 插件）和 claude-code/plugins 擴展格式，支持 MCP 協議集成。
• 測試覆蓋：包含 114 個單元測試和 6 個 E2E 測試套件（Claude Code 無此覆蓋）。
• 環境依賴：Python 3.10+，必須安裝 uv 包管理器（pip install uv），不支持 pip 直接安裝
• API 配置：需準備 LLM API 密鑰並設置環境變量 ANTHROPIC_API_KEY，使用非 Anthropic 模型時需額外配置 ANTHROPIC_BASE_URL 和 ANTHROPIC_MODEL
• 項目初始化：首次使用必須運行 oh init 生成 CLAUDE.md（項目規則）和 MEMORY.md（記憶文件）模板
• 網絡要求：Web 搜索、瀏覽器自動化、MCP 服務器等工具需聯網，核心功能可完全離線運行（使用本地 Ollama 時）

OpenHarness的同類競品分析

OpenHarness的應用場景

• AI Agent 研究與原型開發：輕量級 Python 代碼庫（11,733 行）便於研究者理解 Agent 循環、工具調用和記憶機制，適合快速驗證多 Agent 協調、上下文壓縮等前沿思路，無需處理 TypeScript 和企業級代碼的複雜性。
• 本地私有化智能助手：通過配置本地 Ollama 端點，可在內網或離線環境運行，滿足金融、醫療等敏感行業數據不出境要求，同時保留 Claude Code 級的代碼編輯和文件操作能力。
• CI/CD 自動化流水線：利用無頭模式（oh -p "提示詞" --output-format json）在 GitHub Actions、GitLab CI 等環境中執行代碼審查、自動化測試生成、文檔更新等任務，輸出結構化結果供下游步驟解析。
• 多 Agent 協作系統：通過 Swarm 模式創建子 Agent 並委派並行任務（如同時檢索多個代碼倉庫、對比不同技術方案），適用於複雜研發任務的分解與協調，替代部分傳統工作流編排工具。
• 技能驅動的領域專用工具：加載 anthropics/skills 生態的 Markdown 技能文件（如數據分析、爬蟲編寫、API 測試），快速構建針對特定技術棧（Python、React、Docker 等）的專用 AI 助手。
• 開發者 CLI 工作流增強：集成到日常終端工作流，替代部分手動 Shell 操作，實現自然語言轉命令執行、批量文件重命名、代碼重構、Git 提交信息生成等高頻開發任務。