最小步骤：两条 API 拉起一个 Agent
Harness 的用法可以压缩成两步：先用 CreateHarness 定义一个 Agent——指定基础模型（Bedrock 或其他兼容模型）、系统提示词、可用工具和会话配置；之后每次对话调用 InvokeHarness，把用户消息和会话 ID 传进去，服务端完成规划、工具调用、记忆管理与回复生成。
它最实用的设计是隔离 microVM：每个会话有独立的文件系统与 shell 访问权限，适合让 Agent 真的去读文件、跑代码、产出结果，而不是只在对话里“纸上谈兵”。
实际使用中的几个注意点
- 模型与工具在 Harness 定义里内联声明，不用单独建基础设施；工具权限通过 Harness 执行角色控制
- 会话 ID 决定上下文连续性：同一会话 ID 多次 InvokeHarness 会延续对话，新 ID 即新会话
- 自带容器镜像可补齐 Python 依赖等运行环境，复杂任务建议提前把依赖打进镜像
- 与 CrewAI、LangGraph、LlamaIndex 等框架可组合：框架负责编排，Harness 负责隔离执行
对个人开发者来说，价值在于省掉自建沙箱和编排服务的工作：两条 API 换来一个带隔离执行环境的生产级 Agent 循环，适合快速验证 Agent 想法再决定要不要上自研方案。
把“编排 + 工具执行 + 记忆 + 沙箱”打包成托管服务，Agent 的落地门槛从几周压缩到几分钟。