新智元报道 物理AI正在成为人工智能产业最受关注的方向之一。 而让AI走出屏幕，则需要三样东西。 一颗足够可靠的大脑，一套能组织它持续工作的执行系统，以及一个能连接物理设备的身体。 模型能力不断进步，Agent执行框架持续完善，但现实世界中形态各异的设备仍然给智能体的理解与调用带来挑战。 围绕模型能力、Agent执行与物理设备连接Agnes AI此次带来了新的技术进展。 Agnes Harness（AGH）正式开源。 作为一套面向真实任务的Agent执行基础设施，AGH支持持续任务执行、工具调用、状态管理与结果反馈。同时，AGH体系中的 MHS（Model Hardware Standard）设备交互协议及相关组件也同步开放 ，让开发者能够在同一套执行环境中连接软件工具与可编程硬件。 此外，新一代模型 Agnes 3.0 Pro 迎来能力升级，其API即将上线。 从模型推理到任务执行，再到物理设备连接，Agnes AI正在将这些能力整合进同一套技术体系，让AI能够参与更复杂的真实任务，并进一步向物理世界延伸。 Agnes Harness开源： 让Agent能够持续执行真实任务 Agnes AI此次开源的Agnes Harness（AGH），是一套面向真实工作场景的开源Agent Harness，为Agent提供持续运行和多端交付所需的执行底座。 开发者可以通过Web工作台或命令行使用它，也可以接入自己的工具，在此基础上构建面向不同场景的Agent应用。 目前，AGH已在GitHub开放源码及相关开发文档，开发者可以通过源码安装运行，并根据实际需求进一步扩展。 GitHub开源地址： https://github.com/AgnesAI-Labs/agnes-harness 打开AGH的Web工作台，首先看到的是一个运行在本地环境中的对话界面。开发者可以指定工作目录、发送任务指令，让Agent读取文件、执行命令，再根据执行结果继续修改已有工程。 这一过程依靠AGH的Agent Loop持续推进。模型负责判断下一步操作，Harness则负责调用工具与接收反馈并把结果交回模型，直到任务结束或需要人工介入。 但当任务变得复杂，只看对话记录往往不够。 比如当一个Agent修改了十几个文件，执行过多次命令，最终却没能通过测试时。如何判断是哪一步出了问题？是模型判断失误，还是某个工具执行失败？ 在AGH的 「轨迹」 页面中，开发者可以沿着时间轴回看任务的执行过程。模型调用了什么工具，每个步骤执行了多久，都可以在界面中查看。展开具体记录，还能进一步检查工具参数与执行状态，帮助开发者定位问题。 在扩展能力方面， AGH开放了插件扩展机制。用户可以通过插件接入自己的业务工具，利用MCP连接已有服务，也可以针对不同岗位开发专属界面。 在插件管理页面中，用户能够浏览可发现的插件，查看来源、版本及兼容信息，并进行安装和管理。已经验证过的任务方法还可以通过Skills保留下来，并在其他项目中继续使用。 这些能力也为企业场景的定制提供了基础。 通过 FDE（Forward Deployed Engineering）交付方式， 工程团队可以深入具体业务现场，根据企业已有系统完成接入与适配。项目中形成的工具、任务方法和业务规则，可以逐步沉淀为可复用的能力，减少后续部署中的重复开发。 AGH还通过App Server让不同使用界面共享同一套后台任务。开发者可以在Web工作台中发起任务，再通过命令行恢复同一会话，不必重新整理此前的操作记录。 从持续执行到业务扩展，AGH为开发者提供了一套可深度定制的Agent运行环境。而当这些工具进一步延伸到机器人、实验仪器等物理设备，Agent的工作范围也随之扩展到现实世界。 从软件到现实世界 Agent开始连接物理设备 除了软件工具与企业系统，AGH还通过MHS将物理设备接入纳入同一套任务执行体系。AGH也进一步从单纯的Agent开发框架，升级为面向多模态大模型、智能体与可编程硬件的开放式基础设施平台。基于MHS支持多类设备接入，让大模型与智能体能够连接真实的物理设备。 Agnes AI团队给AGH布置了一项任务， 让办公室里的移动小车找到指定书籍，并通过语音读出书中的内容。 在演示中，小车根据任务要求完成了找书与语音朗读。从接收指令到实际操作，Agent的执行范围开始从软件工具延伸到现实设备。 这背后涉及另一项同步推进开源的技术： MHS（Model Hardware Standard） 。 MHS是Agnes AI自主设计的统一设备交互协议，面向各类具有可编程接口的硬件。 通过统一的交互方式，设备可以向Agent提供自身的功能与操作信息，让智能体在面对从未使用过的设备时，也有机会理解其能力，并根据任务要求调用相应操作。 在