当你的团队需要同时管理多个 AI 编码 Agent：Lite-Harness 统一自托管方案

如果你同时使用 Claude Code、Codex、OpenCode 甚至 Cursor，你一定遇到过这个问题：每个 Agent 都有自己的运行方式、配置文件和 API 密钥，切换起来手忙脚乱，团队协作更是无从谈起。

Lite-Harness 是 LiteLLM Labs 最新开源的解决方案——一个统一 Agent 运行时，让你用一个 Docker 容器运行所有主流 AI 编码 Agent，共享 MCP 工具、提示词和会话管理。

为什么需要 Lite-Harness？

团队使用多个 AI 编码 Agent 的典型痛点：

快速上手

Lite-Harness 的安装出奇简单。前提是你要有一个 LiteLLM 网关（兼容 OpenAI API 格式的模型代理）。

第一步：拉取并运行

export MASTER_KEY=$(openssl rand -hex 32)
echo "MASTER_KEY: $MASTER_KEY"

docker run -p 4096:4096 \
  -e LITELLM_API_BASE=https://your-litellm-gateway \
  -e LITELLM_API_KEY=*** \
  -e MASTER_KEY="$MASTER_KEY" \
  ghcr.io/litellm-labs/lite-harness:latest

打开 http://localhost:4096，输入 Master Key 登录。你就拥有了一个运行中统一的 Agent 管理界面。

第二步：安装 Skills 并部署 Agent

Lite-Harness 自带一套 CLI 工具，叫做 Skills。安装后你就可以在任意 AI 编码 Agent 中部署新的自动化 Agent：

npx skills add LiteLLM-Labs/lite-harness -g

然后在 Claude Code、Codex 或 Cursor 中运行：

/deploy-agent

> Deploy a GitHub stargazer outreach agent that DMs new stars on LinkedIn,
  runs every 4 hours on weekdays, requires human approval before each send.

  ✓ Checking capabilities... sandbox=e2b vault=available cron=supported
  ✓ Stored vault key BROWSER_USE_API_KEY
  ✓ Stored vault key LINKEDIN_PROFILE_ID
  ✓ Created agent: agent_abc123 (opencode · claude-sonnet-4-6)
  ✓ Test run started: run_xyz789
  → Logs: https://lite-harness.local/api/agents/agent_abc123/runs/run_xyz789/logs

这个 /deploy-agent 命令是 Lite-Harness 的核心交互模式——你用自然语言描述想要的任务，它自动配置沙箱、密钥、定时和审批流程。

核心功能详解

1. 多 Harness 统一调度

Lite-Harness 支持四种主流编码 Agent 运行时：OpenCode、Claude Code、Codex 和 GitHub Copilot。

你可以把它们当作路由选择而非技术锁定：

lite-harness run --harness opencode --model claude-sonnet-4-6

lite-harness run --harness claude-code --model gpt-5

所有 Harness 共享同一个 OpenCode 兼容 API，所以切换 Agent 不会影响已配置的 MCP 工具和提示词。

2. 共享 MCP 工具生态

这是 Lite-Harness 最大的亮点。你只需配置一次 MCP 工具（例如文件系统、数据库、浏览器自动化），所有通过 Lite-Harness 运行的 Agent 都能自动使用它们：

lite-harness mcp add postgres \
  --command "npx @anthropic/mcp-postgres" \
  --args "$DATABASE_URL"

相比传统方式——在 Claude Code 中配置 ~/.claude.json、在 Codex 中配置 codex.json、在 OpenCode 中配置 opencode.json——Lite-Harness 的共享配置把维护成本 降低了一个数量级。

3. 会话持久化

默认情况下，Agent 会话在重启后会丢失。Lite-Harness 支持持久化存储：

docker run -p 4096:4096 \
  -v ./data:/home/sandbox/.local/share/lite-harness \
  -e LITELLM_API_BASE=... \
  -e MASTER_KEY=... \
  ghcr.io/litellm-labs/lite-harness:latest

重启后服务器会输出 hydrated N session(s) from db，所有之前的会话立即可用。这对于长时间运行的自动化 Agent 调度尤为重要。

4. 隔离沙箱

设置 E2B_API_KEY 或 DAYTONA_API_KEY 后，运行的 Agent 会在隔离的 Linux 沙箱中执行。支持模板、快照和密钥保管库（Vault），适合需要安全隔离的生产场景。

实战场景：自动化定时代理

假设你需要在工作日每 4 小时检查一次 GitHub 仓库的新 Issue，并用 Slack 通知团队。用 Lite-Harness 只需一行自然语言指令：

/deploy-agent

> Monitor GitHub Issues for repo "my-org/my-repo" every 4 hours
  on weekdays, summarize new issues, and post to #dev channel in Slack.
  Require human approval before posting.

  ✓ Checking capabilities... sandbox=e2b vault=available cron=supported
  ✓ Stored vault key GITHUB_TOKEN
  ✓ Stored vault key SLACK_WEBHOOK_URL
  ✓ Created agent: agent_gh_monitor_001
  ✓ Scheduled: 0 */4 * * 1-5 America/Los_Angeles

不需要写任何调度代码，不需要配置 cron 表达式——Lite-Harness 自动把自然语言翻译为定时任务。

vs 其他方案

注意事项

• 需要 LiteLLM 网关：Lite-Harness 强依赖 LiteLLM Gateway 做模型路由，不支持直接连接 OpenAI/Anthropic API
• 磁盘空间：完整运行需要拉取 Docker 镜像 ~500MB，每个 Agent 会话额外 ~50-100MB
• Sandbox 依赖：如果想用隔离沙箱，需要有 E2B 或 Daytona 账号
• 社区活跃度：项目刚发布（36⭐），文档还在完善中，生产部署前建议先试用

总结

Lite-Harness 解决了一个真实且普遍的问题：AI 编码 Agent 生态的碎片化。当你的团队从使用单个 Agent 转向多个 Agent 协作时，统一运行时的价值会成倍放大——从维护多个服务、多套配置、多个会话，变成一个 Docker 容器、一套共享工具、一个管理界面。

对于正在评估 AI 编码工具链的团队来说，Lite-Harness 是一个值得关注的基础设施选择。它的思路——用标准化运行时吸收生态多样性——恰好呼应了 LiteLLM 在模型网关领域的一贯理念。

项目地址：github.com/LiteLLM-Labs/lite-harness

HN 讨论：news.ycombinator.com/item?id=48341726