Agent六大工程要素对比与架构选型指南
作者:蛮不讲李2026.11.16 10:50浏览量:1简介:Token、Skill、RAG、MCP、SDD与Harness解决的并不是同一个问题,也不能相互替代。本文以订单优惠券核销开发为例,对比六类要素在上下文管理、任务复用、知识检索、工具接入、规格约束和执行治理上的职责、成本与边界,帮助技术团队定位交付瓶颈,制定从演示验证走向可靠交付的建设路径。
一、先明确对比对象:六类要素,而不是六种替代方案
本文对比的是Agent工程中的六类要素:Token、Skill、RAG、MCP、SDD与Harness。比较它们的目的,不是评出谁更先进,而是回答三个问题:各自负责什么,哪些能力不能互相替代,以及项目当前应该优先建设哪一部分。
它们甚至不属于同一抽象层级:
- Token是模型处理文本等内容时使用的基本计量单位。对Agent而言,更重要的是由上下文窗口形成的信息容量约束。
- Skill在本文中指可复用的任务指引、步骤、资源及必要脚本的组织方式。不同实现对它的定义与执行机制并不完全一致。
- RAG即检索增强生成,负责从外部知识中检索相关材料,并将其作为生成依据。
- MCP即模型上下文协议,用于规范模型应用与外部工具、资源等能力之间的交互。
- SDD在本文中指规格驱动开发,即先明确需求、边界与验收条件,再据此组织实现和验证。
- Harness指围绕模型运行构建的执行与治理框架,包括状态管理、工具调度、权限约束、验证、恢复及可观测性等机制。
因此,将六者理解为一条严格串行的技术栈并不准确。更合理的认识是:它们是彼此配合的工程约束,其中Harness负责组织执行,而其他要素分别提供信息、流程、知识、连接与目标约束。
二、为什么演示能成功,真实仓库却容易失控
假设用户提出:“给订单模块增加优惠券核销能力。”
演示环境通常只包含少量文件,接口文档完整,工具权限稳定,任务边界也由演示者提前限定。模型能够在有限上下文中完成代码阅读、修改与测试,看起来已经具备交付能力。
真实仓库则不同。Agent可能需要同时处理订单状态、优惠券接口、身份校验、事务边界、异常恢复与历史兼容问题。此时,“能生成代码”与“能交付变更”之间会出现明显差距:
- 阅读材料越来越多,关键约束被无关日志和重复文件挤占。
- 检索到接口说明,却没有把幂等要求落实到实现中。
- 工具调用被拒绝,仍依据不完整信息继续修改。
- 将“核销”自行扩展成退款、撤销和补偿流程。
- 测试通过,但测试并未覆盖真正的业务验收条件。
这些失败不是同一种问题。扩大上下文可能缓解信息不足,却无法直接解决越权执行;增加检索也不能替代需求确认。正确的建设顺序,应由失败类型决定,而不是由概念热度决定。
三、六类要素的共同目标与核心差异
它们的共同目标是减少不确定性,但约束的位置不同。
| 要素 | 核心问题 | 主要载体 | 主要成本 | 不能替代什么 |
|---|---|---|---|---|
| Token与上下文管理 | 当前推理需要看哪些信息 | 指令、代码、历史、工具结果 | 推理费用、延迟、信息筛选成本 | 不能替代权限、规格与执行校验 |
| Skill | 重复任务应按什么方法做 | 指引、模板、资源、脚本 | 编写、版本维护、适用性验证 | 不能保证外部知识最新 |
| RAG | 缺少的事实从哪里补齐 | 文档索引、检索结果、来源信息 | 索引更新、检索、重排与评测 | 不能自动保证事实被正确执行 |
| MCP | 如何规范接入外部能力 | 协议交互、工具和资源描述 | 接入适配、认证与服务运维 | 不能天然保证安全与业务正确性 |
| SDD | 什么才算完成需求 | 规格、边界、验收条件 | 需求澄清、评审与变更管理 | 不能代替实现和真实测试 |
| Harness | 如何持续、可控地完成任务 | 状态机、策略、日志、检查点 | 调度开发、隔离、监控与维护 | 不能弥补所有模型能力不足 |
表中的差异意味着:同一现象可能涉及多个环节。例如“遗漏幂等键”,既可能是检索未找到正确文档,也可能是上下文裁剪丢失要求,还可能是验收流程缺少相应检查。不能只看最终错误,就直接认定需要更大的模型。
rag-">四、Token与RAG:可见信息容量,不等于知识获取能力
1. 扩大上下文与按需检索的区别
扩大上下文窗口,是让模型一次容纳更多材料;RAG则是在外部信息集合中选择与当前任务相关的材料。前者侧重容量,后者侧重定位。
当任务涉及少量关联文件时,直接提供完整上下文通常更简单,也能减少检索遗漏。当仓库、文档和日志规模持续增长时,全部塞入上下文会增加成本,并让关键证据更难被关注。
同时,上下文窗口更大不意味着模型一定更准确。材料冲突、重复信息、过时文档和长距离依赖,都会影响使用效果。
2. RAG的优势与边界
RAG适合接口文档、内部规范、历史设计记录等外部知识获取,但检索命中不代表最终答案正确。常见问题包括:
- 检索结果属于旧版本接口;
- 文档片段缺少前置条件或例外说明;
- 调用方无权访问的内容被错误检索;
- 找到约束,却未将其转化为代码和测试。
因此,检索结果应尽量保留来源、版本和适用范围。权限过滤也应贯穿检索链路,而不是等内容进入模型后再依赖提示词保密。
3. 如何选择
小范围、材料稳定的修改,可优先采用明确文件清单和精简上下文。大型仓库或文档频繁变化的系统,则更适合“按需检索+关键约束常驻”。
例如,优惠券核销的接口说明可以通过检索获取,但“必须携带幂等键”“本次不处理退款”应进入任务状态与验收清单,不能仅依赖历史对话保留。
五、Skill与SDD:可复用的方法,不等于本次任务的规格
Skill与SDD都能减少随意生成,但它们约束的对象不同。
1. Skill描述怎么做
一个“新增业务接口”的Skill,可以要求Agent依次完成:
- 阅读现有模块的接口与错误处理习惯;
- 确认输入校验和身份校验;
- 检查幂等、事务与超时处理;
- 补充成功、失败、重复请求等测试;
- 输出变更摘要和风险说明。
它适合重复性较高、团队规范明确的工作。收益来自复用成熟方法,而不是每次重新组织提示词。
但Skill也会过时。若团队已经调整错误码约定,旧Skill仍可能稳定地产生错误实现。因此,Skill应有适用范围、维护责任和版本记录;涉及脚本时,还需要独立的执行权限与隔离措施。
2. SDD描述这次交付什么
本次优惠券核销任务的规格,则应明确:
- 核销发生在订单的哪个状态;
- 幂等键如何生成、传递和保存;
- 重复请求返回什么结果;
- 外部接口超时时如何表达业务状态;
- 本次是否包含退款和撤销;
- 哪些条件必须通过验收。
Skill可以提醒“需要确认幂等策略”,但不能凭空决定当前业务的幂等语义。
3. 如何组合
Skill提供通用检查框架,SDD填充本次任务的具体约束。对于低风险、范围明确的小修改,规格可以很轻量;对于订单、支付和权限等高影响变更,应在写代码前明确关键状态与失败路径。
规格也不必一次性覆盖所有细节。发现需求冲突时,应回到澄清和评审,而不是让Agent自行补齐业务规则。
六、MCP与直接工具接入:统一交互,不等于安全保障
Agent既可以通过应用内的直接调用访问工具,也可以通过MCP组织外部工具与资源接入。
| 维度 | 直接工具接入 | 基于MCP接入 |
|---|---|---|
| 初期接入 | 少量固定工具时通常较直接 | 需要理解协议与服务接入方式 |
| 接口复用 | 容易与当前应用耦合 | 有利于按共同协议组织能力 |
| 变更影响 | 定制逻辑可能分散在应用内部 | 仍需管理协议、工具描述与兼容性 |
| 安全责任 | 应用自行实现 | 同样需要认证、授权、隔离与审计 |
| 适用情况 | 工具少、边界固定 | 外部能力较多、需要复用接入方式 |
MCP解决的是交互标准化问题,不是“连接之后就安全”。能发现一个工具,不等于有权调用;调用成功,也不代表结果可以无条件信任。
对于代码变更助手,读取代码、运行测试、修改文件、提交变更应采用不同权限。生产写入、敏感数据读取和高影响操作,应配置更严格的授权与审批。
当核销接口文档读取被拒绝时,正确行为是记录阻塞并请求授权或替代证据,而不是根据猜测继续开发。
七、Harness与简单循环:真正差在失败处理能力
简单Agent循环通常是“模型判断—调用工具—读取结果—继续判断”。它能证明任务可被完成,却未必能控制失败之后的行为。
Harness应把隐含行为转化为显式运行机制:
- 状态管理:区分待澄清、执行中、验证中、阻塞和待审批等状态。
- 预算管理:限制运行时长、工具调用次数和上下文消耗。
- 错误分类:区分临时故障、权限拒绝、输入错误和业务冲突。
- 恢复机制:保存检查点,避免恢复后重复执行有副作用的操作。
- 验证门禁:检查变更范围、测试结果和关键规格是否满足。
- 可观测性:记录证据来源、修改过程、调用结果和人工介入原因。
其中,重试尤其需要谨慎。查询操作通常较容易重试,写入操作则需要结合幂等性和实际执行状态判断。超时只说明没有及时收到响应,不代表操作一定未发生。
Harness也不能保证绝对正确。它的价值在于限制失败范围、保留证据,并让系统在无法判断时停止,而不是持续扩大错误。
八、把六类要素放进同一个开发流程
一个较稳妥的优惠券核销流程可以是:
接收需求→ 明确范围、非目标与验收条件→ 加载适用任务指引→ 检索代码与接口证据→ 整理当前上下文和待确认事项→ 检查工具权限与执行环境→ 生成并审核实施计划→ 分步修改→ 运行测试及规格检查→ 汇总证据、风险与未完成项→ 提交人工评审
对应关系是:SDD明确目标,Skill提供方法,RAG补充事实,MCP可用于规范外部接入,上下文管理控制当前信息,而Harness负责状态推进和异常处置。
例如,核销接口出现权限错误后,执行框架应将任务置为阻塞状态;若接口文档与现有实现冲突,应保留双方证据并请求确认;若测试只覆盖成功路径,则不能据此宣称幂等要求已经满足。
九、如何按场景决定建设优先级
场景一:少量文件的低风险修改
优先保证明确指令、最小权限、基础测试和简洁上下文。不必为了架构完整而立即建设复杂检索系统,但应保留运行记录与人工评审。
场景二:大型仓库的跨模块变更
优先建设代码定位、文档检索、任务状态保存和分阶段验证。此时主要瓶颈常常不是单次生成能力,而是信息筛选和跨步骤约束保持。
场景三:高影响业务功能
优先加强规格、权限、隔离环境、幂等设计与验收门禁。自动化程度应服从风险边界,而不是追求无人介入。
场景四:团队长期重复执行类似任务
优先沉淀Skill与评测样本,并监控其随代码规范变化而发生的退化。复用收益越高,版本管理和维护责任越重要。
十、迁移成本与效果评估:不要只计算推理费用
从演示脚本迁移到工程化Agent,成本主要来自知识治理、流程改造和运行治理。
知识治理需要清理过时文档、建立版本关系和访问边界;流程改造需要把口头要求转化为可验收规格;运行治理需要补充日志、隔离、恢复与权限策略。接入方式变化时,还应验证工具描述、结果格式、错误语义和身份传递是否兼容,不能只检查接口是否连通。
评估效果也应超出“是否生成代码”:
- 关键约束遗漏率;
- 检索证据与任务的相关性;
- 权限错误后是否正确停止;
- 非预期修改范围;
- 任务完成耗时与资源消耗;
- 人工返工量和最终验收情况;
- 相似任务多次运行的一致性。
扩大上下文、增加检索和强化验证都可能增加单次成本,但也可能降低返工。应结合任务风险和完整交付成本判断,而不是只比较一次调用的开销。
结语:选型的关键,是识别约束缺口
Token、Skill、RAG、MCP、SDD与Harness不是相互替代的六种方案,而是解决不同约束的工程要素。
信息装不下,先检查上下文组织;事实找不到,建设检索;重复任务做法不一致,沉淀Skill;外部接入分散,评估协议化连接;需求不断被脑补,补充规格;失败后仍继续推进,则应完善执行治理。
可靠Agent的目标不是尽可能多地自主行动,而是在证据充分、权限明确、规格可验收的范围内推进,并在条件不足时能够及时停止。只有把这些边界落实到系统机制中,生成出来的代码才更有机会成为真正可接受的工程交付。

登录后可评论,请前往 登录 或 注册