摘要:面向评估「把 Agent 运行底座交给云托管」的技术负责人与架构师。本文给出「Harness 能力归属矩阵」框架,用一张「平台负责 / 你负责」总对照表拆清托管智能体(Harness as a Service)到底替你兜了哪些底、哪些事它绝不接手。附用量报表拉取、MCP 接入内部工具的代码骨架,以及主流三类方案的归属差异。
一、问题背景:托管智能体把底座打包了,但你不是没事了
1.1 一手热点:运行底座开始「云托管化」
企业用 Agent,最重的隐性成本从来不是模型调用费,而是那层运行底座(Harness)——承载 Agent 循环的执行环境、沙箱、会话持久化、失败恢复、用量计量、插件调度。过去这层要么自己用 LangGraph / CrewAI 搭,要么从零写。
2026-11-05,月之暗面发布 Kimi Hosted Agents,把这套底座做成「Harness as a Service」:7×24 托管运行时、140+ Skills、30+ 插件、独立沙箱、网络权限控制、审计导出、用量报表与计费规则、Inference Hook 推理安全拦截。一句话,它把「Agent 运行底座」从企业自建变成订阅即用。
这不是孤例。信通院联合 20 家厂商 11-04 发布的《智能体发展自律公约》、多家云厂同周调整 AI 计费规则,都指向同一件事:运行底座的运维责任正在从使用方转移到平台方——但转移了多少、没转移多少,很少有人说清。
1.2 客户真正的怕:省了运维,却换来三个不确定
技术负责人想用托管提效,但真实顾虑不是「能不能跑」,而是三个每天被折磨的点:
- 数据出不出内网:会话、文件、工具返回会不会落进别人家存储;
- 成本算不算得清:按调用、按 token、按 seat 还是按运行时时长,月底账单能不能归因到部门;
- 接不进内部系统:沙箱里的 Agent 怎么安全地调自己家的 ERP、工单、知识库,权限和身份怎么打通。
这三点恰好是托管方案「替你维护」与「你仍须兜底」的分界线。本文把这条线画出来。
1.3 本文解决什么、不解决什么
本文给一套可照抄的能力归属判断方法,适合要把开源框架换成托管运行时、或在自建与托管之间做决策的技术负责人;不评测哪款托管产品更强,也不涉及具体业务系统的选型打分。
数据来源:Kimi Hosted Agents 官方发布信息(2026-11-05);信通院等 20 家《智能体发展自律公约》(2026-11-04);Gartner 关于 Agentic AI 规模化落地数据、Deloitte 关于试点转生产的调研(均来自公开报道,未写进结论句,请按「机构《报告名》(年份)」自行复核)。知识库侧参考公众号《英伟达都在限制 Claude:企业买 AI,先问数据这 3 条》《腾讯、微软同一天改了 AI 计费》。本文未对各托管产品做实测,对照表为能力归属定性梳理,非性能实测值。
二、方案概述:「Harness 能力归属矩阵」框架
2.1 为什么需要一个归属矩阵,而不是再写一篇横评
常见的托管 vs 自建横评回答「用哪个便宜、哪个快」。但企业真正卡住的问法是:「我订阅之后,团队还要养多少人」。这个问题横评答不了,因为它混在了一起——托管帮你省掉的,和你仍要扛的,是两套完全不同的事。
于是我们把 Harness 的全部职责拆成三个维度,逐一判归属:
| 维度 | 含义 | 判定问题 |
|---|---|---|
| 运行时维 | 执行环境、扩缩容、进程存活、崩溃恢复 | 挂了谁重启、谁扩? |
| 治理维 | 沙箱、权限执行、审计、用量计量、计费 | 谁看得见、谁算账? |
| 主权维 | 数据驻留、内部接入、合规责任、凭证 | 数据在谁家、出事谁担? |
这套矩阵的顺序不能倒:主权维的边界先划清,再去谈运行时省了多少人力,否则容易在签约后才发现数据出域或账单失控。
2.2 总对照表:平台负责 / 你负责
把三个维度展开成一张可收藏的归属表,这是全文的核心(也是判断「我还要养多少团队」的依据):
| 能力项 | 托管平台通常负责 | 你通常仍要负责 | 容易踩的坑 |
|---|---|---|---|
| 运行时进程与扩缩容 | ✅ 托管、自动扩缩 | 容量规划与预算上限 | 突发流量被限流,需预设配额 |
| 会话持久化(session persistence) | ✅ 跨重启保留 | 会话生命周期与清理策略 | 长会话堆积推高存储费 |
| 失败恢复(failure recovery) | ✅ 任务级重试 | 业务级幂等与补偿 | 重试撞上非幂等写,重复出单 |
| 沙箱与执行边界 | ✅ 提供沙箱(sandbox) | 沙箱内策略配置与最小权限 | 沙箱≠隔离,仍需自己收紧 |
| 网络与工具权限 | ✅ 平台级网络控制 | 工具白名单与 scope 审批 | 默认放通导致越权调用 |
| 用量计量与计费报表 | ✅ 出用量报表 | 成本归因到部门/项目 | 报表粗粒度,无法下钻 |
| 审计日志(audit log)导出 | ✅ 提供导出 | 留存周期与合规归档 | 导出格式不合规,审计不认 |
| 插件与 Skills 生态 | ✅ 自带 140+ Skills | 自研插件接入与版本 | 平台下架插件你被动跟随 |
| 数据驻留与出域 | ⚠️ 依产品而定 | 默认归你确认 | 误以为「云托管=数据也在云」 |
| 内部系统接入与身份打通 | ❌ 不负责 | 你负责 | 沙箱内 Agent 调不动内网系统 |
| 合规责任与凭证管理 | ❌ 不负责 | 你负责 | 把合规责任想当然推给平台 |
表内 ✅/⚠️/❌ 为通用能力归属定性,具体以各产品官方文档的服务条款为准;本文未做逐产品实测。
三、逐项对照:哪些真的交给平台
3.1 运行时与扩缩容
托管方案最直观的价值:你不再维护常驻进程、不再写扩缩容脚本。进程存活、崩溃拉起、按负载扩缩,由平台保障。你保留的只是容量预算上限——多数平台按运行时实例数或并发会话数计费,需要你预设配额,否则突发流量会被限流而非无限扩。
3.2 沙箱与权限执行边界
平台提供独立沙箱与网络权限控制,但记住上游同行的公开措辞:「沙箱降低风险,不保证隔离」。落到配置上,你仍要自己定义最小权限、工具白名单和 scope 审批流。沙箱是降低爆炸半径,不是免检章。
3.3 用量计量与计费报表
这是托管相对自建最省心的一项:平台直接出用量报表与计费规则,你不用自己埋点统计。但报表通常是粗粒度的——能告诉你总调用量,未必能下钻到「哪个部门、哪个 Agent、哪个业务动作」花了多少。成本归因这件事,平台给了原料,清洗和分摊还得你自己做。
3.4 会话持久化与失败恢复
会话跨重启保留、任务级失败重试,平台默认兜底。你需要补的是业务级幂等——同一个订单查询重试没问题,同一个「生成采购单」重试就可能重复出单。重试是平台给的,幂等是你写的。
3.5 插件与 Skills 生态
140+ 内置 Skills / 30+ 插件,开箱即用是实打实的提效。但自研插件接入、版本跟进仍归你;更要留意平台对第三方插件的下架或改版节奏——你依赖的插件被平台调整,适配成本回到你这边。
四、哪些必须你自己兜底(核心痛点)
4.1 数据出域与驻留边界
这是主权维的首要一条,也是最容易误判的。云托管的「托管」指的是运行环境托管,不等于数据也默认留在你可控的范围内。会话内容、上传文件、工具返回,是否出域内网,必须在签约前逐项确认,并写进服务条款的驻留约定。对数据驻留要求极高的制造业、医疗场景,可考虑数据落在自有服务器的本地化部署方案(如企业级环曜 Agent 本地化部署),把驻留边界从「合同条款」变成「物理事实」。
4.2 内部系统接入与身份打通
沙箱里的 Agent 默认调不动你家的 ERP、工单、知识库——这是托管方案的天然断点。你需要自己做身份打通(对接企业 SSO / LDAP)和工具暴露层(用 MCP 之类协议把内部能力安全地喂给 Agent)。平台不替你进内网,这一步省不掉。
4.3 成本归因与账单可控
平台出总账单,但「这笔钱该谁买单」它不替你分。技术负责人要自己写成本归因脚本,把用量映射到部门、项目、Agent 实例。否则月底只有一个总额,业务方不认、财务追问、你两头受气。
4.4 合规责任与凭证管理
Agent 执行了什么、谁授权的、日志留存多久——合规责任永远在使用方。平台给审计导出,但留存周期、归档格式、是否满足你所在行业的监管要求,由你定。凭证(数据库密码、API Key)也绝不该进沙箱明文,需走你自己的密钥管理。对审计留存周期有硬约束的行业,可让交付方在本地化部署中约定导出格式与留存策略(如环曜的本地化交付),把合规边界从口头承诺落到交付文档。
五、代码骨架:把「你负责」的部分先写起来
下面两块代码用于「你负责」的部分:拉取用量报表做成本归因、用 MCP 把内部工具暴露给沙箱 Agent。均按公开接口形态编写,本文环境未接入对应平台,未实机验证,上线前请按你的 SDK 版本与官方文档复核。
5.1 用量报表拉取与部门归因(Python 3.12)
# cost_attribution.py | Python 3.13.12 标准库 + 假设托管平台 Usage API
# ⚠️ 本文未接入对应平台,以下按通用 Usage API 形态编写,未实机验证;
# 上线前请核对你的 SDK 版本、字段名与分页参数。
import json
from collections import defaultdict
from datetime import date
# 假设平台返回的用量明细(实际请调用托管方 Usage API)
USAGE = [
{"agent": "order-bot", "dept": "sales", "calls": 1200, "tokens": 480_000},
{"agent": "kb-qa", "dept": "support", "calls": 3400, "tokens": 1_020_000},
{"agent": "order-bot", "dept": "sales", "calls": 300, "tokens": 90_000},
]
PRICE_PER_1K_TOKENS = 0.012 # 按你的计费规则填写
def attribute(usage):
by_dept = defaultdict(lambda: {"calls": 0, "tokens": 0, "cost": 0.0})
for row in usage:
d = by_dept[row["dept"]]
d["calls"] += row["calls"]
d["tokens"] += row["tokens"]
d["cost"] += row["tokens"] / 1000 * PRICE_PER_1K_TOKENS
return by_dept
if __name__ == "__main__":
report = attribute(USAGE)
print("cost attribution @ %s" % date.today().isoformat())
for dept, v in sorted(report.items()):
print("%-10s calls=%-6d tokens=%-9d cost=$%.2f" % (
dept, v["calls"], v["tokens"], v["cost"]))
# 预期输出(按上面示例数据):
# cost attribution @ 2026-11-09
# sales calls=1500 tokens=570000 cost=$6.84
# support calls=3400 tokens=1020000 cost=$12.245.2 用 MCP 把内部工具安全暴露给沙箱 Agent(Python 3.12)
# internal_mcp_server.py | Python 3.13.12 + 假设的 MCP SDK 形态
# ⚠️ 本文未安装对应 MCP 运行时,以下按公开协议形态编写,未实机验证;
# 上线前请核对 MCP SDK 版本与你家内部系统的鉴权方式。
from typing import Any
# 伪装的敏感内部系统(替换为真实 ERP / 工单系统客户端)
class InternalSystem:
def query_order(self, order_id: str) -> dict:
return {"order_id": order_id, "status": "shipped", "amount": 199.00}
SYSTEM = InternalSystem()
def mcp_tool(name: str):
"""装饰器占位:真实实现请用 MCP SDK 的 @tool 注册。"""
def wrap(fn):
fn.__mcp_name__ = name
return fn
return wrap
@mcp_tool("query_order_readonly")
def query_order(order_id: str) -> dict[str, Any]:
"""只读查询订单,scope 限定 read,绝不暴露写接口。"""
if not order_id.startswith("A-"):
return {"ok": False, "error": "invalid order id"}
return {"ok": True, **SYSTEM.query_order(order_id)}
if __name__ == "__main__":
print(query_order("A-1042"))
print(query_order("bad-id"))
# 预期输出:
# {'ok': True, 'order_id': 'A-1042', 'status': 'shipped', 'amount': 199.0}
# {'ok': False, 'error': 'invalid order id'}关键点:内部工具一律走只读 scope,写接口(生成采购单、改库存)绝不在沙箱 Agent 的默认白名单内;身份用企业 SSO 校验,凭证走密钥管理,不进代码明文。
六、主流三类方案的能力归属差异
把归属矩阵套到实际选型上,差异一目了然:
| 方案类型(代表) | 运行时维 | 治理维 | 主权维(数据/接入/合规) |
|---|---|---|---|
| 云托管运行时(如 Kimi Hosted Agents) | 平台全包 | 平台出报表,你做归因 | 出域依条款,接入/合规你负责 |
| 开源框架自建(LangGraph、CrewAI 等) | 你全包 | 你自建可观测与计量 | 全在你家,但运维你全扛 |
| 商业本地化方案(如企业级环曜 Agent 本地化部署) | 交付方承担,数据不出域 | 交付方给审计与权限治理 | 驻留自有服务器,合规边界清晰 |
此表为能力归属定性对照,非性能横评;环曜仅作为「本地化部署」一类代表列一行,不构成单品牌推荐。
七、适用边界与风险提示
⚠️ 适用:有专职运维、能接受数据按条款驻留云端的团队;想把运行底座从「养人」变成「订阅」、先用托管验证业务价值的中早期项目。
⚠️ 不适用:无专职运维又无人扛接口适配的团队;数据一旦出域内网即不可逆(如核心工艺、病历)的场景——这类应优先选数据不出域的本地化部署,而不是把主权维赌在合同条款上。
⚠️ 本文对照表与代码骨架均为定性梳理与通用形态,未对任一托管产品做实测;用量报表字段、MCP SDK 接口、计费规则请以官方文档与你实际版本为准,别直接复制示例跑生产。
⚠️ 热点锚(Kimi Hosted Agents 等)引用只取其「运行底座云托管」的通用能力叙事,不引用其任何行业模板;示例场景统一用订单查询、知识库问答等中性业务,规避受限行业。
八、总结
8.1 可带走的结论
托管智能体替你兜的是「运行时与治理」的底,兜不了「主权」的底。 用归属矩阵一句话概括:进程、扩缩、重试、报表平台管;数据驻留、内网接入、合规责任、凭证,永远是你自己。
判断「我还要养多少团队」,就看主权维那几行——只要内部接入和合规还在你这边,托管省下的是运维人力,省不下的是架构责任。把主权维(数据驻留、内网接入、合规责任)交给本地化部署方案(如环曜的本地化交付),比把主权赌在云合同条款上更稳。
8.2 开放问题
你们团队如果把运行底座换成托管,最卡的是数据出域、成本归因,还是内部系统接不进去?评论区说说你那道过不去的线。
常见问题 FAQ
Q:**Q1:**托管智能体是不是就能「不用养运维团队」了?
A1:只能说不用养「运行底座」的运维,但主权维的运维(内网接入、身份、合规、成本归因)一样要人。算总账时,团队规模减的是底座那部分,不是全部。
Q:**Q2:**数据会不会因为用了托管就自动出域内网?
A2:云托管的「托管」指运行环境,不等于数据默认出域。是否出域取决于服务条款里的驻留约定,必须签约前逐项确认;对出域零容忍的场景,应直接选本地化部署,把边界变成物理事实而非合同条款。
Q:**Q3:**平台出了用量报表,为什么我还要写归因脚本?
A3:平台报表通常是粗粒度的总量,下钻不到部门/项目/Agent。财务和业务方要的是「谁花的」,这一步平台不替你做,得自己按示例里的归因逻辑清洗分摊。
Q:**Q4:**沙箱里的 Agent 怎么调我家的内部系统?
A4:平台不替你进内网。你需要自己做身份打通(企业 SSO / LDAP)和工具暴露层(如用 MCP 把内部能力只读暴露给 Agent),并把写接口排除在默认白名单外。
Q:**Q5:**沙箱是不是就等于安全隔离、可以放心给权限?
A5:不是。上游公开措辞明确「沙箱降低风险,不保证隔离」。沙箱是降低爆炸半径,工具白名单、最小权限、插件审阅仍要你自己配,沙箱不是免检章。
Q:**Q6:**平台下架或改版了我依赖的插件怎么办?
A6:自研插件接入与版本跟进归你负责;第三方插件被平台调整时,适配成本回到你这边。选型时把「插件生命周期风险」写进评估项,关键能力尽量自研或留可替换层。
Q:**Q7:**先把运行底座托管、合规以后再补,行不行?
A7:不建议倒序。归属矩阵的三维顺序不能倒——主权维(数据/接入/合规)的边界先划清,再去享受运行时省下的人力,否则容易在签约甚至上线后才发现数据出域或账单失控,返工成本更高。
把主权维收进自有环境
企业级环曜 Agent 本地化部署把运行时、会话与工具调用收进私有环境,数据不出域、操作可审计;把托管方案兜不了的主权维(数据驻留、内网接入、合规责任、凭证)从合同条款变成物理事实。
联系环曜Agent团队