Harness架构实战：企业级多Agent协同项目拆解

从项目结构看多Agent工程化设计

随着Claude Code、Hermes Agent等工具的流行，Harness架构逐渐成为AI Agent工程化落地的主流方案。本文基于B站UP主肖斌（肖老师）的企业级实战项目，拆解一个真实的多Agent协同系统是如何组织代码结构、实现智能体与传统ERP系统对接的。

这个项目整体分为两大目录：一个是基于Vue的前端目录（front-end），另一个是承载智能体核心逻辑与后端代码的SRC目录。与许多纯理论讲解不同，该项目提供了完整的可运行代码和界面演示，更贴近实际的企业开发与求职面试场景。

核心目录的职责划分

在SRC目录下，代码被清晰地划分为若干模块：

• Agent：智能体的核心代码，是整个系统的大脑。
• API/View：Web层，负责将智能体部署到FastAPI或ASGI服务端。
• download：智能体所在服务器的文件下载目录。
• MCP Server：基于MCP协议的服务端代码，专门负责与Java编写的ERP系统对接。
• Skill：项目开发过程中预设置的技能目录。

这种分层结构的价值在于：每个模块职责单一、边界清晰，既便于团队协作，也为后续的动态扩展打下了基础。

智能体与传统ERP的MCP协议对接

项目中一个极具现实意义的设计，是智能体如何与已有的企业系统协同工作。作者特意用Java模拟了一个真实的ERP系统——「摩托车零附件采购管理系统」，涵盖供应商管理、零配件管理、采购订单管理、物流管理、客户管理、仓储管理等完整业务模块。

这一设计非常贴合企业实际：绝大多数公司都已经有正在运行的、用传统技术栈（如Java）构建的业务系统。新引入的AI智能体不可能推倒重来，而是必须与这些既有系统对接。

为什么选择MCP协议

项目采用MCP（Model Context Protocol）协议来完成智能体与Java ERP的对接。MCP作为当前智能体开发中日益标准化的协议，其优势在于提供了一套统一的接口规范，让智能体能够以标准方式调用外部工具和系统能力。

对于求职者而言，理解「智能体如何通过MCP与传统后端系统对接」这一点尤为关键——它不仅是技术实现，更体现了对企业级AI落地路径的完整思考。

自进化Skill：灵活可插拔的能力体系

Skill目录是该项目的一大亮点。作者反复强调「预设置」这个词，因为它揭示了Harness架构的核心特性之一：Skill是随意灵活、动态变化的。

在实际的企业开发中，Skill的增加或删除不影响智能体的启动和停止。这意味着你可以在运行时动态扩展智能体的能力，而无需重启整个系统。这种「可插拔」的设计正是Claude Code、Open Claude Code、Hermes Agent等主流Harness架构工具的共同特征。

项目中Skill目录被进一步细分为多个子目录（如payment等），每个子目录对应一个独立的Skill，整个项目预置了五六个Skill。这种组织方式让技能管理变得模块化、可维护。

Agent核心代码的四大支柱

深入Agent目录，可以看到智能体核心能力被拆解为几个关键组件，这些正是处理复杂任务的基础设施。

文件后端（backend）

专门负责文件的增删改查。Harness架构智能体的优势在于处理复杂任务，而复杂任务往往涉及大量文件操作。无论是生成PPT、Word文档，还是读取、修改、新建任意文件，都需要一个专门的文件后端来支撑。

记忆模块（memory）

负责处理智能体的记忆能力，核心是记录用户偏好与习惯。例如：用户A习惯在采购分析时对比两个供应商的零配件；用户B则偏好用雷达图展示供应商在五个维度上的优势。智能体记住这些偏好后，每次工作都能按照用户的习惯生成个性化输出。这种记忆机制在Claude Code、Hermes Agent中也已成为标配。

中间件（middleware）

中间件是保证智能体准确运行的关键。作者用「拦截器」（Java开发者熟悉）和「钩子函数」（Python/TypeScript开发者熟悉）来类比其作用。

中间件的主要目的是纠正智能体大模型的决策、上下文以及输出，确保意图识别准确、工具调用准确、上下文管理准确、最终输出准确。可以说，中间件是提升智能体可靠性的核心手段。

工具（tools）

内置的一些工具，为智能体开发提供基础能力支撑。

主从双层的多Agent架构

项目采用了典型的主智能体 + 子智能体双层结构。sub-agent目录中定义和创建了多个子智能体，而主智能体则命名为MAC。

这种主从分层设计正是多智能体项目的核心特征：主智能体负责任务的整体规划与调度，子智能体则专注于各自的具体任务。通过这种分工，系统能够将复杂任务分解、并行处理，最终协同完成目标。

从理论到工程的落地思路

这个项目最大的价值，在于它将Harness架构从抽象理论转化为可运行、可演示的具体工程实现。对于求职者而言，能够带着项目代码、界面演示，逐点讲清楚「智能体的Harness架构具体做了哪些事、如何实现」，远比空谈概念更有说服力。

从代码结构、MCP对接、可插拔Skill、文件/记忆/中间件三大支柱，到主从多智能体设计，这套方案完整呈现了企业级AI Agent工程化落地的技术全景。对于希望进入AI工程领域的开发者来说，这是一份极具参考价值的实战蓝图。