企业官网建设流程全解析

（四）比LangChain更优雅？DeepSeek Harness的插件化Agent设计

项目地址：https://github.com/deepseek-ai/deepseek-harness
⭐ 88,000+ Stars | MIT License | 语言：TypeScript

开篇：当LangChain还在"链式调用"时，Harness已经"插件化"了

如果你用过LangChain，一定熟悉这样的代码：

fromlangchainimportOpenAI,LLMChain,PromptTemplatefromlangchain.chainsimportSimpleSequentialChain# 定义链llm=OpenAI(temperature=0.7)template=PromptTemplate(...)chain=LLMChain(llm=llm,prompt=template)# 串起来overall_chain=SimpleSequentialChain(chains=[chain1,chain2,chain3])result=overall_chain.run(input)

链式调用——这是LangChain的核心抽象。但问题是：一旦业务复杂起来，链会变成一团乱麻。你想替换其中一个环节？可能要重写整个链。

DeepSeek Harness的做法完全不同：没有链，只有插件。

一、两种设计哲学的根本差异

1.1 LangChain：链式组合

Input → [Prompt] → [LLM] → [OutputParser] → [Tool] → Output ↑___________链式调用_____________↑

特点：

• 组件通过"链"硬编码组合
• 数据流向固定
• 扩展需要继承/重写Chain类

1.2 Harness：插件化事件驱动

Event: turn/start ↓ Plugin A (拦截/修改) ↓ Plugin B (处理) ↓ Event: turn/end

特点：

• 组件通过"事件"松耦合
• 数据流由事件驱动，动态可配
• 扩展只需注册新插件

二、Harness插件系统的三大核心机制

2.1 Context（上下文）：插件的"共享内存"

Harness中，插件不直接调用彼此，而是通过Context交换数据：

// 插件A提供服务ctx.provide('llm',newDeepSeekAdapter())// 插件B消费服务constllm=ctx.inject('llm')

对比LangChain：

• LangChain：组件直接实例化依赖，new Chain(dependency)
• Harness：依赖通过Context注入，运行时动态绑定

2.2 Lifecycle（生命周期）：插件的"出生到死亡"

Harness的每个插件都有完整的生命周期：

exportdefaultclassMyPluginextendsService{asyncsetup(){// 初始化：注册事件监听、分配资源this.ctx.on('turn/start',this.handleTurnStart)}asyncstart(){// 启动：开始处理业务}asyncstop(){// 停止：清理资源this.ctx.off('turn/start',this.handleTurnStart)}asyncdispose(){// 销毁：完全释放}}

关键能力：

• 热加载：scope.plugin(MyPlugin)立即生效
• 热卸载：scope.dispose()完全清理，无内存泄漏
• 可逆性：卸载后状态回到加载前

对比LangChain：

• LangChain：链一旦构建，无法动态增删组件
• Harness：运行时随时插拔插件

2.3 Event（事件）：插件的"通信协议"

Harness使用事件总线实现插件间通信：

// 发布事件ctx.emit('agent/message',{role:'user',content:'Hello'})// 订阅事件ctx.on('agent/message',async(msg)=>{console.log('收到消息:',msg.content)})

四种事件模式：

waterfall是Harness的杀手锏：

// 拦截并修改LLM请求ctx.on('llm/request',async(request,next)=>{// 修改请求参数request.temperature=0.5// 继续传播（或调用next()）returnnext(request)})

对比LangChain：

• LangChain：通过回调函数（callbacks）实现拦截，但只能观察不能修改
• Harness：waterfall事件允许完全拦截和修改数据流

三、实战对比：实现一个"日志记录"功能

3.1 LangChain方式

fromlangchain.callbacksimportBaseCallbackHandlerclassLoggingHandler(BaseCallbackHandler):defon_llm_start(self,serialized,prompts,**kwargs):print(f"[LOG] LLM调用开始:{prompts}")defon_llm_end(self,response,**kwargs):print(f"[LOG] LLM调用结束:{response}")# 使用：每个Chain都要手动传入chain=LLMChain(llm=llm,prompt=prompt,callbacks=[LoggingHandler()]# ← 每个链都要加)

问题：

• 每个Chain都要手动注入callback
• 无法修改数据，只能观察
• 回调顺序不可控

3.2 Harness方式

exportdefaultclassLoggingPluginextendsService{setup(){// 拦截LLM请求事件this.ctx.on('llm/request',async(req,next)=>{console.log('[LOG] LLM请求:',req.messages)returnnext(req)// 继续执行})// 拦截LLM响应事件this.ctx.on('llm/response',async(res)=>{console.log('[LOG] LLM响应:',res.content)})}}// 使用：注册一次，全局生效ctx.plugin(LoggingPlugin)

优势：

• 注册一次，所有Agent生效
• 可以修改请求/响应
• 通过事件优先级控制顺序

四、Harness插件的"超能力"：Seam交换

这是Harness独有的设计——能力边界（Capability Seam）。

4.1 什么是Seam？

想象你在开发一个Agent，需要执行Shell命令：

// 默认：本地执行ctx.provide('shell',newLocalShellProvider())

现在你想把Agent部署到云端，但又不想改代码。Harness的做法：

// 换成云端执行，其他代码完全不变ctx.provide('shell',newE2BCloudProvider())

Seam的三角色：

1. Service Definition：接口定义（interface IShell）
2. Provider：实现者（LocalShellProvider、E2BCloudProvider）
3. Consumer：使用者（BashTool、FileEditor等）

4.2 对比LangChain的"工具替换"

LangChain中替换工具：

# 原来tools=[ShellTool(),FileTool()]# 改成云端：需要重写每个ToolclassCloudShellTool(BaseTool):def_run(self,command):returncall_e2b_api(command)# 每个工具都要改tools=[CloudShellTool(),CloudFileTool()]

Harness中替换：

// 只需要换Provider，所有Consumer自动切换ctx.provide('shell',newE2BProvider())// 一行代码

这就是"优雅"的差距。

五、性能对比：谁更快？

结论：

• 简单场景：LangChain更快
• 复杂/动态场景：Harness架构更优

六、什么时候选LangChain？什么时候选Harness？

选LangChain，如果你：

• 快速原型验证
• 团队熟悉Python
• 需求相对固定
• 不想引入运行时复杂度

选Harness，如果你：

• 需要高度可扩展
• 需求经常变化
• 想构建"Agent平台"而非单个Agent
• 需要热加载/热卸载能力
• 重视代码可维护性

七、Harness插件开发实战

7.1 最小插件示例

// plugins/hello.tsimport{Service,Context}from'cordis'exportdefaultclassHelloPluginextendsService{constructor(ctx:Context){super(ctx,'hello')}asyncsetup(){// 注册一个命令this.ctx.command('hello').action(()=>'Hello from plugin!')}}

7.2 插件配置

# cordis.patch.ymlplugins:hello:# 插件配置greeting:'Hi there!'

7.3 加载插件

npx @deepseek-ai/dsh web--patch./cordis.patch.yml

结语：插件化是Agent框架的未来吗？

LangChain的链式调用是命令式编程——你告诉计算机"先做这个，再做那个"。

Harness的插件化事件驱动是声明式编程——你定义"当这个发生时，做那个"，具体怎么流转，由框架决定。

在简单场景下，命令式更直观。但在复杂场景下，声明式的可组合性、可扩展性、可维护性优势明显。

DeepSeek Harness用88K Stars证明：插件化不是过度设计，而是Agent框架的进化方向。

下一篇预告：

（五）DeepSeek Harness来了！一个让你自己「拼」出AI Agent的开源神器

我们将进入实战环节，手把手教你用Harness搭建第一个Agent。

本文是「DeepSeek Harness源码分析」系列第4篇，系列共100篇，涵盖架构、源码、实战全流程。