发布 167 个 AI Agent Harness 排名列表及工具

Best-of-Agent-Harnesses 是一个持续更新的开源清单，收录 167 个 AI agent harness、编排框架和相关技术，按与 harness 相关性和 GitHub stars/活跃度每周重排。它把 harness 定义为模型之外决定工具、审批、上下文、崩溃恢复和运行生命周期的运行时层，并提供可搜索站点、模板、playbook、harnesses.json、llms.txt 和一个可供 agent 调用的 MCP server。 材料给出的关键证据是同一模型换不同 harness 会显著改变成绩：在 SWE-bench Pro 相关分析中，GLM-5.2 的 pass@1 从 23% 到 52%，Gemma 4 26B 从 15% 到 36%；不同模型间的 harness 排名相关性约为 -0.05。材料还称一个裸前沿模型在 ARC-AGI-3 上约 30%，而 Prime Agent 的 harness 将 Opus 5 提升到 95.5%。这些数字被用来支持“harness 选择必须随模型和任务重新评估”的判断。 清单将项目分为编码代理产品、个人代理运行时、框架、多代理编排、MCP/插件、记忆层、评测和可观测性等类别，并标注 headless、durable、开源许可、复杂度等工程属性。事实是该项目提供了机器可读接口和推荐工具；推断是它试图把 agent 选型从静态榜单转向“模型—任务—harness”配对；猜测是若这些基准可复现，harness 工程可能比单纯升级模型更能影响长任务交付质量。