Agent Harness

特工装备

具有MCP服务器支持、内置本机工具和可插拔LLM后端的CLI代理线束。它通过以下方式将任何支持的LLM连接到外部工具 模型上下文协议 以及进程内本地工具，管理代理工具使用循环，以便LLM可以调用工具、处理结果并迭代以获得答案。

线束本身不包含模型逻辑，它协调LLM和工具之间的连接。

需求

• Python 3.11+
• 紫外线 包管理器
• Node.js/npm（仅当使用通过以下方式运行的MCP服务器时 npx)

快速开始

# One-shot query using Anthropic (default provider)
export ANTHROPIC_API_KEY="your-key"
uv run agent-harness "What time is it?"

# Interactive REPL
uv run agent-harness

# With a config file
uv run agent-harness -c config.json

# Override provider and model
uv run agent-harness -p openai -m gpt-4o "Summarize this project"

配置

代理可以配置JSON文件、CLI标志或两者。CLI标志覆盖配置值。

示例配置

{
  "provider": "anthropic",
  "model": "claude-sonnet-4-5-20250929",
  "systemPrompt": "You are a helpful assistant.",
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"],
      "env": {}
    }
  }
}

提供商

该线束通过可插拔后端系统支持多个LLM提供程序。Anthropic和OpenAI有专门的实现，因为它们的API在有线格式上有所不同。任何与OpenAI兼容的API（Together.ai、Groq、Ollama等）都通过具有自定义功能的OpenAI提供商工作 base_url.

together, groq，以及 ollama 是OpenAI提供者的别名——它们使用相同的代码，只是指向不同的URL。

MCP服务器

MCP服务器是通过stdio向代理公开工具的外部进程。代理将它们作为子流程生成，在启动时发现它们的工具，并在代理循环期间将工具调用路由到相应的服务器。

任何支持stdio传输的MCP服务器都可以工作。在中配置它们 mcpServers 配置文件的一部分：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
    },
    "huggingface": {
      "command": "npx",
      "args": ["-y", "@llmindset/hf-mcp-server"],
      "env": {
        "HF_TOKEN": "hf_..."
      }
    }
  }
}

如果两个服务器公开了同名工具，则第二个工具将以服务器名称作为前缀（例如。 huggingface__search).

内置原生工具

本机工具在进程内运行，无需外部服务器。在路由工具调用时，在MCP工具之前检查它们。

REPL命令

运作原理

1. CLI解析配置和标志，选择提供程序类并对其进行配置
2. 生成MCP服务器并发现其工具
3. 用户的消息与所有可用工具一起发送到LLM
4. 如果LLM返回工具调用，代理将执行它们（首先是本机工具，然后是MCP），并将结果发送回LLM
5. 重复步骤3-4，直到LLM返回文本响应（或达到20次迭代）

项目结构

src/agent_harness/
├── cli.py              # Entry point, argument parsing, REPL loop
├── config.py           # Config dataclass and JSON loading
├── agent.py            # Agentic tool-use loop
├── providers/
│   ├── __init__.py     # Provider registry and factory
│   ├── base.py         # LLMProvider ABC and shared data types
│   ├── anthropic.py    # Anthropic Claude implementation
│   └── openai.py       # OpenAI-compatible implementation
├── mcp/
│   └── manager.py      # Multi-server MCP connections and tool routing
└── native_tools/
    ├── registry.py     # NativeTool ABC and registry
    └── builtin/
        └── datetime_tool.py

添加提供者和工具

添加提供者

1. 子类 LLMProvider 在 providers/
2. 实施 configure(), send(), send_streaming()，以及 format_tool_results()
3. 在中注册 providers/__init__.py: register_provider("name", MyProvider)

添加本机工具

1. 子类 NativeTool 在 native_tools/builtin/
2. 实施 get_tools() 和 call()
3. 在中注册 cli.py: native_tool_registry.register(MyTool())

贡献者

| :---: | :---: | | 💻 🏗️ | 🤖 💻 📝 |