说实话，OpenHarness 架构的设计真的是一个hen有意思的话题，咱就是说它不仅仅是一个简单的框架，geng是一种全新的 Agent Harness 模式的实现。

OpenHarness 的整体架构Ke以说是相当清晰的，它分为多个层次从用户交互层到 Runtime 组装层，再到核心 Agent Loop，以及各种大子系统，每一层dou有其特定的功Neng和作用。

┌───────────────────────────────────────────────────────────┐ │ 用户交互层 │ │ CLI │ React/Ink TUI │ Gateway │ ├───────────────────────────────────────────────────────────┤ │ Runtime 组装层 │ │ RuntimeBundle │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌─────────────┐ │ │ │ QueryEngine│ │ ToolRegistry│ │ HookExecutor│ │ McpClient │ │ │ └──────────┘ └──────────┘ └──────────┘ └─────────────┘ │ ├───────────────────────────────────────────────────────────┤ │ 核心 Agent Loop │ │ engine/query.py │ │ ┌────────────────────────────────────────────────────┐ │ │ │ LLM API → 响应解析 → 工具调用 → 权限检查 → │ │ │ │ Hook 执行 → 工具执行 → 结果收集 → 循环 │ │ │ └────────────────────────────────────────────────────┘ │ ├───────────────────────────────────────────────────────────┤ │ 大子系统 │ │ engine/ tools/ skills/ plugins/ permissions/ │ │ hooks/ commands/ mcp/ memory/ tasks/ │ │ coordinator/ prompts/ config/ channels/ services/ │ ├───────────────────────────────────────────────────────────┤ │ API 客户端层 │ │ AnthropicApiClient │ OpenAICompatibleClient │ │ │ CopilotClient │ CodexApiClient │ │ ├───────────────────────────────────────────────────────────┤ │ 数据持久层 │ │ ~/.openharness/ │ │ ├── settings.json │ │ ├── credentials.json │ └───────────────────────────────────────────────────────────┘ 核心子系统详解 Agent Loop— engine/

Agent Loop 是 OpenHarness 的心脏，实现了完整的查询-工具调用循环，这个循环的过程包括了 LLM API 调用、响应解析、工具调用、权限检查、Hook 执行等一系列操作。

害，这个 Agent Loop 的设计真的hen巧妙，它把整个 Agent 的运行流程dou串联起来了。

权限治理系统是 OpenHarness 中的一个重要组成部分，它采用了三级权限模式，对工具的执行进行了严格的权限控制，确保了系统的安全性和稳定性。

三级权限模式

这个三级权限模式的设计思路其实hen简单，就是通过多层次的权限检查来确保工具的执行是安全的。

钩子系统允许在工具执行前后插入自定义逻辑，这为开发者提供了hen大的灵活性，Ke以根据自己的需求来定制 Agent 的行为。

钩子类型

OpenHarness 中的钩子类型有hen多种，比如 PreToolUse 和 PostToolUse 等，这些钩子Ke以在不同的阶段执行自定义逻辑。

MCP集成是 OpenHarness 中的另一个重要特性，它允许 Agent 与外部的 MCP 服务器进行通信，从而 了 Agent 的Neng力。

McpClientManager管理 MCP 服务器连接：

McpClientManager 是 MCP 集成的核心组件，它负责管理与 MCP 服务器的连接，确保了 Agent Ke以与外部服务进行顺畅的通信。

添加自定义工具是 OpenHarness 中一个非常重要的 方式，开发者Ke以通过实现 BaseTool 接口来创建自己的工具。

from pydantic import BaseModel, Field from openharness.tools.base import BaseTool, ToolExecutionContext, ToolResult class MyToolInput: query: str = Field class MyTool: name = "my_tool" description = "Does something useful" input_model = MyToolInput async def execute -> ToolResult: return ToolResult 添加自定义技Neng

添加自定义技Neng也是 OpenHarness 中的一个重要 方式，开发者Ke以通过创建 .md 文件来定义自己的技Neng。

创建 ~/.openharness/skills/my-skill/SKILL.md

这个 .md 文件中包含了技Neng的定义和描述，OpenHarness 会自动加载这些技Neng并将其集成到 Agent 中。

OhmoGatewayService（ohmo/gateway/service.py)：网关服务是 ohmo 应用中的一个关键组件，它负责处理来自不同渠道的消息，并将其转发给 Agent 进行处理。

消息渠道 ↓ ChannelAdapter → MessageBus ↓ OhmoGatewayBridge ↓ OhmoSessionRuntimePool → getorcreatesession ↓ RuntimeBundle → QueryEngine.submitmessage ↓ Agent响应 → OhmoGatewayBridge → ChannelAdapter ↓ 回复到消息渠道 你Ke以这么认为,OpenHarness 它其实是在尝试构建一种新的 AI 应用开发范式——从代码中心转向Harness设计,从Harness设计再进一步,,你会发现它正在重新定义什么是“好”的 AI 工程实践——不再是简单的 Prompt 调优,而是像设计一个完整的软件架构一样去设计你的 AI 应用——包括智Neng体的决策路径、外部工具的接入、安全边界的设定等等。说实话，这是一个hen有意思的方向。 OpenHarness 的架构设计是非常值得深入研究的，它为我们提供了一种全新的 AI 应用开发思路和方法。 希望这篇文章Neng对你有所帮助，你懂的，后面还有hen多Ke以深入探讨的内容，比如说它的插件机制、技Neng系统等等，dou是非常有趣的话题。 害，Harness 设计出发，让 AI 真正成为生产力！ 我觉得这才是未来的方向，你呢？你怎么kan待这个问题？ 欢迎大家一起来讨论！ 哈哈，说实话，我自己也还在学习中，还有hen多东西需要深入研究。 不过通过这篇文章，我希望你Neng对 OpenHarness 有个初步的了解，这就足够了。 后面还有hen多Ke以深入探讨的内容，就留给咱们慢慢聊吧！