开源Agent Harness：TrueForge给LLM装上工程化执行层

为什么这个项目值得关注

构建一个 AI Agent 容易，但让它稳定跑在生产环境里——工具安全隔离、Session 记忆、人为审批、成本可控——这些事情往往比写 Agent 本身还复杂。TrueForge 做的事，就是把这个「运行层」开源出来，让开发者不用从零踩坑。

TrueForge 由 TrueFoundry 团队推出，定位是「Agent Harness」——也就是 Agent 的工程化执行运行时。2026 年 7 月创建，不到三个月已在 GitHub 收获近 6000 颗星，是今年 Harness 赛道最活跃的新项目之一。

TrueForge 提供两种运行模式，适合不同场景：

模式	存储	适用场景	上手难度
Local	SQLite	个人试用、本地开发	一条命令即可运行
Hosted	Postgres + Redis	团队协作、多副本部署	需要 Docker Compose 或 K8s

Local 模式只需一条命令就能跑起来：

npx @truefoundry/trueforge@latest

适合快速验证想法。但要注意，Local 模式不推荐暴露到互联网，也不适合生产环境。

TrueForge 对外暴露三路接口：

支持 OpenAI、Anthropic、Google Gemini，以及任何兼容 OpenAI 协议的自建模型端点。

通过 MCP（Model Context Protocol）协议连接远程工具服务器，支持 Header 认证或 OAuth，工具权限可以在对话内精细控制。

以 Git 仓库存储 SKILL.md 指令集，按需加载到沙箱中执行。这套机制和 OpenClaw 的 Skills 体系思路相似，但 TrueForge 更强调「从 Git 拉取」这个来源可信性。

代码在隔离沙箱内执行（当前基于 Daytona），密钥保留在 Harness 层，不会随代码泄露到外部。这是和传统工具执行层最大的区别——安全边界更清晰。

关键工具执行前可插入人工审批环节，适合企业级 Agent 场景。审批可以是简单的「是否继续」，也可以是 Generative UI 形式的多轮交互。

内置 Subagents、延迟工具加载、代码执行模式、大结果 offloading、上下文压缩（compaction）等能力，形成完整的上下文工程工具链。

同为 Agent 运行时框架，两者定位有显著不同：