AI编程五层架构与团队选型：Harness、MCP与ADE落地指南

Harness 这个词今年刷屏，多数人却说不清它和模型、MCP、ADE 的边界。老章把 Theo 那支 49 分钟长视频和长文啃完，用厨师、空厨房和点餐台讲透五层结构，并给出团队选型清单：别为 3% 的跑分差距反复折腾。

很多工程师换一次主力模型，就要把辛苦攒下的 Skills、插件、权限配置全部重配一遍，为了不同工具之间那 3% 到 5% 的跑分差距反复折腾，甚至在群里吵得不可开交

硅谷全栈网红、T3 Stack 与 T3 Code 创始人 Theo 最近发布了 49 分钟封箱长视频和深度图文《What is a “harness”?》，把大模型、Harness、Interface、MCP 与顶层 ADE 的五层边界彻底扒了个底朝天；

我把视频和原文完整啃了一遍，今天结合这套全栈架构拆解，带大家一次性搞懂为什么「模型即 Harness」，以及手握多份模型订阅的开发者该如何靠 MCP 数据层与顶层 ADE 在同一个窗口里协同指挥多家模型

Theo 手绘的 Interface 与 Harness 全局架构图

厨师、空厨房与点餐台：3 分钟拆穿 Harness 的底裤

这事起因是有个 Nix 基金会的成员在推特上嘲讽 Theo，说他做的 T3 Code 属于重复造 Harness 轮子，结果把 Theo 气得连夜画图写长文，决定最后一次给全行业科普到底什么叫 Harness

最底层的真相，大语言模型（LLM）本身能干的只有：吃进文本/图片，然后吐出文本

既然大模型只能生成字，它凭什么能帮你改代码、跑测试、推 GitHub

Theo 举了个绝妙的例子：假设你去一家高级餐厅点菜，把菜单交给一位米其林大厨，大厨站在一个四面白墙的空房间里瞪着你，说菜谱我倒背如流，可屋里连把菜刀、一口锅、一个灶台都没有，我拿头给你做菜

人类用电脑也是一样，把一个顶尖程序员按在显示器前让他写快排算法，却拿走键盘和鼠标，他除了对着屏幕比划手语之外什么都干不了

人类需要依靠键盘、按钮、终端和桌面软件才能把脑子里的想法变成机器动作，这些给人看的东西叫 Interface（交互界面）

大模型同样需要一套能把「文字手语」变成真实动作的接驳系统，这套专门服务大模型的底座就叫 Harness（智能体执行套件）

人类看到的是 Interface，大模型看到的是 Harness

为了让一个只会吐字的模型真正干活，一套合格的 Harness 必须提供五样东西：

• 可执行的工具集：比如读取文件的 read_file、修改代码的 edit_file、跑命令的 bash 以及联网搜索的 search
• 约定的文本调用语法：告诉模型只要输出类似 <read_file name=”README.md”> 的特定格式，就能触发动作
• 语法拦截与执行引擎：监听模型吐出的文本，一旦匹配到工具语法就挂起生成，在本地或沙箱里跑真实代码
• 结果回填与循环机制：把代码跑出来的报错或结果重新塞回上下文窗口，驱动模型继续下一轮推理
• 工具说明书清单：在系统提示词里把每个工具的用途、参数格式清清楚楚列给模型看

搞懂这五点，就能回答那个让无数开发者吵翻天的灵魂问题：Claude Code 到底算 Interface 还是 Harness

答案是它把两样东西打包在了一起：

当你在终端里敲 claude 打开交互界面，或者在 Claude 桌面端切到 Code 标签页时，你肉眼看到的窗口属于 Interface；而在它底下默默跑着工具循环、管理上下文的 Anthropic Agent SDK（以及底层的 Claude Code Binary），才是真正的 Harness

OpenAI 的 Codex 也是一模一样的结构，前端是 ChatGPT 或 Codex 桌面壳，底下干脏活累活的叫 Codex App Server

甚至很多人挂在嘴边的 Agent（智能体），拆穿了也就是一条极简公式：Agent = LLM（厨师大脑）+ Harness（配齐厨具的厨房）

我把 Theo 视频里提到的所有概念和咱们平时用的工具按五层架构排了一遍，整套上下游关系画成图是这样的：

AI 编程五层架构与工具落位图

Tool Plane 与 Data Plane：为什么跨模型团队别把资产写死在厨房里

一旦把厨房搭起来，新的麻烦立刻就来了：到底谁来提供厨具

不同流派的 Harness 脾气天差地别，像咱们熟悉的 Pi

被Harness圈捧成圣的 Pi Agent，接上 DeepSeek-V4-Flash，如虎添翼

DeepSeek-V4-Flash-Vision-Exp 实测，接入 Pi Agent，我最新的备选 AI 工作台

就属于极简苦行僧流派，出厂几乎只给模型留了一个 bash 终端（OpenClaw 底层用的就是 Pi）；而 Claude Agent SDK 和 Codex App Server 则属于精装全能厨房，内置了读写文件、子 Agent 派生、Skills 读取、上下文压缩等一大堆现成工具

除了自带工具，你还可以往厨房里塞第三方插件，比如装个 TypeScript 插件让模型具备跳转定义和查引用的能力，或者装个开源的 CUA 插件让模型能截图、点鼠标、敲键盘控制整台电脑

这些直接把可执行代码打包塞进 Harness 内部运行的能力，统称为 Tool Plane（工具平面）

位于人类与模型层之上的 Tool Plane 工具平面

但如果你手头有多个模型订阅，把所有工作流都写成私有 Tool 塞进单一 Harness，很快就会掉进大坑

原因很简单：Tool 是跟特定厨房死绑在一起的，你按 Claude Code 的格式写了一套私有工具，明天想切到 Codex 或者 OpenCode 跑任务，这套工具就当场罢工

这也是为什么架构设计里必须分出另一半江山——Data Plane（数据平面，以 MCP 为核心代表）

Tool Plane 与 Data Plane 的架构分界

用厨房打比方，装一个 Tool 相当于往厨房里硬搬一口定制铁锅（类似浏览器的 Chrome 插件，代码在本地进程里跑）；而接入一个 MCP 服务，相当于在厨房台面上放了一本 菜谱（类似直接访问网页 URL，代码全留在外部服务器或独立进程里）

大厨想查 Supabase 数据库、想看 PostHog 埋点分析，翻一下菜谱发个标准请求就行，根本不用改厨房里的半根水管

更妙的是，T3 Code 正是利用这本「MCP 菜谱」干了一件神仙事——让一个 Harness 跨栈指挥另一个 Harness

假设你主线程正在用 Claude Code 写核心业务逻辑，写到一半想拉起一个 Codex 子线程帮你并发写单测，或者想检索你昨天在另一个 Harness 里的历史对话，如果把这些功能写成底层插件，你得给 Claude、Codex、Cursor、Pi、Antigravity 各写一套

而 T3 Code 直接把跨线程检索、消息转发、异构子 Agent 派生全部封装成了 T3 Code MCP，主线程的 Claude 只需要对着 MCP 喊一声「帮我拉个 Codex 子线程」，上层的 T3 Code 就会充当 Broker 中间人去启动 Codex 并把结果传回来

当你在主线程里下达一条重构指令时，任务在开发者、Claude 厨房、T3 Code MCP 与 Codex 厨房之间的实时交互流转过程如下：

架构横评：6 大主流工具落位对比与 T3 Code 跨栈上手

既然 T3 Code 既不属于大模型，也不属于 Harness，那它到底是什么？

Theo 给它造了个非常精准的新词：ADE（Agentic Development Environment，智能体开发环境）

如果说大语言模型是厨师，Harness 是厨房，那 T3 Code 就是商场顶楼的 美食广场（Food Court）——你带着自己现有的 Claude 20 刀/200 刀订阅、Codex 订阅、Cursor 账号走进去，想吃哪家点哪家，还能让两家厨房拼一桌菜

T3 Code 在同一线程里同时调度 Claude、Codex、Muse 与 Gemini 子智能体

把 Theo 视频与原文中重点剖析的 6 款代表工具按架构位置、内置能力与适用场景排成横向对照表：

如果你手里已经有 Claude Code 或 Codex 的登录态，上手 T3 Code 的最短路径只需要两步：

第一步，确保你电脑上至少装好并登录了一个底层供应商 CLI（毕竟美食广场自己不炒菜，你得自带至少一个厨房）：

如果你用 Claude Code，先完成登录鉴权

claude auth login

如果你用 OpenAI Codex，先登录 Codex CLI

codex login

如果你用 Cursor 或 OpenCode，同样先在终端登录

agent login

opencode auth login

第二步，直接用官方提供的一键命令启动或安装 T3 Code 桌面端：

方式一：免安装直接体验（推荐先跑这个试水，10秒拉起本地 Web 界面）

npx t3@latest

方式二：macOS 用 Homebrew 安装桌面端

brew install –cask t3-code

方式三：Windows 用户使用 Winget 或 PowerShell 安装

winget install T3Tools.T3Code

跑起来之后，你在原本 Claude Code 里配好的所有 Skills、插件和订阅额度都会原封不动地生效，同时自动多出一个 T3 Code MCP，随时可以在当前对话里拉起另一个模型的子线程帮忙干活，甚至用手机端 App 远程连回家里的开发机发指令

顺便提一句，Theo 在视频开头还介绍了赞助商 Vercel 刚推出的 Eve 框架，设计思路跟这套分层一脉相承，我根据他在视频里的口播整理了一份目录示意结构，能直观看到它是怎么把指令、技能、沙箱和 Slack/Discord/Teams 频道解耦的：

根据 Theo 视频口播整理的 Eve 目录示意结构

my-team-agent/

├── instruction.md # 顶层角色定义与系统提示词模板

├── skills/ # 团队通用技能包（跨模型复用）

├── tools/ # TypeScript 自定义工具扩展

├── sandbox/ # 代码执行隔离沙箱配置

├── channels/ # 接入 Discord / Slack / Teams 群聊入口

└── connections/ # 挂载外部 MCP 服务（Supabase / PostHog / T3 Code）

按这套思路配好目录后，就能把开发好的 Agent 直接暴露到 Discord、Slack 或 Teams 群聊频道里，在群里艾特一下机器人就能让它拉起分支、修改代码并提交 PR

槽点与真相：为什么 Theo 说 Harness 之争正在变成「Tab 还是空格」

看完 Theo 的整套拆解，再结合咱们平时的开发体感，这里面有三个非常值得警惕的真相和槽点：

• 模套耦合已经不可逆，别再为 3% 的跑分差距瞎折腾半年前大家还在研究怎么改 Harness 提示词去适配模型，但现在的行业真相是：各大模型厂商正在直接用自家 Harness 产生的轨迹数据来训练新模型这意味着 Claude 模型天生就在 Claude Code 里最聪明，同代模型换个号称跑分更高的野生 Harness，实际体感差距只有 3% 到 5% 左右；为了这点微弱优势放弃 200 刀包月套餐去烧按量 API，最后花的钱更多、干的活更少
• 跨厨房切换时的「熊猫快餐店点卷饼」惨案这是目前 T3 Code 用户吐槽最多的痛点：很多人在 T3 Code 里用 Claude 时顺手调自己的 Skills 觉得爽爆了，结果点一下模型切换器切到 Codex，发现原本的 Skills 全没了 因为 T3 Code 顶部的切换器切的是整个 Harness（厨房），你的 Skills 装在 Claude 厨房里，切去 Codex 厨房当然找不到，就像你走进美食广场的熊猫快餐店却非要服务员给你卷一个墨西哥鸡肉卷
• Codex 的系统提示词依然拉胯，T3 Code 也还在早期Theo 在视频里毫不客气地吐槽，OpenAI 的模型本来应该在 Codex 里表现最好，但目前 Codex 的系统提示词和周边生态实在太糙，反而拖累了模型智商；另外 T3 Code 本身也处于极早期阶段，小 Bug 不少，官方目前基本不合并外部大功能 PR

总结：照抄清单与团队选型建议

程序员这行有个宿命：每隔几年，抽象层就会往上抬一格

当年我们从死磕汇编指令集抬到了 C 语言，从争论「用 Tab 还是空格」抬到了 Prettier 自动格式化，从纠结写什么前端框架抬到了让 AI 生成组件；到了 2026 年底，编辑器（Vim 还是 VS Code）和底层 Harness 的争论正在快速成为过去式

最后，给不同阶段的兄弟们留一份可以直接照抄的行动清单：

• 个人开发者（单模型主力）：老老实实用模型原厂自带的 Harness，主用 Claude 就待在 Claude Code，主用 OpenAI 就待在 Codex，别花时间去迁冷门野生工具
• 多订阅全栈玩家（双持 Claude + Codex）：直接跑一行 npx t3@latest 上 T3 Code，把 Claude 当主程、Codex 当审查与测试子 Agent，用同一个 ADE 界面把两份月费的价值榨干
• 企业 AI 负责人与团队架构师：立下一条铁律——凡是读写文件、跑命令等通用执行动作，直接复用成熟 Agent SDK；凡是涉及公司内部数据库、文档库、监控埋点和跨模型协同的资产，100% 封装成标准 MCP 服务，这样明年不管哪家新模型登顶，你们团队只需改一行模型配置就能无缝搬家

作者：Ai学习的老章 公众号：Ai学习的老章

本文由 @Ai学习的老章 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自 Unsplash，基于CC0协议