夜雨聆风2026 年初，Harness 成为 AI 行业最热的关键词。
但同样是谈 Harness，三个玩家的理解完全不同。OpenAI 拿出了 Responses API，Anthropic 拿出了 Managed Agents，LangChain 早就把自己的整个定位建立在 Harness 之上。表面是同一个趋势，内核是三套完全不同的工程哲学。
搞清楚它们的差异，才能理解 Agent 时代的基础设施战争正在往哪个方向走。
先厘清概念：Harness 到底是什么
在比较之前，需要先把这个词说清楚。
Harness 的原始含义是「马具」——用来控制马的工具。如果模型是马，Harness 就是骑手用来控制马的整套装备：缰绳、马鞍、蹬带。
放在 AI 语境里，Harness 要回答三个问题：
AI 在哪里工作？ — 沙箱、环境、执行空间 用什么工作？ — 工具、文件系统、API 如何验证工作质量？ — 检查机制、编排逻辑、边界控制
这三个问题没有标准答案，不同团队给出了完全不同的解法。
OpenAI：用 API 思维做 Harness
OpenAI 的解题思路最简洁：Harness 应该是一个 API 层，而不是一个平台。
Responses API 是 OpenAI 给出的答案。它的核心设计理念是：让开发者自己决定如何组装 Harness，而不是提供一个黑盒托管服务。
具体来说，OpenAI 提供了底层的 agent 能力——沙箱、工具调用、状态管理——但把这些能力以 API 的形式暴露出来，让开发者可以自由组合。Harness 的逻辑由开发者自己写，OpenAI 只负责提供可靠的执行环境和模型能力。
这种思路的优势是灵活性。对于已经有自己基础设施的团队来说，Responses API 是一个可以嵌入现有系统的组件，而不是一整套需要迁移的托管服务。
但劣势也很明显：灵活性意味着复杂性。当 Harness 需要处理沙箱、权限、追踪这些基础设施工作时，OpenAI 把这些留给了开发者自己。对于想快速跑通生产级 Agent 的团队来说，这仍然是相当高的门槛。
OpenAI 的核心赌注是：未来的 Harness 会走向标准化，而标准应该由开发者自己定义，不是平台强加。
Anthropic：做云厂商做的事，但跑的是 Agent
Anthropic 的解题思路和 OpenAI 完全相反：Harness 应该是一个托管平台，而不是一系列 API。
Claude Managed Agents 的设计理念是：开发者定义 Agent 的任务、工具和护栏，Anthropic 的基础设施负责运行。沙箱、权限控制、会话持久化、端到端追踪——这些全部由平台处理，开发者不需要接触任何基础设施层面的细节。
这种思路和云厂商提供计算资源的逻辑高度一致。云厂商说：你们不需要自己建机房，服务器和网络我来托管。Anthropic 说：你们不需要自己建 Agent 基础设施，Harness 的编排逻辑我来托管。
定价模式也体现了这个逻辑：除了 token 费用，按会话活跃时间收费，每小时 0.08 美元——这是典型的按运行时长计费，和云主机没有区别。
Anthropic 的赌注是：未来的 Harness 会走向托管化，而平台的控制权应该掌握在模型提供商手里。
LangChain：从工具链出发，倒推 Harness
LangChain 的解题思路最特殊：Harness 不是产品，而是整个技术栈的组织原则。
LangChain 从诞生第一天起就在做 Harness 相关的工作，只不过从来不叫这个名字。LangGraph 做编排逻辑，LangSmith 做追踪和调试，LangServe 做部署——这些都是 Harness 的组成部分。LangChain 的逻辑是：与其做一个大一统的 Harness 产品，不如把 Harness 拆解成一套工具链，让开发者按需组合。
LangChain 工程师 Vivek Trivedi 提出的公式 Agent = Model + Harness，本质上是这个思路的理论化：模型提供智能，Harness 让智能可以被实际使用，而 Harness 本身应该是一组可拆卸、可组合的工具，而不是一个黑盒平台。
这种思路的优势是开发体验：对于熟悉 LangChain 生态的团队来说，接入成本很低，而且可以渐进式地引入不同组件。
劣势也是显然的：工具链的复杂度会累积。当一个项目用到 LangGraph 做编排、LangSmith 做追踪、LangServe 做部署，外加各种第三方工具时，整个系统的维护成本和调试难度会快速上升。
LangChain 的赌注是：未来的 Harness 会走向碎片化，而工具链的互操作性会比大一统平台更有价值。
三种思路，指向三个不同的未来
把这三种思路放在一起看，核心分歧其实只有一个问题：Harness 的控制权应该在哪里？
OpenAI 选择把控制权交给开发者。这是经典的 API 思维——平台提供原子能力，用户自己组合。好处是灵活，坏处是门槛高。
Anthropic 选择把控制权交给平台。这是云服务的思维——平台提供完整托管，用户只管用。好处是门槛低，坏处是灵活性受限。
LangChain 选择把控制权分散到工具链里。这是开源生态的思路——每个工具独立演进，通过标准接口互联。好处是可定制，坏处是复杂度需要用户自己管理。
这三种选择没有绝对的对错。不同的团队规模、不同的技术成熟度、不同的场景需求，会决定哪条路更合适。
一个正在形成的事实
尽管三家的思路不同，但有一点是相同的：都在往 Agent 基础设施这个方向投入重兵。
OpenAI 发布了 Responses API，Anthropic 发布了 Managed Agents，LangChain 在持续完善工具链。背后的共识是：模型能力已经足够强，下一个竞争高地是让模型真正跑起来的那个「壳」。
谁拿下这个「壳」，谁就成为 Agent 时代的「自来水公司」——不是卖水（模型），而是卖水管（ Harness）。
这场战争，才刚开始。
