HEAR：让智能体Harness与推理引擎双向交换工作流和运行状态

LLM智能体越来越多地执行包含多轮推理、工具使用和并行智能体的复杂工作流。高效服务需要横跨两个具有互补信息的层次进行决策：智能体Harness理解工作流依赖、上下文生命周期和执行目标；推理引擎则观察请求队列、KV缓存状态、资源压力与执行能力。现有接口没有系统地连接这两种视角，限制了感知工作流的执行。HEAR是面向Agentic LLM服务的双向Harness—引擎配对协议。它标准化Harness如何传达工作流意图和执行要求，以及引擎如何返回运行状态、能力和结果。通过分离协议语义与优化策略，HEAR无需改变工作流或模型语义，即可支持多种协调策略。我们实现了两类应用：在线缓存感知运行协调，以及根据工作负载为智能体角色选择执行模式。在内存受限、并发服务条件下的四项对话与研究智能体基准中，HEAR在SCBench上实现$1.61\times$批次加速，并将首token延迟中位数降低$2.23\times$。Mooncake实验表明，工作流意图与实时引擎状态在不同负载区间提供互补收益。在BrowseComp-Plus和DeepResearchBench上，针对工作负载配置分别实现$1.23\times$和$2.45\times$端到端加速，且未观察到任务质量下降。这些结果表明，HEAR可作为高效Agentic LLM服务的可复用协调基础。