Harness¶

Harness 是 组装器 — 它接收所有依赖项，创建 MemoryConsolidator（如果配置了 memory），将回调注入 AgentLoop，并返回一个可直接使用的 Agent。

源码位置：llm_harness.core.harness

构造函数¶

Harness(
    *,
    provider: LLMProvider,          # required
    model: str,                     # required
    tools: ToolRegistry,            # required
    sandbox: SandboxBackend,        # required
    memory: MemoryBackend | None = None,
    swarm: Any = None,
    permissions: PermissionChecker | None = None,
    skills: SkillRegistry | None = None,
    observability: ObservabilityBackend | None = None,
    system_prompt: str = "",
    context_window_tokens: int = 64_000,
    max_completion_tokens: int = 4096,
)

参数	类型	必填	说明
`provider`	`LLMProvider`	是	LLM provider 实例
`model`	`str`	是	模型标识符
`tools`	`ToolRegistry`	是	已注册工具的 ToolRegistry
`sandbox`	`SandboxBackend`	是	用于文件 I/O 和执行的沙箱
`memory`	`MemoryBackend`	否	用于整合的 memory 后端
`swarm`	`Any`	否	子代理后端
`permissions`	`PermissionChecker`	否	权限检查器
`skills`	`SkillRegistry`	否	技能注册表（默认为空）
`observability`	`ObservabilityBackend`	否	事件后端
`system_prompt`	`str`	否	自定义系统提示（默认："You are a helpful AI assistant."）
`context_window_tokens`	`int`	否	整合时的上下文窗口大小
`max_completion_tokens`	`int`	否	整合时的最大补全令牌数

方法¶

create_agent()¶

def create_agent(self) -> Agent

创建并返回一个已配置的 Agent 实例。返回的 Agent 包含： - 一个 AgentLoop，其回调连接到 _build_system、权限和错误日志记录 - 一个 MemoryConsolidator（如果提供了 memory） - 一个 EventEmitter（如果提供了 observability）

内部方法¶

_build_system(msg)¶

从以下部分组装系统提示： 1. system_prompt（或默认值） 2. 当前 UTC 时间 3. 可用的子代理定义（来自 swarm） 4. 可用的技能（来自 skill registry）

返回 [{"role": "system", "content": "..."}]

_build_consolidator()¶

使用构造函数中的 context_window_tokens 和 max_completion_tokens 创建 MemoryConsolidator。仅在提供 memory 时在 __init__ 期间调用。

用法¶

from llm_harness import Harness

harness = Harness(
    provider=OpenAICompatProvider(api_key="sk-xxx"),
    model="deepseek-chat",
    tools=my_tools,
    sandbox=SRTSandboxBackend("/workspace"),
    memory=TencentDBMemoryBackend(),
    permissions=PermissionChecker(PermissionSettings()),
    system_prompt="You are a coding assistant.",
)
agent = harness.create_agent()