《AI Agent 架构设计与工程实践指南》是一部聚焦现代 AI Agent 系统架构、运行机制与工程实践的技术书籍，本书目前正在持续编写中。

本书从应用架构与系统工程的视角出发，希望建立一套系统的方法，帮助读者理解 AI Agent 如何从简单的 LLM 应用，逐步演进为可靠、可扩展、可控，并能够真正运行于生产环境和企业环境中的软件系统。

本书提出一个核心架构观点：

Agent = LLM + Harness

其中，LLM提供推理、理解与生成能力；而 Harness 则负责让 Agent 真正能够工作，并使其变得可控、可扩展、可观测。

Harness 所包含的工程能力包括：

• Context Management：上下文管理
• Tool Execution：工具执行
• Permission：权限控制
• State & Persistence：状态与持久化
• Observability：可观测性
• Execution Control：执行控制
• Extensibility：扩展能力
• Multi-Agent Coordination：多 Agent 协同

本书从 LLM 基础和 Agent Loop 开始，逐步深入 Agent Harness 架构、Claude Code 这一典型 Coding Agent、Mini Claude Code 的设计与实现、生产级 Agent 系统，以及企业级 Agent 平台。

最终目标并不是简单地理解某一个 Agent 产品，而是从这些系统中提炼出可以复用的架构原则、设计方法和工程实践，用于指导 AI Agent 系统的设计、实现、评估、安全与运营。

全书技术路线

本书按照从基础概念到系统架构，再到高级工程实践的路径组织，共分为七个部分：

LLM Fundamentals
↓
LLM Application
↓
Agent
↓
Agent Loop
↓
Agent Harness
↓
Coding Agent
↓
Production Agent
↓
Enterprise Agent Platform
↓
Next-Generation Agent Architecture

LLM Fundamentals
↓
LLM Application
↓
Agent
↓
Agent Loop
↓
Agent Harness
↓
Coding Agent
↓
Production Agent
↓
Enterprise Agent Platform
↓
Next-Generation Agent Architecture

这条路线也是本书理解 AI Agent 的核心脉络：

从理解模型本身，到理解如何构建 LLM 应用；从 LLM Application 进一步理解 Agent，再深入 Agent Loop 和 Harness；随后以 Coding Agent 为代表，研究复杂 Agent 的工程实现，最终进入生产级和企业级 Agent 架构。

核心目标

本书最终希望帮助读者超越“调用一个 LLM API”或者“使用一个 AI Agent 产品”的层面。

真正值得思考的问题是：

如何设计一个 AI Agent 系统，使它能够进行推理、使用工具、管理上下文和状态，在受控边界内运行，并能够从失败中恢复，最终可靠地执行现实世界中的复杂任务？

本书将 Claude Code 作为一个具有代表性的工程案例，从架构角度分析现代 Agent 系统背后的设计思想，并进一步形成一套可以复用的方法，用于：

• 设计 AI Agent
• 实现 AI Agent
• 评估 AI Agent
• 构建 Agent 安全机制
• 建立 Agent 可观测体系
• 构建生产级 Agent 系统
• 设计企业级 Agent 平台

因此，本书的最终目标并不是“读懂 Claude Code”。

更重要的是：

理解 AI Agent 作为一种新型软件应用，其背后的系统架构与工程方法。

全书结构与写作进度

下面是目前的章节结构和写作进度。

状态说明

• 🟢 已发布：章节已经完成并公开发布
• 🟡 编写中：正在持续编写
• ⚪ 未开始：已经规划，但尚未开始

第一部分：AI Agent 基础

进度：3 / 3

这一部分主要建立 AI Agent 的基础认知，从 LLM Application 出发，逐步理解 Agent 以及 Agent Loop 的基本运行机制。

第二部分：Agent Harness

这一部分开始进入 Agent 的核心工程基础设施，重点讨论 Agent 周围的各种工程能力，以及一个简单的 Agent Loop 如何逐渐演变为一个可控、可扩展、可工程化的系统。

进度：4 / 12 已发布或编写中

这一部分是理解 Agent Harness 的核心。

如果说 LLM 是 Agent 的“大脑”，那么 Harness 更像是围绕大脑构建的一整套运行时、工具、记忆、权限和控制系统。

第三部分：Claude Code 源码架构

这一部分将从架构和源码的角度研究 Claude Code，将其作为一个成熟 Coding Agent 的代表案例，用于理解复杂 Agent 系统内部是如何设计和运行的。

进度：0 / 15

这一部分的重点不是简单介绍 Claude Code 的功能，而是从软件架构和源码实现的角度，拆解一个成熟 Coding Agent 的内部结构。

第四部分：构建 Mini Claude Code

这一部分将从架构理解进一步进入实际工程实现。

目标是从零开始，逐步构建一个简化版 Coding Agent，并实现 Agent Harness 的主要组成部分。

进度：0 / 15

这一部分将重点回答一个实际工程问题：

如果不只是使用 Agent，而是自己实现一个 Agent，整个系统应该如何设计？

通过 Mini Claude Code，可以将前面介绍的 Agent Loop、Context、Tool、Command、Skill、MCP、Permission、Memory、Subagent 等概念真正落到代码和系统架构中。

第五部分：高级 Coding Agent

这一部分进一步讨论基础 Coding Agent 如何演进为能够处理更加复杂、更加长期的软件工程任务的 Agent。

进度：0 / 3

这一部分关注 Coding Agent 最具挑战性的几个问题：

• Agent 如何理解大型代码库？
• Agent 如何发现并修正自己的错误？
• Agent 如何执行持续数小时甚至更长时间的复杂任务？
• 如何让 Agent 在长时间运行过程中保持上下文、状态和目标的一致性？

第六部分：生产级 AI Agent 架构

当 Agent 从实验性应用进入真实生产环境后，问题会从“能不能工作”逐渐转变为：

是否可靠？是否安全？是否可观测？是否能够评估？是否能够治理？

这一部分将重点讨论生产环境和企业环境中的工程要求。

进度：0 / 4

这一部分将从单个 Agent 的工程实现，进一步上升到生产级系统和企业级平台架构。

第七部分：下一代 Agent 架构

最后一部分将对全书前面讨论的架构和工程经验进行进一步抽象，并探索 AI Agent 架构未来可能的发展方向。

进度：0 / 2

这一部分希望回答一个更大的问题：

当 Agent 从“一个会调用工具的 LLM”进一步演进之后，下一代 Agent 系统究竟会是什么样子？

附录

进度：0 / 4

写在最后

AI Agent 正在从简单的 LLM 应用逐渐演变为一种新的软件系统形态。

理解 Agent，并不只是理解 Prompt、Model 或 API。

真正复杂的部分在于：

Context 如何管理？

Tool 如何调用？

Permission 如何控制？

Memory 如何保存？

State 如何恢复？

Agent 如何自我纠错？

多个 Agent 如何协同？

如何观察和评估 Agent？

如何保证 Agent 在企业环境中的安全边界？

这些问题共同构成了 Agent Engineering 的核心。

本书希望从软件架构师和工程师的视角，逐层拆解这些问题，并尝试建立一套能够从概念 → 架构 → 源码 → 实现 → 生产 → 企业平台贯通的 AI Agent 工程知识体系。

LLM 让机器拥有了“思考”的能力，而 Agent Harness 决定了这种能力如何真正进入软件系统。

关注微信公众号 「编程开物」，第一时间获取本书最新章节、AI Agent 技术文章与工程实践内容。