Claude Code Architecture: An Agent Harness Walkthrough

从 2022 年末 ChatGPT 横空出世，到 2026 年 Agent 大爆发，作为一名博士生，深刻体验到了这一轮 AI 热浪对工作范式乃至生活范式的巨大变革。

下面这张图给出了我心中比较完整的 Agent Harness 抽象：

Agent

我更想把 Agent 定义为一个循环的事件流，比较自然的抽象就是 async generator（异步生成器）。

• Skill 进入 prompt。
• Plugin 进入 tools。

模型要执行 bash，必须走 tool call。

Plugin

什么叫插件？插件就是多个 skill + slash commands + subagents + hooks + MCP servers，任意组合。

Plugin 本身不被”调用”，它只是把内部的 skills/commands 安装到你的 Claude Code 环境里，然后由对应机制触发。

Diagram

flowchart TB
    User([User Request]) --> Harness

    subgraph Harness[Agent Harness]
        direction LR
        Tools[Tools]
        Tasks[Tasks]
        Memory[Memory]
        Evals[Evals]
        Traces[Traces]
        Policies[Policies]
        Review[Human Review]
    end

    Harness -->|prompt + context| LLM([LLM])
    LLM -->|action / answer| Harness
    Harness -->|validation, logging, eval| Response([Response])
    Response --> User

（草稿，后续会补全各模块在 Claude Code 中的具体实现路径。）