pydantic/pydantic-ai-harness
Batteries for your Pydantic AI agent.
TL;DR
Pydantic AI Harness 是一个插件式 capabilities 库，可将 Pydantic AI 代理转变为一个功能齐全的自主工作器。它捆绑了文件系统访问、Shell 命令、网络搜索、记忆、规划、子代理、安全防护、持久执行以及许多 SaaS 集成等工具。您可以组合所需的组件（例如现成的 Coder harness），并将其放入 Agent 的 capabilities 列表中。
功能
- 提供 50 多种 capabilities 目录 – 每个都是自包含单元（工具、记忆存储、防护等），可添加到任何
pydantic_ai.Agent。 - 现成的 harness 包括：
- Coder – 文件编辑、持久 Shell、委派和自主编码工作流。
- Researcher – 网络搜索、页面抓取、子研究员委派。
- 执行环境辅助工具：安全的文件系统访问、沙盒 Shell、可选的 Modal 云沙盒。
- 工具集成：通过 MCP 或托管 API 集成 GitHub、Linear、Notion、Google Workspace、Slack 以及许多其他 SaaS 服务。
- 网络与研究工具：DuckDuckGo 备用搜索、Exa、You.com、Playwright 浏览器控制等。
- 规划与编排 – 模型拥有的任务计划、子代理、动态工作流、后台并发工具。
- 上下文管理 – 压缩、工具输出限制、代码模式执行、滑动窗口修剪。
- 记忆与知识 – 持久笔记本、对话搜索、按需技能加载、仓库上下文提示。
- 安全与控制 – 护栏、提示注入防御、成本限制、人工参与工具批准、轨迹评判。
- 自我扩展 – 代理可以在运行期间生成并持久化新的 capabilities。
- 持久执行 – 通过 Temporal、DBOS、Prefect、Airflow 等在重启后继续运行；AWS Lambda 检查点；步骤持久化后端。
- 可观察性 – OpenTelemetry 跨度、Logfire 集成、托管提示。
适用对象
- 构建需要长时间运行的自主代理的开发者（例如修复代码库、研究主题），需要强大的工具、记忆和安全性。
- 希望组合自定义 AI 代理栈而不编写底层管道的团队 – 只需导入所需的 capabilities。
- 需要持久、可观察且成本受控的运维/生产团队。
快速开始
# 使用 uv（推荐）
uv add "pydantic-ai-harness[anthropic]"
# 或使用 pip
pip install "pydantic-ai-harness[anthropic]"
from pydantic_ai import Agent
from pydantic_ai_harness import Coder
agent = Agent('anthropic:claude-fable-5', capabilities=[Coder()])
result = agent.run_sync('Fix the bug in tests/test_parser.py')
print(result.output)
如需完整的命令行体验：
uvx --with "pydantic-ai-harness[coder]" clai -a pydantic_ai_harness.coder:coder_agent -m anthropic:claude-fable-5
根据需要添加更多 capabilities，例如记忆或网络搜索：
from pydantic_ai.capabilities import WebSearch
from pydantic_ai_harness.memory import FileStore
from pydantic_ai_harness import Memory
agent = Agent(
'openai:gpt-5.6-sol',
capabilities=[Coder(), WebSearch(), Memory(FileStore('.agent-memory'))],
)
内部构成（精选亮点）
| 类别 | 示例 capability | 核心思想 |
|---|---|---|
| Harness | Coder, Researcher |
可直接放入的预构建栈。 |
| 文件系统 | FileSystem |
在根目录下安全读/写/列表，可选 ripgrep。 |
| Shell | Shell |
使用允许/拒绝列表、超时、持久状态执行命令。 |
| SaaS 集成 | GitHub, Slack, Notion, Linear … |
通过 MCP 或托管服务器进行直接 API 级访问。 |
| 网络 | WebSearch, Exa, Playwright |
搜索网络、抓取页面、驱动真实浏览器。 |
| 规划 | Planning |
带实时提醒的模型拥有的任务计划。 |
| 记忆 | Memory (FileStore, Postgres 等) |
跨运行的持久、可搜索笔记本。 |
| 安全 | Guardrails, PromptInjectionDefender, Spend |
验证输入/输出、强制成本限制、阻止有风险的工具结果。 |
| 持久性 | Durable execution, Step Persistence, AWS Lambda durability |
检查点运行、应对重启、集成工作流引擎。 |
| 可观察性 | Instrumentation, Logfire MCP |
OpenTelemetry 跨度、Logfire 跟踪。 |
为何重要
Pydantic AI 已经提供了类型化代理循环和工具调用支持。Pydantic AI Harness 将其转变为一个生产就绪的平台：您可以构建能够编辑代码、浏览网络、与 SaaS 工具交互、记住过去工作、保持在预算内，并在进程崩溃后继续运行的代理。所有组件都是模块化、类型化且文档化的，让您可以从现成的 harness 开始，然后拆卸或替换单个 capabilities 以适应您的确切用例。
链接与资源
- 文档： https://pydantic.dev/docs/ai/harness
- GitHub 仓库（已归档）： https://github.com/pydantic/pydantic-ai-harness
- 主 Pydantic AI 仓库： https://github.com/pydantic/pydantic-ai
- PyPI 包： https://pypi.org/project/pydantic-ai-harness/
- Slack 社区： https://logfire.pydantic.dev/docs/join-slack/
以上所有信息均直接取自仓库的 README；未推断任何附加功能。
相关
- 项目
- 项目
- 项目
- 项目
- 项目