Strands Harness

Strands Harness 是 Strands Agents 项目在 2026-09-21 发布的完整 Agent harness，PyPI 上的发布者是 AWS。它的出发点写在官方博客里：很多人希望自己的 Agent 能像 Claude Code 或 Codex 那样「一装上就能用」，可一旦自己写循环，就只剩自己了。Strands Harness 就是补这个 Gap 的产物，而且它刻意做成通用 Agent，不是编码 Agent。

它基于 Apache 2.0 开源，是一个可以装进自己进程里的库，而不是托管服务，模型可以随便挑。

开箱自带什么

不带任何参数 import 之后，你拿到的是一个已经调过默认值的 Agent：

• 调优过的系统提示词。 先探索再动手、不可逆操作先确认、收尾前先验证。
• 真家伙的工具集。 一个 shell，加上文件工具（read、write、edit）和联网能力。
• 上下文管理。 任务变长时把体积大的工具结果挪到一边，并缓存请求中重复的部分来省时省钱。
• 记忆与会话。 长期记忆跨运行保留，给一个 session id 就能接上之前的对话。
• 任务委派。 开放式子任务交给内置的助手 Agent，多步工作用 checklist 跟踪。
• Skills 与代码编排。 存在 Agent Skills 时会自动加载，模型可以在代码里编排自己的工具。

以上每一项都能收窄、替换或关掉，拿到的是一个不带包装层的标准 Strands Agent。想自己从零搭 harness，也能用底层的 Strands Harness SDK 复用同一套配置。

成本与准确率的说法

官方发布文称，在六个基准上使用同样的 Claude 或 GPT 模型时，Strands Harness 的成本比 Claude Code、Codex 等主流 harness 低 28%，而得分基本持平。用 Fable 5 跑 Terminal Bench 2.1 时，官方称成本比 Claude Code 低 77%，得分反而更高。同一篇文里，DeepSeek Harness 被评为整体最省 token，但准确率是这一组里最低的。

省钱的机制不是提示词技巧，而是上下文管理：工具结果超过约 1500 token 就截断，上下文窗口占用超过 85% 时触发压缩（compaction），万一还是溢出就在循环内做上下文恢复。基准测试是分布式跑在 EC2 上、用 Harbor 完成的，团队说后续会补一篇讲方法的论文。

以上数字全部来自厂商自己。harness 是对着 harness 测的，所以这些数字说明的是「脚手架要花多少钱」，不是底层模型有多强。

它在生态里的位置

Strands Harness 卡在中间层。像 Claude Code、Codex CLI 这样的编码 Agent 是你直接采用的产品；LangGraph、OpenAI Agents SDK 这类框架是你要自己拼的库。Strands Harness 站在两者之间：默认值足够有主见，但每一个都能覆盖。

定价

Apache 2.0 开源免费，只需要付模型用量。默认走 Amazon Bedrock，所以有 AWS 账号是最顺的路径；Anthropic、OpenAI、Google、Ollama、LiteLLM 也都支持。

快速开始

Python：

# pip install strands-harness
from strands_harness import create_harness

agent = create_harness(model="anthropic/claude-opus-5")
agent("调研三个向量数据库，比较价格和限制，写进 comparison.md")

TypeScript：

// npm install @strands-agents/harness
import { createHarness } from "@strands-agents/harness";

const agent = await createHarness({ model: "openai/gpt-6-luna" });
await agent.invoke("总结这个仓库，并提交一个修复用的 PR。");

跑起来之后再逐项收紧默认值。第一次运行前不需要写任何配置，这正是它的卖点。

限制

• 基准测试出自厂商。 28% 和 77% 都由做这个 harness 的团队在自己挑的六个基准上测得，目前还没有独立复现。
• 版本号很早期。 截至 2026-09-24，Python 包还在 0.1.x，1.0 之前 API 有变动的空间。
• 它不是编码 Agent。 它刻意做成通用型。如果你整天写代码，被它拿来对比的那几个编码 harness 仍然更专业。
• 默认的上下文管理比较激进。 超过 1500 token 的工具结果会被截断，省钱的同时可能丢掉你真正需要的细节，请在自己的流量上实测，别直接信任默认值。

常见问题

Strands Harness 和 Strands Agents SDK 是同一个东西吗？

不是。SDK 是用来构建 Agent 的框架，Strands Harness 是基于该 SDK 预先组装好的 Agent，两者在同一个仓库里，分别对应 harness-py 与 harness-ts 包。

支持哪些模型？

Amazon Bedrock、Anthropic、OpenAI、Google、本地 Ollama，以及任何能通过 LiteLLM 访问的模型。默认是 Amazon Bedrock。

能部署到服务器上吗？

可以。它是库，跑在你的进程里，能放进自己的服务或 serverless 计算。

它能替换我现在的 Agent 吗？

只有当你今天在写自己的循环时才谈得上替换。如果你对现有编码 Agent 产品满意，Strands Harness 的价值在非编码任务上提供同样体验。

替代方案

• DeepSeek Harness：在 Strands 的对比里最省 token，准确率也最低。
• OpenAI Agents SDK：厂商 SDK，适合自己搭循环。
• LangGraph：当流程需要显式状态机时的图式编排。

总结

Strands Harness 押的是一个很合理的判断：多数 Agent 项目不需要原创的循环，只需要一个足够好的默认循环。一次 import、Apache 2.0 许可、加上能用数字讲清楚的上下文管理策略，是很扎实的起点。先用它起步，在自己的流量上量一遍，再覆盖不合适的地方。