从一次调用到一套"操作系统"，Agent 是怎么长出来的？

最近读到一篇文章，把 Agent 这几年的演化过程讲得特别清楚。

故事的起点很简单。最早的大语言模型就是一个函数：你丢一段话进去，它吐一段话出来。它不记得你上一轮说了什么，也不知道自己输出的东西有没有被执行。就这么一个纯粹的文本生成器。

后来 ChatGPT 出现了，大家开始聊多轮对话。但模型本身并没有突然学会记东西，是外面的程序在每次请求之前，把系统指令、聊天记录、用户输入重新拼好塞进去。模型看见的一切，都是运行时帮它组装出来的。这个发现很关键，后面所有的事情都建立在这一点上。

接下来模型遇到了第一个瓶颈：它只能说，不能做。于是 2022 年出现了 ReAct 这个思路，让模型想一步、做一步、看一眼结果、再想下一步，形成一个循环。真正让 Agent 跟普通聊天机器人分开的，就是这个循环。模型还是只会生成文字，但外面套了一层程序，负责解析它的输出、调用工具、把结果喂回去。

工具调用一开始很粗糙，模型输出一段类似命令的文字，程序用正则去解析，经常出错。后来 OpenAI 搞了结构化的 Function Calling，工具有了明确的名字和参数格式，调用变得靠谱多了。再后来 Anthropic 推出 MCP 协议，想把 Agent 跟外部世界的连接方式统一起来。

然后是记忆的问题。一个任务做完了，下次再来，Agent 什么都不记得。上下文窗口就那么大，历史越来越长根本塞不下。所以系统把记忆分成了两块：一块是这一轮模型能看到的工作记忆，另一块是存在外面、需要的时候检索出来的长期记忆。什么该存、什么该丢、冲突了怎么办，这些问题到现在都还在摸索。

到这一步，上下文、循环、工具、记忆都有了。但真要干活，一堆新问题冒出来了。程序崩了怎么恢复？模型要删文件谁来拦？多个客户端怎么看到同一个任务状态？于是 Agent 外面又长出了一层更大的东西，这个东西就是 Harness。Agent 负责决定下一步做什么，Harness 负责管住这一步在什么条件下发生。

文章拿了四个项目来对比。先说 Pi，它走极简路线，只给模型四个工具，上下文压得很紧，结果任务完成率高、成本还低，同一个模型换了它的 Harness，花的钱能差两倍以上。然后是 OpenCode，它把每一轮回复拆成很多细碎的事件，推理、工具调用、文件修改都单独记录，程序退出了也能恢复现场。再看 Codex，它最重，搞了审批、沙箱、线程管理，一个任务可以中断、恢复、分叉出子任务，安全但成本也最高。最后是 Hermes，它关心的是下一次，Agent 做完一个任务之后能不能从中学到东西，下次少走弯路。

这四个项目没有标准答案。Pi 要的是轻，OpenCode 要的是可审计，Codex 要的是安全可控，Hermes 要的是越用越聪明。选哪条路，取决于你的 Agent 最终要进入什么样的真实环境。

模型会继续变强，但外面这层 Harness 不会消失。模型越能干，管它的那套系统就越不能马虎。