Agent 领域每隔几个月就炸出一批新名词——MCP、A2A、Context Engineering、Skills、Hooks、Harness……
你可能熟悉其中几个，但很难说清它们之间的关系：谁先谁后？谁替代了谁？它们解决的是同一个问题还是不同问题？
今天用一条线串起来。这条线不是技术细节，而是一个更本质的问题：你怎么管 Agent？
管一句话 → 管一堆信息 → 管整个系统
从 2022 年到现在发生的一切，都可以用这条线解释。
一、全景图：八维度 × 发展历程
先上全景矩阵，让你对 Agent 领域的全貌有个直觉。后面的正文只沿"管理范式"这条主线展开，其他维度在第三节速查。
| 维度 | 2022 | 2023 | 2024 | 2025 | 2026 |
|---|---|---|---|---|---|
| ① 推理范式 | CoT · ReAct | Plan-and-Execute · Reflection | Reasoning Model (o1) | Extended Thinking | — |
| ② 行动方式 | — | Function Calling | CodeAct · Parallel Tool Use · Computer Use · Browser Use | — | — |
| ③ 扩展与协议 | — | ChatGPT Plugins · GPTs | Assistants API · Tool Use · Structured Outputs · MCP | A2A | MCP 进入 Linux Foundation |
| ④ 指令与技能 | — | System Prompt | .cursorrules · copilot-instructions.md | CLAUDE.md · AGENTS.md · Skills · Hooks | Skills 生态爆发 |
| ⑤ 记忆与上下文 | — | RAG 产品化 | ChatGPT Memory · Claude Projects · Prompt Caching | 上下文压缩 | — |
| ⑥ 多智能体 | — | 角色制协作 · AutoGen | Swarm · Agentic Workflow (DAG) | Orchestrator-Worker · Sub-agent · HITL | Background Agents |
| ⑦ 管理范式 | Prompt Engineering | Guardrails | Permission System · 沙箱隔离 · Prompt Injection 防御 | Context Engineering | Harness Engineering |
| ⑧ 评测与可观测 | — | — | SWE-bench · LLM-as-Judge · 可观测性平台 | 端到端评测体系 | — |
年度关键词：
| 年份 | 一句话 |
|---|---|
| 2022 | 会思考 — CoT + ReAct 给了 Agent 大脑 |
| 2023 | 会自主 — AutoGPT 引爆想象，Function Calling 给了工程可行性 |
| 2024 | 会干活 — CodeAct + Computer Use 扩展行动空间，MCP 统一工具接入 |
| 2025 | 会协作 — 多智能体 + 指令系统 + Context Engineering 走向成熟 |
| 2026 | 会治理 — Harness Engineering 体系化，MCP 成行业标准，Skills 生态爆发 |
二、一条主线看演进
这段历程中最容易被忽略的一条暗线是：我们管 Agent 的方式在不断升级。不是因为我们想升级，而是旧的管法不够用了。
| 阶段 | 时间 | 管什么 | 粒度 |
|---|---|---|---|
| Prompt Engineering | 2022-2023 | 一段提示词的措辞、格式、示例 | 单次调用 |
| Context Engineering | 2024-2025 | 上下文从哪来、怎么组装、怎么压缩、怎么持久化 | 一个会话/任务 |
| Harness Engineering | 2026 | 工具 + 权限 + 记忆 + 编排 + 评测 + 安全 + 生命周期 | 整个 Agent 系统 |
Prompt Engineering 时代（2022-2023）
管什么： 一段提示词的措辞、格式、示例。
这个时代的核心矛盾很简单：模型有能力，但你不知道怎么说它才听得懂。
2022 年两篇论文改变了一切：
- Chain-of-Thought（CoT） ：让模型"先想再答"。在此之前，模型是一步到位给答案，复杂推理一塌糊涂。CoT 证明了一件事——你只要在提示词里加一句"let's think step by step"，模型的推理能力就能大幅提升。问题是它只会想，不会做。
- ReAct：让模型"想一步做一步"。把推理和行动交替进行——想一下该做什么，去做，看到结果，再想下一步。这是 Agent 的雏形。
2023 年，工程侧开始跟上：
- Function Calling（OpenAI，2023.6）：在此之前，让模型调用外部工具只能靠"在提示词里告诉它输出 JSON，然后你自己解析"——脆弱、不可靠。Function Calling 把工具调用变成了 API 级别的一等公民：模型直接输出结构化的函数调用，不再需要你写正则去抠。这是从"能演示"到"能工程化"的分水岭。
- ChatGPT Plugins（2023.3）：第一次尝试让模型连接外部服务。想解决的问题是模型的知识有截止日期、没法访问实时数据。但插件发现/安装/权限机制不成熟，最终在 2024 年下线。
- AutoGPT（2023.3）：一个开源项目让模型自己给自己定任务、自己执行、自己验证。它在技术上很粗糙，但引爆了公众想象——原来 AI 可以自主完成复杂任务，不是只能一问一答。
- RAG 产品化：检索增强生成。模型的知识有截止日期，RAG 的思路是"先从外部知识库检索相关内容，塞进提示词，再让模型回答"。2023 年 RAG 从论文走向了产品，几乎所有企业级 AI 应用都用了这个模式。
代表产物：ChatGPT、LangChain、各种 Prompt 模板库。
为什么不够用了？
任务一复杂，光靠一段提示词管不住。你让 Agent 做一个多步骤任务——它不记得之前做了什么、不知道当前有哪些工具可用、分不清哪些信息该看哪些该忽略。提示词能约束一次调用，但约束不了一个持续运行的过程。
→ 管理对象必须从"一句话"升级为"一堆信息"。
Context Engineering 时代（2024-2025）
管什么： 上下文从哪来、怎么组装、怎么压缩、怎么持久化。
这个时代的核心矛盾变了：不是模型听不懂你说什么，而是模型的"工作台"太小——上下文窗口有限，你得设计一套系统来决定什么信息上桌、什么时候下桌、怎么存档。
行动空间大爆发（2024）：
上一代 Agent 只能调 API，这一代开始能做任意事：
- CodeAct：让模型通过写代码来执行任务，而不是只调预定义函数。为什么？因为预定义函数永远覆盖不了所有场景，但代码可以。
- Computer Use（Anthropic，2024.10）：让模型直接操控电脑桌面——看屏幕截图、移鼠标、点按钮。解决的问题是：很多软件没有 API，唯一的交互方式就是 GUI。
- Parallel Tool Use：让模型一次调用多个工具并行执行。之前是串行的——调一个等结果、再调下一个，慢。
工具协议统一（2024-2025）：
行动空间越大，工具接入越乱。每个模型厂商一套 API、每个 Agent 框架一套接口。
- MCP（Model Context Protocol） （Anthropic，2024.11）：一个开放协议，统一了"Agent 怎么发现和调用外部工具"。类比 USB：在此之前每个设备一种接口，MCP 让所有工具用同一种接口接入。它解决的不是"能不能调工具"，而是"不同 Agent 能不能共享同一套工具生态"。
- A2A（Agent-to-Agent Protocol） （Google，2025.4）：如果 MCP 解决了"Agent 怎么连工具"，A2A 解决的是"Agent 怎么连 Agent"。当系统里有多个 Agent 各管一摊事，它们需要一套标准协议来互相发现、交接任务、汇报进度。
指令系统成熟（2024-2025）：
Agent 越来越能干，但你发现每次打开新会话都要从头教它项目背景、代码规范、团队约定。
- CLAUDE.md / AGENTS.md / .cursorrules：各家 AI 编程工具推出了自己的指令文件格式。核心思路一样——把项目级的规则写成文件放在仓库里，Agent 启动时自动读取。这样每次对话不用重复交代背景。
- Skills：可复用的技能模块。指令文件是"告诉 Agent 这个项目的规则"，Skills 是"给 Agent 装一个技能包"——比如一个 TDD 技能、一个代码审查技能。解决的问题是：好的工作流程不应该每次都重新写进提示词。
- Hooks：生命周期回调。在 Agent 执行前/后自动触发用户定义的脚本，比如工具调用前检查敏感文件、会话结束后自动记日志。
记忆和上下文管理（2024-2025）：
- ChatGPT Memory / Claude Projects：跨会话记忆。解决的问题是：Agent 不该每次见面都像第一次认识你。
- Prompt Caching：缓存重复的上下文，省钱省时间。当你的系统提示词很长且大量请求复用时，不需要每次都重新算。
- 上下文压缩：长对话越来越长，迟早撑爆窗口。Claude Code 实现了五级压缩策略——从轻量裁剪到紧急摘要，按需触发。
多智能体走向实用（2023-2025）：
- AutoGen（2023）/ Swarm（2024） ：早期探索，让多个 Agent 角色分工、对话协作。AutoGen 偏学术，Swarm 偏轻量交接。
- Orchestrator-Worker（2025） ：一个 Agent 负责规划拆分任务，多个 Worker Agent 并行执行。从"大家坐一起聊"升级为"有人管有人干"。
代表产物：Claude Code、Cursor、Devin、OpenAI Agents SDK。
为什么又不够用了？
上下文管好了，但新的问题浮出水面：
- 工具权限谁来控？ Agent 能删文件、能推代码、能发消息——谁来决定它能不能做？
- 执行出错谁来查？ Agent 跑了 50 步，中间哪步错了？没有 trace，你只能看最终结果猜。
- 模型升级后效果漂移谁来测？ 换个模型版本，同样的任务可能产出完全不同的结果，没有评测体系你根本不知道。
→ 管理对象必须从"一堆信息"升级为"整个系统"。
Harness Engineering 时代（2026）
管什么： 工具 + 权限 + 记忆 + 编排 + 评测 + 安全 + 生命周期。
Harness Engineering 这个术语源自 Anthropic 社区对 Claude Code 架构的分析文章，尚未成为行业统一术语。但它描述的问题是真实的：当 Agent 从"聊天助手"变成"持续运行的执行系统"，你需要一套完整的工程体系来管理它。
核心认知：Agent = Model + Harness。模型是大脑，Harness 是围绕大脑的一切——上下文怎么组装、工具怎么受控、权限怎么分层、执行怎么可追踪、质量怎么可验证。
这个时代回答的不再是"怎么让 Agent 干活"，而是 "怎么让 Agent 可靠地、安全地、可验证地干活" 。
| 管什么 | 核心问题 |
|---|---|
| 能力边界 | 这个工具 Agent 能不能用？参数合不合法？ |
| 执行环境 | 出了问题爆炸半径多大？需要沙箱隔离吗？ |
| 权限策略 | allow/deny/ask 三态决策 + 人在回路 |
| 上下文状态 | 会话怎么切分、记忆怎么失效、大块内容怎么压缩 |
| 可观测性 | trace/metric/log，从"看聊天记录"升级到"看分布式追踪" |
| 评测回放 | 同一任务能稳定复现吗？升级后能做回归吗？ |
| 资源调度 | 多个 Agent 怎么并发、怎么隔离、怎么回收 |
同期发生：
- Skills 生态爆发：Skills 从"Claude Code 的内置功能"扩展为可分享的技能市场，第三方开发者可以发布和安装技能包。
- MCP 进入 Linux Foundation：从 Anthropic 一家的协议走向行业标准级别的治理。
- Background Agents：Agent 不再只在你盯着的时候干活，可以后台持续运行，完成了通知你。
三、八维度详解：每个概念解决了什么问题
第一节的全景矩阵告诉你"什么时候出了什么"，这一节告诉你"为什么要出这个东西"。⑦ 管理范式已在第二节展开，这里不再重复。
① 推理范式 — 模型怎么想
| 概念 | 时间 | 提出者 | 解决什么问题 |
|---|---|---|---|
| Chain-of-Thought (CoT) | 2022.1 | Google (Jason Wei 等) | 模型一步到位给答案，复杂推理一塌糊涂。加一句"let's think step by step"就能大幅提升推理能力 |
| ReAct | 2022.10 | Princeton / Google | CoT 只会想不会做。ReAct 把推理和行动交替进行——想一步、做一步、看结果、再想，这是 Agent 的原型 |
| Plan-and-Execute | 2023 | LangChain 等框架 | ReAct 是走一步看一步，容易迷路。先整体规划再逐步执行，适合多步骤复杂任务 |
| Reflection | 2023 | Shinn 等 (Reflexion) | 做完就完了，不知道做得对不对。让模型回头审视自己的输出，发现错误后修正重来 |
| Reasoning Model (o1) | 2024.9 | OpenAI | 之前的推理靠外部循环（调工具看结果）。o1 在模型内部做更长的推理链，用"想得更久"换"想得更准" |
| Extended Thinking | 2025.2 | Anthropic (Claude) | 与 o1 类似的思路，但开放了思考过程的可见性，用户可以看到模型在想什么 |
② 行动方式 — 模型怎么做
| 概念 | 时间 | 提出者 | 解决什么问题 |
|---|---|---|---|
| Function Calling | 2023.6 | OpenAI | 之前让模型调工具只能靠提示词"请输出 JSON"，然后自己写正则解析——脆弱不可靠。Function Calling 让工具调用变成 API 级别的一等公民 |
| CodeAct | 2024.2 | NUS (王新磊等) | 预定义函数永远覆盖不了所有场景。让模型直接写代码执行任意操作，行动空间从"菜单上的菜"变成"厨房里的原料" |
| Parallel Tool Use | 2024 | OpenAI / Anthropic | 串行调工具太慢——调一个等结果、再调下一个。并行执行让多个无依赖的工具调用同时跑 |
| Computer Use | 2024.10 | Anthropic | 很多软件没有 API，唯一的交互方式是 GUI。让模型直接看屏幕截图、移鼠标、点按钮来操控桌面 |
| Browser Use | 2024 | 多家 | Computer Use 太重（整个桌面截图）。专门针对浏览器优化，能理解 DOM 结构，操作更精准 |
③ 扩展与协议 — 模型怎么连
| 概念 | 时间 | 提出者 | 解决什么问题 |
|---|---|---|---|
| ChatGPT Plugins | 2023.3 | OpenAI | 模型知识有截止日期、没法访问实时数据。第一次尝试让模型连接外部服务，但只能给 ChatGPT 用 |
| GPTs | 2023.11 | OpenAI | Plugins 门槛太高，需要开发者部署 API。GPTs 让普通用户也能定制工具组合，但仍是封闭生态 |
| Assistants API | 2023.11 | OpenAI | 开发者想在自己的应用里用工具调用 + 文件检索 + 代码执行，但之前只能通过 ChatGPT 界面。提供了编程接口 |
| Structured Outputs | 2024.8 | OpenAI | Function Calling 的输出格式偶尔会出错（JSON 不合法）。强制模型输出符合 JSON Schema 的结构化数据 |
| MCP | 2024.11 | Anthropic | 每个 Agent 平台一套工具接口，同一个工具要写 N 遍适配。MCP 统一协议——写一次，所有 Agent 都能用。类比 USB |
| A2A | 2025.4 | MCP 解决了 Agent 连工具，但多个 Agent 之间怎么互相发现、交接任务、汇报进度？A2A 解决 Agent 连 Agent | |
| MCP 进入 Linux Foundation | 2026 | Anthropic / LF | MCP 是一家公司的协议，治理和信任度有限。进入 Linux Foundation 让它成为厂商中立的行业标准 |
④ 指令与技能 — 怎么教模型规矩
| 概念 | 时间 | 提出者 | 解决什么问题 |
|---|---|---|---|
| System Prompt | 2023 | OpenAI 等 | 没有统一的方式给模型设定角色和规则，全靠用户在对话开头手写。System Prompt 提供了一个专门的"规则槽位" |
| .cursorrules | 2024 | Cursor | 每次打开编辑器都要重新交代项目背景和代码规范。把规则写成文件放在仓库里，Agent 启动时自动读取 |
| copilot-instructions.md | 2024 | GitHub | 同上思路，GitHub Copilot 的项目级指令文件 |
| CLAUDE.md | 2025.2 | Anthropic | Claude Code 的项目级指令文件，支持多层级（全局 / 项目 / 子目录），规则可以跟着代码仓库走 |
| AGENTS.md | 2025.5 | GitHub | GitHub Copilot Agent Mode 的指令文件，可放在任意子目录，为不同模块定义不同规则 |
| Skills | 2025 | Anthropic / 社区 | 指令文件是"这个项目的规矩"，但好的工作流程（TDD、代码审查）不应该每个项目重写。Skills 是可复用的技能包 |
| Hooks | 2025 | Anthropic (Claude Code) | Skills 和指令文件管的是"怎么干"，但"干之前检查什么、干之后触发什么"没有机制。Hooks 提供生命周期回调 |
| .clinerules | 2025 | Cline | Cline 的项目级指令文件，同 .cursorrules 思路 |
| .windsurfrules | 2025 | Windsurf | Windsurf 的项目级指令文件 |
⑤ 记忆与上下文 — 模型记什么忘什么
| 概念 | 时间 | 提出者 | 解决什么问题 |
|---|---|---|---|
| RAG 产品化 | 2023 | 多家 | 模型知识有截止日期。RAG 从外部知识库检索相关内容塞进提示词，让模型能回答"训练数据里没有"的问题 |
| ChatGPT Memory | 2024.2 | OpenAI | 每次新对话都像第一次见面，记不住用户偏好和历史上下文。跨会话记忆让模型"认识你" |
| Claude Projects | 2024 | Anthropic | 单个记忆不够，项目级别的文档、代码、规范需要整体载入。项目上下文让模型"了解你的项目" |
| Prompt Caching | 2024.8 | Anthropic | 系统提示词很长且大量请求复用同一段上下文，每次都重新算太贵。缓存重复部分，省钱省时间 |
| 上下文压缩 | 2025 | Anthropic (Claude Code) | 对话越来越长，迟早撑爆窗口。五级压缩策略——从轻量裁剪到紧急摘要，按需触发 |
⑥ 多智能体 — 多个模型怎么协作
| 概念 | 时间 | 提出者 | 解决什么问题 |
|---|---|---|---|
| 角色制协作 | 2023 | CAMEL 等 | 单个模型视角单一。给多个模型分配不同角色（程序员、测试、产品经理），让它们对话协作 |
| AutoGen | 2023.9 | Microsoft | 多 Agent 对话协作需要大量胶水代码。AutoGen 提供了框架，让多个 Agent 按规则自动对话 |
| Swarm | 2024.10 | OpenAI | AutoGen 太重。Swarm 用极轻量的"交接"机制——一个 Agent 做完自己的部分，把上下文递给下一个 |
| Agentic Workflow (DAG) | 2024 | LangGraph 等 | 对话式协作容易跑偏、难以控制流程。把任务编排成 DAG（有向无环图），每个节点是一个 Agent 或工具调用 |
| Orchestrator-Worker | 2025 | OpenAI Agents SDK 等 | DAG 需要提前画好流程图，不够灵活。一个 Orchestrator 动态拆分任务、分配给多个 Worker 并行执行 |
| Sub-agent | 2025 | Anthropic (Claude Code) | 主 Agent 处理所有事情会撑爆上下文。把独立子任务派给 Sub-agent，各自有独立上下文，完成后汇报结果 |
| HITL (Human-in-the-Loop) | 2025 | 多家 | Agent 完全自主执行风险太大。在关键节点插入人工审批——Agent 提方案，人来拍板 |
| Background Agents | 2026 | Anthropic / GitHub 等 | Agent 只在你盯着的时候干活，关掉就停了。后台持续运行，完成了通知你 |
⑧ 评测与可观测 — 怎么知道做得好不好
| 概念 | 时间 | 提出者 | 解决什么问题 |
|---|---|---|---|
| SWE-bench | 2024.4 | Princeton | 评 Agent 基本靠 vibes——"感觉更好"。SWE-bench 用真实 GitHub issue 当考题，让不同 Agent 在同一套题上比分 |
| LLM-as-Judge | 2024 | 多家 | 非标准答案的任务（写文章、做设计）没法自动评分。用另一个模型来评判输出质量 |
| 可观测性平台 | 2024 | LangSmith / Langfuse 等 | Agent 跑了 50 步，中间哪步错了？没有 trace 只能看最终结果猜。全链路追踪让每一步可回溯 |
| 端到端评测体系 | 2025 | 多家 | 单步评测通过不代表整个任务能完成。端到端回放——录制完整任务流程，换模型后重跑对比 |
指令文件速查
| 文件 | 对应 Agent | 位置 |
|---|---|---|
| CLAUDE.md | Claude Code | 项目根目录 / ~/.claude/ / .claude/ |
| AGENTS.md | GitHub Copilot Agent Mode | 项目根目录 / 任意子目录 |
| .cursorrules | Cursor | 项目根目录 |
| .windsurfrules | Windsurf | 项目根目录 |
| .github/copilot-instructions.md | GitHub Copilot | .github/ 目录 |
| .clinerules | Cline | 项目根目录 |
四、结尾
三次跃迁：
管一句话 → 管一堆信息 → 管整个系统
Prompt Engineering → Context Engineering → Harness Engineering
每一次跃迁不是因为我们想升级，而是旧的管法扛不住新的复杂度。
下次看到一个 Agent 领域的新概念，先问两个问题：
- 它解决的是哪个维度的问题？ （推理？行动？协议？记忆？管理？评测？）
- 它属于哪个管理时代？ （在优化一句提示词？在设计上下文系统？还是在建治理体系？）
能回答这两个问题，你就不会被名词淹没。
