SandBase Harness：把 AI Agent 的"家底"留在本地

场景：一个 AI 编程助手失控了

你正在用 AI 编程助手处理一个项目，半小时后它把 300 行的中间产物写满了整个目录。当你想回溯它的思考过程时，发现所有记录都随着会话关闭消失了——模型 SDK 只负责"调用"，不管"存档"。

这就是生产级 AI Agent 和模型 Demo 之间最大的鸿沟：工具跑了、数据丢了、责任断档。

SandBase Harness 解决的，正是这个问题。

---

背景：模型 SDK 之上，还缺什么

模型 SDK（OpenAI SDK、Anthropic SDK）负责模型调用，但生产 Agent 还需要：

• 会话如何持久化？ Demo 用完即焚，生产环境需要随时恢复。
• 工具在哪个沙箱执行？ 生成的代码能不能安全隔离？
• 敏感操作谁审批？ 删库跑路之前要不要有人点头？
• 出错后怎么回放？ 光看日志不够，要能像视频回放一样还原过程。
• 多模型怎么接入？ 换模型不能重新写一遍整个运行时。

SandBase Harness 正是为这层基础设施而生——它不是可视化工作流编辑器，也不替代模型 SDK，而是填平"模型调用"和"生产运营"之间那道沟。

---

核心功能：六层能力，吃透 Agent 生命周期

1. 持久化会话与事件回放

每个 Agent 会话都会持久化到本地 SQLite 数据库，包含完整的工具调用、模型响应、中间产物和执行路径。借助可恢复的 Server-Sent Events（SSE），你可以在任意时刻暂停、恢复甚至回放整个执行过程——就像调试程序时的断点，但面向整个 Agent 生命周期。

2. 多层沙箱执行

SandBase Harness 不止一种沙箱模式：

• Local Sandbox：直接以当前操作系统用户执行，适合可信开发环境
• Docker Sandbox：容器级隔离，适合需要强边界的工作负载
• Kubernetes Sandbox：集群级扩展，适合大规模并行 Agent 任务
• 自托管 Worker：完全自主控制，适合有特殊合规要求的场景

这意味着你可以本地开发调试 Docker 沙箱，直接把同样的配置迁移到 K8s 生产环境。

3. MCP 工具生态

内置 MCP（Model Context Protocol）工具集支持，提供了权限策略、内置工具和 Skill Package 管理。更重要的是，它原生支持 DeepSeek Harness stdio MCP Bridge——DeepSeek 生态的用户可以直接把 Harness 的 Agent 能力接入 SandBase 环境。

4. 凭证与 API Key 安全

所有凭证通过受控配置传入，不写入 Prompt 或提交到 Git。Runtime 提供 Credential Vault 和 Permission Policy，支持对敏感操作设置审批流程。

5. 可视化 Console

内置 SandBase Harness Console，Web UI 界面可直接访问 http://127.0.0.1:3000/dashboard，支持会话管理、模型配置、日志查看等操作，无需额外工具。

6. 多模型边界

统一接入 OpenAI、Anthropic、MiniMax、DeepSeek V4 以及所有 OpenAI-compatible 模型，切换模型无需重写运行时逻辑。

---

技术架构：TypeScript 原生，Monorepo 结构

项目采用 TypeScript + Node.js 构建，要求 Node >= 22，使用 Tsup 打包。主要目录结构：

目录/文件	说明
src/	核心运行时代码
apps/console/	Web Console（Vite + 前端）
agent-plugin/	Agent 插件体系
examples/	集成示例（含 DeepSeek Harness）
tests/	Vitest 测试

内置 Dockerfile.mcp 用于构建 MCP stdio Bridge 容器镜像，已在官方 MCP Registry 注册（状态 active）。

---

快速上手：从零到跑起来

# 克隆源码（使用稳定版本）
git clone --branch v0.3.7 --depth 1 https://github.com/sandbaseai/sandbase-harness.git
cd sandbase-harness
npm ci
npm run build

# 初始化并启动
mkdir ../my-agents && cd ../my-agents
node ../sandbase-harness/dist/index.js init
node ../sandbase-harness/dist/index.js start

# 打开 Console
# 访问 http://127.0.0.1:3000/dashboard
# 在 Settings > Models 配置 API Key

---

局限性：不吹不黑

• Node >= 22 门槛：对旧项目迁移有版本要求
• 无一键 Docker Compose：主项目没有 docker-compose.yml，需要手动用 Dockerfile.mcp 编排
• 中文社区尚在成长：文档以英文为主，中文翻译进度受社区贡献影响
• TypeScript only：不支持 Python/Go 等语言直接扩展，需要通过 MCP 工具接入

---

行业意义：从玩具 Demo 到生产 Agent 的桥梁

随着 Claude Code、DeepSeek Harness 等工具的普及，开发者对"本地优先"和"自托管"的 Agent 运行时需求日益增长。SandBase Harness 填补了这一空白——它不是又一个"AI Agent 框架"，而是面向基础设施层的 Runtime，让模型调用真正变成可审计、可回放、可控的生产级系统。

截至目前已获 629 Stars， topics 覆盖 agent-framework、mcp-server、local-first、self-hosted 等 19 个标签，说明项目定位精准，正中开发者痛点。

---

适合谁用？ 需要构建生产级 AI Agent、关注数据主权和安全审计、想本地调试再迁移到 K8s 的开发者。

不适合谁？ 只做模型调用 Demo、不需要持久化和沙箱隔离的轻量场景。