Harness、Hermes、OpenClaw、Claude Code、MCP、Skill、Agent之间到底是什么关系

狂追 AI 新词没用，用老兵的视角直接看透「Agent」底层关系

前几天和几个做项目的老友喝茶，聊起最近冒出来的各种新词，我当时就有点应激了，大家嘴里嚼着各种概念看似聊得热火朝天，其实很多人连基本的调用逻辑都没跑通，纯粹是在跟着热度自嗨，这种浮躁风气让我浑身难受，最后做出来的东西必然是一座纯种屎山。

其实底层的逻辑简单得离谱。

我们先从最底层的发动机说起，「LLM」就是读了海量文本的超级大脑，它本质上只干预测下一个词这一件事，由于这个大脑没有长期记忆，每次对话都得把历史记录打包成「Context」发过去，一旦超了限制它就会直接失忆，所以「Prompt」任务书必须把规矩定死，约束越具体结果就越准。

光有大脑还不够，你天天跟它聊天，它也只是个只会动嘴的军师，没法真正帮你干活。要让它动起来，就得把它升级成「Agent」。

就四个字。约束先行。

「Agent」和普通大模型的区别在于它有了自主规划能力，而且手里有了被称为「Tool」的工具，比如你问它今天天气怎么样，它会因为没有数据而主动去调用 1 个天气 API，拿到结果后整理好再回复你，这个 API 就是它的手和脚。

如果任务变成每天下午 5 点 汇总进度并发送邮件，每次都重新规划效率极低，这时候就需要把步骤打包变成被称为「Skill」的技能，「Tool」是单独的零件，「Skill」则是组装好的功能模块，它甚至可以是「Agent」在干活中自己总结的经验，存进数据库后下次遇到类似问题就能直接调用。

当模型变多时我们面临 1 个痛点，每个模型接入工具的接口完全不同，今天给「GPT」写的代码明天换成「Claude」就要推倒重来，为此 Anthropic 牵头搞了「MCP」协议，这相当于给 AI 接工具定了个统一的 USB 接口，工具开发 1 次就能在所有支持该协议的模型上直接调用。

有了手脚和接口，是不是「Agent」就能直接上岗了。

真没那么简单。

我一直强调规矩大于技巧，「LLM」是一匹野马，力气极大但没有方向感，如果不加控制它在你的服务器里乱撞，迟早把系统搞崩溃，所以「Harness」就是套在它身上的马具和缰绳。

这个词突然火起来，归根结底是因为大家发现「Agent」落地最大的瓶颈不是模型智商，而是它的行为太不可靠，「Harness Engineering」就是在模型外面包上一层控制壳，它来决定「Agent」能看什么数据以及动用什么工具，甚至在做错时强行纠错或者停下来让人类确认。

这里面有 1 个我非常认同的反直觉体感，Vercel 团队在做 AI 编程「Agent」时尝试把可用工具删掉了 80%，结果任务成功率反而大幅度飙升，因为工具太多时「Agent」就像进了玩具店的小孩，光顾着挑玩具反而把脑子搞乱了，「Harness」的第一性原理就是帮「Agent」做减法，用最严苛的规矩换取最丝滑的输出。

「Claude Code」是 Anthropic 官方出的编程「Agent」，它不是那种只在侧边栏提建议的辅助工具，而是直接接管你的终端去跑测试和修 Bug，它之所以好用，本质上是因为官方在外面套了一层极度丝滑的「Harness」，直接把编程场景的规矩彻底定死了。

而「OpenClaw」则是 2025 年 底横空出世的开源黑马，它的思路是把大模型能力接进本地电脑，你用微信发 1 条指令，它在后台收到后直接在电脑上读写文件运行脚本，这种设计虽然用起来极度丝滑，但安全风险也大得离谱，配置不当相当于把钥匙挂在公网里。

相比之下「Hermes Agent」走了另一条路，它活在服务器上且强调持久记忆与自我进化，普通的「Agent」聊完就忘，但「Hermes」会把对话存进数据库，甚至在干完任务后自动把路径提炼成新的「Skill」，随着你用得越来越多这种长期沉淀的知识就会变成不可复制的护城河。

其实不管是「OpenClaw」还是「Hermes」，不管是写代码还是处理邮件，底层的逻辑其实完全相通，「LLM」做大脑，「Prompt」下指令，「Tool」当手脚且「Harness」定规矩，最后由开源项目把这些零件组装成丝滑的成品。

回到最真实的业务场景，算得过来 ROI 就去干。

以上，既然看到这里了，觉得有点收获就点个赞，我们下次再见。