摘要：DeepSeek Harness 开源后，Agent 竞争从模型层转到执行层。本文拆解“一切皆插件”的设计，并用 Spring AI 2.0 的 @Tool + ChatClient 和 AgentScope Java 2.0 的 HarnessAgent 说明 Java 后端如何入局 Agent 开发。

一、Agent 真正卡住的地方，不是模型不够聪明

很多 Java 后端第一次做 Agent，会先把希望压在“换一个更强的模型”上。实际动手之后会发现，模型给出一段“我想调用工具”的指令之后，下面这些工程问题才真正难：

• 谁来解析工具调用请求；
• 谁来执行工具，并把结果回传；
• 谁来决定什么时候停止循环；
• 上下文、工具结果、会话历史怎么保存；
• 工具多了以后，怎么控制 Token 和准确率。

2026 年 8 月 13 日，DeepSeek 开源 DeepSeek Harness，到 8 月 18 日 GitHub Star 已超过 15 万。这个热度说明，行业竞争的重点已经不在“谁家模型多强”，而在“谁家的 Agent 执行层更好用”。

二、核心公式：模型 + Harness = Agent

Agent 可以拆成两层：

模型 + Harness = Agent

模型负责推理，Harness 负责模型之外的所有工程活：工具调用、任务规划、执行调度、上下文、存储、沙箱和循环。

DeepSeek Harness 不是又一个聊天模型，而是想成为 Agent 的底盘。

三、DeepSeek Harness 拆解：一切皆插件

DeepSeek Harness（dsh）由 DeepSeek AI 开源，官方设计是：

Everything is a plugin，一切皆插件。

底层由 Cordis 驱动。Cordis 是一个只负责插件加载、卸载和依赖管理的微内核，本身不携带任何 Agent 能力。模型、工具、技能、会话、存储、调度，甚至 Agent 主循环本身，都是插件。

这样做的好处是：

• 不绑定某一家模型；
• 不绑定某一种工具协议；
• 换向量库、执行环境或 Agent 循环，不需要重写整个项目。

快速体验：

npx @deepseek-ai/dsh web

默认启动在 http://127.0.0.1:3080。

注意，DeepSeek Harness 目前是 developer preview，官方明确说明会有破坏性变更。现阶段更适合学习它的抽象思路，不建议直接上生产。

四、把 Agent 拆成三个零件

无论框架怎么变，基础 Agent 都绕不开三块：

零件	解决的问题	DeepSeek Harness 的做法
模型插件	谁负责推理	模型也被当成插件接入
工具插件	谁负责查数据、执行动作	工具统一注册，Agent 按需调用
Agent 循环	模型和工具之间怎么往复	循环本身可替换

记住这三块，后面看 Spring AI、LangGraph、AgentScope，都能用同一套视角去套。

五、Java 后端入局：Spring AI 2.0 Tool Calling

Java 后端最自然的第一步，不是从零学 Python 的 LangGraph，而是先看 Spring AI 2.0 的 Tool Calling。

环境：JDK 17+，Spring AI 2.0.0。

定义一个工具：

@Component
public class WeatherTools {

    @Tool(description = "查询指定城市天气")
    public String getWeather(String city) {
        return weatherService.fetch(city);
    }
}

在 ChatClient 里带上工具：

String answer = ChatClient.create(chatModel)
        .prompt("北京现在天气怎么样？")
        .tools(new WeatherTools())
        .call()
        .content();

这里的关键不是 @Tool，而是 ToolCallingAdvisor。Spring AI 2.0 把工具调用循环从模型内部提出来，变成一个可组合的 Advisor：

1. 模型先返回“调用 getWeather，city=北京”；
2. ToolCallingManager 找到并执行对应 Java 方法；
3. 工具结果写回上下文，再发给模型；
4. 模型继续回答，直到不再请求工具。

依赖管理：

<dependencyManagement>
  <dependencies>
    <dependency>
      <groupId>org.springframework.ai</groupId>
      <artifactId>spring-ai-bom</artifactId>
      <version>2.0.0</version>
      <type>pom</type>
      <scope>import</scope>
    </dependency>
  </dependencies>
</dependencyManagement>

<dependency>
  <groupId>org.springframework.ai</groupId>
  <artifactId>spring-ai-starter-model-openai</artifactId>
</dependency>

如果工具超过几十个，还可以用 ToolSearchToolCallingAdvisor 做渐进式工具发现，避免每次都把所有工具定义塞进上下文。

六、生产级 Java Agent：AgentScope Java 2.0

@Tool + ChatClient 适合入门和理解工具调用循环。如果项目需要长期记忆、工作区、沙箱、子 Agent、权限和可恢复会话，可以看阿里开源的 AgentScope Java 2.0。

核心入口是 HarnessAgent：

var agent = HarnessAgent.builder()
        .name("coder")
        .model("dashscope:qwen-max")
        .workspace(Paths.get(".agentscope/workspace"))
        .filesystem(new DockerFilesystemSpec()
                .isolationScope(IsolationScope.USER))
        .build();

agent.call(msg, RuntimeContext.builder()
        .sessionId("demo")
        .userId("alice")
        .build())
        .block();

这个 builder 把工作区、长期记忆、会话持久化、子 Agent、沙箱和技能打包在一起。它要求 JDK 17+，可以和 Spring Boot、Quarkus 一起用。

七、三框架对号入座

维度	DeepSeek Harness	Spring AI 2.0	AgentScope Java 2.0
生态	Node/TypeScript，插件化	Java/Spring Boot	Java，框架无关
核心抽象	Cordis 微内核 + 插件	Advisor 链 + ToolCallback	HarnessAgent + Middleware/Toolkit
适合场景	快速实验、插件生态、避免锁定	Spring 项目接入 AI、工具调用入门	企业级、分布式、长期运行
上手成本	低，但概念较新	对 Java 开发者最友好	中，工程能力更完整

选型不是比谁更高级，而是看你处在哪一层：

• 课设、Demo、Spring Boot 项目接 AI：Spring AI 2.0；
• 企业级、分布式、长期运行的 Java Agent：AgentScope Java 2.0；
• 想研究插件化 Agent 平台：DeepSeek Harness。

八、常见问题

Q1：DeepSeek Harness 是不是只能配 DeepSeek 模型？

不是。它的核心是“一切皆插件”，模型也作为插件接入。可以理解为一个可组合的 Agent 执行环境。

Q2：Java 后端是不是必须转到 Python 才能做 Agent？

不是。Spring AI 2.0 和 AgentScope Java 都已经提供 Java 原生的工具调用和 Agent 能力，Java 后端完全可以从现有技术栈切入。

Q3：Spring AI 2.0 的 Tool Calling 和 1.x 有什么本质区别？

1.x 的工具循环埋在 ChatModel 内部，无法观察和组合。2.0 把循环提到 Advisor 链里，方便接入记忆、可观测性、MCP 工具和自定义循环。

Q4：DeepSeek Harness 现在能直接上生产吗？

不建议。官方已经说明是 developer preview，会有破坏性变更，适合学习和实验。

九、总结

Agent 开发现在卷的不是“谁家模型多强”，而是“谁能把模型之外的执行层做得更好”。

给 Java 后端的最短路径是：

先跑通 Spring AI 2.0 的 @Tool + ChatClient
再理解 DeepSeek Harness 的“一切皆插件”
需要生产级能力时，再看 AgentScope Java 2.0 的 HarnessAgent

一句话：模型是发动机，Harness 是底盘；现在大家开始卷底盘了。

建议先把 Spring AI 的例子跑一遍，再回来读 DeepSeek Harness，很多新名词会自然串起来。