AI 智能体 Harness 中的架构设计决策

AI 智能体系统日益依赖可复用的非 LLM 工程基础设施，它们封装了工具中介、上下文处理、委托、安全控制与编排。然而这一外围基础设施中的架构设计决策仍缺乏研究。本文对 70 个公开可用的智能体系统项目进行了一项协议引导、以源代码为依据的实证研究，回答三个问题：哪些设计决策维度在项目间反复出现，哪些共现关系构成这些决策的结构，以及涌现出哪些典型架构模式。在方法上，我们贡献了一套透明的调查流程，通过阅读源代码与技术材料来分析异质的智能体系统语料。在实证上，我们识别出五个反复出现的设计维度（子智能体架构、上下文管理、工具系统、安全机制与编排），并发现语料偏好文件持久化、混合与分层上下文策略；面向注册表的工具系统仍占主导，而面向 MCP 与插件的扩展正在兴起；中间层隔离常见，但高保证审计罕见。跨项目共现分析揭示：更深的协调与更明确的上下文服务配对，更强的执行环境与更结构化的治理配对，而形式化的工具注册边界则与更宏大的生态雄心配对。我们综合出五个反复出现的架构模式：轻量工具、均衡的 CLI 框架、多智能体编排器、企业系统与场景垂直化项目。研究结果为智能体系统工程中的架构规律提供了基于证据的阐述，为框架设计者、选型者与研究者提供了有依据的指导。