主流 Coding Agent Harness 横评:Claude Code / Cursor / Aider / Cline / Codex CLI 在 Context / Tool / Permission / Sandbox 四维对比
题目
主流 Coding Agent Harness 横评:Claude Code / Cursor / Aider / Cline / Codex CLI 在 Context / Tool / Permission / Sandbox 四维对比
参考答案
点击展开参考答案
2026 年 Coding Agent Harness 已从"单一 CLI 工具"演化为多层架构产业。Claude Code(Anthropic)、Cursor(Cursor Inc.)、Aider(Paul Gauthier)、Cline(Cline.bot)、Codex CLI(OpenAI)这五大 harness 在四个维度上 故意选择了完全不同的策略:Context(Claude Code 自动 compact + Memory tool vs Aider tree-sitter + PageRank vs Cursor 云端 Composer vs Cline IDE context vs Codex AGENTS.md)、Tool(MCP / 自家 SDK / Function calling / Apply_patch)、Permission(Claude Code allow-list + Hook 硬拦 vs Cline 显式 Plan/Act vs Codex 三档 approval mode)、Sandbox(无沙箱 vs OS 原生 Seatbelt/bubblewrap vs 云端 VM)。任何"哪个最好"的回答都必须先问"在哪个维度"。Claude Code 的扩展生态(Skill / MCP / Slash / Hook / Subagent 五机制协同)是当前最完整、最值得深入研究的范本。
2026 年中值得关注的两个新动向:一是工具融合趋势——The New Stack 报道 Claude Code / Cursor / Codex 三大工具正通过 MCP、Skill 等共享开放标准"merge into one stack",能力趋同而非分化;二是自主性光谱的另一极——Devin 2.0(2026.2)走"多模型全自主异步工程师"路线,自主任务完成率约 40%,与五大本地 harness 的"人机协作"路线形成对照。
Cheat sheet:
- 四维对比口诀:Context(怎么记)/ Tool(怎么用)/ Permission(怎么审)/ Sandbox(怎么隔)
- Context 三流派:全塞 + compact(Claude Code)/ 检索式(Aider repo map)/ 云端(Cursor / Devin)
- Sandbox 两路线:OS 原生(Codex Seatbelt/bubblewrap)vs 云端 VM(Devin / Replit / Cursor 3)vs 无沙箱靠人审批(Cline / Claude Code)
- Claude Code 五机制口诀:MCP=plumbing / Skill=how-to / Slash=button / Hook=guardrail / Subagent=isolation
- Hook vs Prompt 本质差:Hook 确定性(regardless of model) / Prompt 概率性(model may skip)
- 关键数据:Cline CLI + Claude Opus 4.7 在 Terminal Bench 2.0 跑出 74.2%,超过 Claude Code 同模型 69.4%
- 性价比维度(2026-09):GPT-5.6 家族进 Kiro 后 Terminal-Bench 2.1 成功任务成本降约 82%(OpenAI + AWS 联合优化)——harness 与模型协同调优的性价比实证
- 模型-工具面耦合(2026-09):Claude Agent SDK(TS)v0.3.268 起 TaskCreate/TodoWrite 类工具仅在旧模型(Claude 3.x 与 4.0–4.7 系)默认提供,新模型须显式列入 tools/allowedTools——升级模型即静默丢任务工具,模型与 harness 耦合的又一面
- 2026 三强新进展:Claude Code(Ultrathink 深思考模式 + 语音输入,2026.3)/ Cursor 3(重建界面 + 并行 Agent 编排)/ Codex CLI(每周多 alpha 迭代)
- 2026 工具融合趋势:三大 harness 通过 MCP、Skill 等共享标准走向 "merge into one stack",能力趋同
- 自主性另一极:Devin 2.0(2026.2,多模型,全自主异步工程师)自主完成率约 40%,$500/mo;社区共识是「组合两个工具」(如 Aider/Cline + Devin)而非单押
一、五大 Coding Agent Harness 形态总览
| Harness | 形态 | 模型策略 | 标志特征 | SWE-bench Verified 2026-Q1 |
|---|---|---|---|---|
| Claude Code | 全屏 CLI + IDE 集成 | 锁定 Claude(Opus 4.7 / Sonnet 4.6 / Haiku 4.5) | Hook + Skill + MCP + Subagent + Plugin 五件套;75% auto-compact;2026.3 新增 Ultrathink 深思考模式 + 语音输入 | Opus 4.7 87.6% / Sonnet 4.5 80.9% |
| Cursor | VS Code Fork + Composer | 自家 Composer 模型 + 多模型可选 | Cursor 3(2026-04)重建界面,引入 Agents Window(云端 VM)+ 并行 Agent 编排 | Composer 78.4%(Cursor 3 发布数据) |
| Aider | Git-first 终端 | BYOM(OpenAI / Claude / 本地) | tree-sitter + PageRank repo map | 70%+(Sonnet 4.6 配置) |
| Cline | VS Code 扩展 + 2026-05 独立 SDK | BYOM(任意) | Plan/Act 显式分离;checkpoint 每步可回滚 | Cline CLI + Opus 4.7 = Terminal Bench 2.0 74.2% |
| Codex CLI | Rust 终端 App | OpenAI(gpt-5 / o5 / codex models) | OS 原生 Seatbelt/bubblewrap 沙箱 + AGENTS.md 标准 | gpt-5-codex ~85% |
> Devin / Replit Agent 因为是"云端容器 VM + 浏览器入口"而非"本地 harness",本题不作主比较对象,仅作为云端 sandbox 路线的参照。 > > Devin 2.0(2026.2)补充:Cognition 把 Devin 定位为"全自主异步工程师"——2026.2 起支持多模型(不再锁单家),自主任务完成率约 40%,入门价 $500/mo。它代表与五大本地 harness 相反的一极:用「自治长度 + 异步交付」换「人工介入」。社区共识是顶级开发者倾向于组合使用两个工具(如 Aider + Devin、Cline + Devin)而非押注单一 Agent——本地协作做精细改动,云端 Devin 跑长周期大任务。Codex CLI 同期保持每周多个 alpha 版本的高频迭代。
二、四维对比详表
维度 1:Context 管理
| Harness | 策略 | 关键机制 | Token 经济 |
|---|---|---|---|
| Claude Code | 全塞 + 自动 compact | 75% 利用率时 compact;Memory tool 持久化;Skill progressive disclosure | 200K 窗口,compact 后基本不丢;CLAUDE.md 自动 re-inject |
| Cursor | 云端 Composer 上下文池 | @-mention 文件、Composer 自动 retrieve;Cursor 3 多窗口并发 | 自家模型适配,不公开具体策略 |
| Aider | 外部检索 + 显式控制 | tree-sitter AST 解析全 repo → PageRank 排序 → token 预算内塞入 | 默认 --map-tokens=1024,无 chat 文件时膨胀 8x |
| Cline | IDE 上下文 + 文件批准 | 显式 add file / read file;每步全 transcript 可见 | 用户完全可控,配 BYOM 模型选 |
| Codex CLI | AGENTS.md + workdir 文件读取 | 自动读 monorepo 嵌套 AGENTS.md;32 KiB 硬上限静默截断 | AGENTS.md 是核心 context 入口 |
关键对比 — Claude Code 的 "全塞 + compact" vs Aider 的 "检索式 repo map":
| Claude Code 流派(全塞 + 智能压缩) | Aider 流派(外部检索) | |
|---|---|---|
| 优势 | context 不丢,cross-file 推理强;模型直接看到原文 | 小窗口模型也能在大 repo 工作;显式控制,可解释 |
| 劣势 | 200K 窗口 + compact 算法依赖;长 trajectory 可能丢早期细节 | tree-sitter 不支持的语言失效;仅给 outline 不给原文 |
维度 2:Tool Registry & Discovery
| Harness | 工具协议 | Discovery | 扩展机制 |
|---|---|---|---|
| Claude Code | 内置 + MCP(开放) + Skill(按需加载) | MCP server 自动发现;Skill metadata 启动时常驻 | MCP / Skill / Subagent / Hook / Plugin 五件套 |
| Cursor | 内置 + MCP(2025-10 起支持) | 编辑器 UI 配 MCP | Cursor Rules(.cursor/rules/*.mdc) |
| Aider | git + 终端 + LLM-driven file edit | 无插件机制,靠 prompt 触发 | 几乎不可扩展(哲学:保持简单) |
| Cline | 内置 read/write/exec + MCP | MCP marketplace;2026-05 SDK 后开放 plugin | @cline/sdk plugin 注册 tool / 监听事件 |
| Codex CLI | shell_command + apply_patch(深度耦合模型权重) | AGENTS.md / 自家 cookbook | Custom tools via [tools.<name>] 配置 |
关键观察 — apply_patch 的 post-training coupling:
Codex 模型在 post-training 阶段被 绑定 到 apply_patch 工具的语法(OpenCode 团队 + HumanLayer 双重证实)。要让 Codex 在自家 harness 里发挥水平,必须模仿 Codex 的 apply_patch 签名。Claude Code 模型类似——Claude Opus 4.x / Sonnet 4.x 对 str_replace_based_edit_tool 与 bash 工具的偏好已写进权重。这就是 SDK / harness / 模型三者深度耦合的本质。
维度 3:Permission & Approval
| Harness | 默认审批策略 | 升级机制 | "硬拦"能力 |
|---|---|---|---|
| Claude Code | Permission allowlist(settings.json) | --dangerously-skip-permissions 跳过 | PreToolUse Hook deny 即使 bypass 模式也强拦 |
| Cursor | 编辑器内"Apply / Reject" diff | Composer 自动模式可批量批准 | 无强制硬拦 |
| Aider | 自动 commit(git audit trail) | --yes 跳过批准 | 无(靠 git revert) |
| Cline | 每动作弹批准框(Plan / Act 模式) | Auto-approve / YOLO mode | Checkpoint 每步快照可回滚 |
| Codex CLI | 三档:read-only / auto(默认) / full access | :workspace / :danger-full-access profile | 沙箱内不需要硬拦(隔离) |
关键观察 — Hook 的确定性 vs 提示词的概率性(深刻教训):
Claude Code 的 Hook 系统是 2026 业界讨论最多的设计点。在 prompt 里写"提交前必须跑 lint"——模型可能跳过(概率性);写成 PreToolUse Hook(shell 脚本)——保证执行(确定性)。HumanLayer 总结:"success is silent, failures are verbose"——成功不污染 context,失败把错误注入 agent loop 让模型修。这是把 Coding Agent 从"玩具"变成"生产工具"的关键。
维度 4:Sandbox & Runtime
| Harness | 沙箱路线 | 实现 | 真实 CVE / 风险 |
|---|---|---|---|
| Claude Code | 无沙箱(靠 permission allowlist + Hook) | host 直接执行;推荐配合 macOS Sandbox Manager | CVE-2025-66479(BashTool 空白 allowlist)/ SOCKS5 null-byte 注入(v2.0.24-v2.1.89) |
| Cursor | 本地无沙箱;Cursor 3 起 Agents Window = 云端 VM | 默认本地直接跑 | 与 Claude Code 类似风险面 |
| Aider | 无沙箱(git 是唯一防线) | host 直接执行 | 依赖 git diff review 习惯 |
| Cline | 无沙箱(靠 Plan/Act 显式批准 + checkpoint) | host 直接执行 | 显式批准是首要防线 |
| Codex CLI | OS 原生沙箱 | macOS Seatbelt 框架 / Linux/WSL2 bubblewrap / Windows Restricted Token+ACL | workspace-write 默认网络关;danger-full-access 等于无 |
三种沙箱路线的本质权衡:
| OS 原生(Codex) | 云端 VM(Devin/Replit/Cursor 3) | 无沙箱(Claude Code/Cline/Aider) | |
|---|---|---|---|
| 优势 | 本地零成本;文件直接 share | 极致隔离(VM 级别);可异步长跑(200 分钟自治) | 零延迟、零基础设施;用户拥有完整 host 能力 |
| 劣势 | 平台差异(macOS ≠ Linux);复杂规则维护 | 需要 cold start(10-60s);egress / data exfil 风险 | 必须配 permission + Hook 防线;用户审批疲劳是大问题 |
三、Claude Code 扩展生态深度剖析(五机制协同)
Claude Code 的扩展生态是 2026 最完整、最值得深入的 harness 设计范本。社区已总结的发布时间线:
2024-11 MCP (Model Context Protocol) 外部工具协议
2025-07 Subagents Context 隔离与并行
2025-09 Hooks 生命周期确定性触发
2025-10 Plugins 分发与打包
2025-10 Skills Progressive Disclosure 知识包
2026-02 Agent Teams 多 Subagent 编排
五种机制的设计对照表
| 维度 | Slash Command | Skill | MCP | Subagent | Hook |
|---|---|---|---|---|---|
| 触发 | 用户显式 /cmd | 模型自动判断 | 模型 tool_call | 任务委派(Agent tool) | 生命周期事件 |
| 加载成本 | ≈0(模板) | ~30-50 tokens metadata | 1k-50k+ tokens 起步 | 独立 context 隔离 | 注册时几乎为零 |
| 主要用途 | 重复 prompt 模板 | 流程化领域知识 | 外部世界访问 | 并行/隔离子任务 | 强制行为 |
| 文件结构 | 单 .md 文件 | 目录 + SKILL.md + 资源 | server 进程 | .claude/agents/*.md + frontmatter | .claude/settings.json hooks 字段 |
| 加载粒度 | 整体 | 三级渐进 | 全部 schema | 独立 system prompt | 不进 context |
| 确定性 | 用户主动(确定性) | 模型判断(概率性) | 模型决策(概率性) | 父 agent 决策(概率性) | 强制执行(确定性) |
记忆口诀: > MCP = plumbing(管道) > Skill = how to(手册) > Slash = manual trigger(按钮) > Subagent = isolation(隔间) > Hook = guardrail(护栏)
Skill 的 Progressive Disclosure 三级架构
Anthropic 把 Skill 拆为三层加载(官方文档明确):
| 级别 | 加载时机 | Token 成本 | 内容 |
|---|---|---|---|
| L1 Metadata | 启动时常驻 | ~50-100 tokens / Skill | YAML frontmatter 的 name + description |
| L2 Instructions | Claude 判断相关时读取 | ~275-8000 tokens | SKILL.md body 主体 |
| L3 Resources | bash 按需读取 | 无上限(不进 context) | bundled scripts / reference files |
经济性证据:17 个官方 skill 全加载只需 ~1700 token,等价于"知道几十种能力但只为一种付费"。
# SKILL.md 必填字段示例
---
name: pdf-processing # ≤64字符,小写/数字/连字符,禁用 "anthropic"/"claude"
description: Extract text and tables from PDF files. Use when working with PDFs. # ≤1024字符
---
## Workflow
1. Use `python scripts/extract.py <file>` to extract text
2. ...
核心机制:Skill 不是把全部内容塞进 system prompt,而是 Claude 在 VM 中通过 bash read SKILL.md 显式读取。Script 文件在执行时只把 stdout 注入 context,代码本身不消耗 token。这是 2026 跨厂商采纳的第一个开放标准(OpenAI / Google / GitHub / Cursor 在两个月内集成)。
Hook 的 12+ 生命周期事件
Claude Code 官方支持的 hook 事件按 cadence 分类:
Per session: SessionStart / SessionEnd / Setup
Per turn: UserPromptSubmit / Stop / StopFailure
Per tool call: PreToolUse / PostToolUse / PostToolBatch
Agent-related: SubagentStart / SubagentStop / TaskCreated
MCP-related: PermissionRequest / PermissionDenied / Elicitation
Async: FileChanged / CwdChanged / PreCompact / PostCompact
5 种 handler 类型:command(shell) / http(POST 端点) / mcp_tool / prompt(单轮 LLM 评估) / agent(带工具的子 agent,实验性)。
权限决策模型(PreToolUse 独有):
// .claude/settings.json
{
"hooks": {
"PreToolUse": [
{
"matcher": "Bash",
"hooks": [
{
"type": "command",
"command": "node /path/to/check-destructive.js"
}
]
}
]
}
}
// check-destructive.js — 示例 hook 输出
const input = JSON.parse(require('fs').readFileSync(0, 'utf-8'));
if (input.tool_input.command.match(/rm -rf|git push --force/)) {
console.log(JSON.stringify({
permissionDecision: "deny", // 即使 --dangerously-skip-permissions 也硬拦
reason: "Destructive command blocked by project policy"
}));
process.exit(0);
}
process.exit(0); // allow
Exit code 约定(极易踩坑):
0= 成功(解析 stdout JSON)2= blocking error(阻止动作)- 其他 = 非阻塞错误
- 注意:
exit 1不阻断,必须exit 2才阻断
Permission Decision 四值:allow / deny(强拦) / ask(强制升级用户审批) / defer(走正常权限流程)。
Subagent vs MCP server 的边界
这是面试官最爱挖的细节问题:
| 维度 | Subagent | MCP server |
|---|---|---|
| 本质 | Claude 的另一个实例 + 独立 context | 进程 / HTTP 服务 + 工具 schema |
| 解决的问题 | Context 隔离(防 poisoning);并行探索 | 外部资源访问标准化(N×M 问题) |
| 数据传递 | 父发 prompt → 子返回 string | model tool_call → server response |
| 状态 | 子完整 context 不进父 context | server 自己管 state(HTTP)或 stdio |
| 典型用例 | 多文件代码重构、深度调研、并行验证 | 数据库查询、文件系统、GitHub、Sentry |
| 配置 | .claude/agents/<name>.md | .claude/settings.json 的 mcpServers |
Subagent 的两种语义:
- 默认 fresh-context:每次启全新 200k 窗口,子任务跑完只返回最终 string,中间 tool_call 不进父 context
CLAUDE_CODE_FORK_SUBAGENT=1fork:继承当前对话历史(基于已有上下文继续探索),代价是 fork 子 context 随父增长,且与--printheadless 模式不兼容
实战例子:「提交前自动跑 lint + 写测试时按需加载测试规范」
这是 Scout-A Q3 的经典场景题,五机制如何协同:
需求拆解
├── lint 必须每次都跑 → Hook(确定性)
│ └── PreToolUse on git commit / PostToolUse on Edit
├── 测试规范按需加载 → Skill(progressive disclosure)
│ └── .claude/skills/testing-conventions/
├── 测试要跨多文件分析 → Subagent(隔离)
│ └── .claude/agents/test-reviewer.md
├── 查 Sentry 报错 → MCP(外部世界访问)
│ └── mcpServers: { sentry: { command: "...", args: [...] } }
└── 用户显式入口 → Slash Command
└── .claude/commands/run-tests.md → /run-tests
错误用法(常见踩坑):
- 把 commit message format 做成 Skill → 应放 CLAUDE.md / AGENTS.md(频繁触发,不是按需)
- 指望 Skill 访问 GitHub → 应用 MCP(Skill 没工具能力,只有 bash 内 stdout)
- 把简单 prompt 模板做成 Skill → 应用 Slash Command(Skill 太重,过度设计)
- 在 prompt 里写"提交前必须跑 lint" → 应该是 Hook(模型可能跳过)
四、横向对比小结:选哪个 Harness?
团队选型决策树
│
├── 想要"最完整生态 + 深度可扩展"
│ └── Claude Code(五机制协同;锁 Claude 模型)
│
├── 想要"VS Code 原生体验 + 多窗口并发"
│ └── Cursor(Composer 自家模型 + Cursor 3 Agents Window)
│
├── 想要"git-first + 极简 + 多模型"
│ └── Aider(学习曲线最平,repo map 算法精妙)
│
├── 想要"显式 HITL + checkpoint 安全网"
│ └── Cline(Plan/Act 一等公民 + 2026-05 独立 SDK 跨 surface)
│
└── 想要"原生 OS 沙箱 + AGENTS.md 标准"
└── Codex CLI(Rust 重写,Seatbelt/bubblewrap 隔离)
SWE-bench Verified ≠ 唯一指标:harness 的产品体验差异远大于跑分差异。Cursor 在交互流畅度上领先,Aider 在 git 集成与可解释性上领先,Claude Code 在生态深度上领先,Codex CLI 在沙箱安全上领先,Cline 在显式可控性上领先。先问"我的场景看重哪个维度",再选 harness。
2026 工具融合趋势(选型新变量):The New Stack 报道 Claude Code / Cursor / Codex 三大工具正通过插件和共享开放标准"merge into one stack"——MCP 让三者接同一批 server,Skill 这种 progressive disclosure 知识包在两个月内被 OpenAI / Google / GitHub / Cursor 集成,AGENTS.md / CLAUDE.md / .cursor/rules 也在收敛为相似的"项目指令文件"约定。这意味着选型的护城河正从「功能差异」转移到「Context / Permission / Sandbox 的工程取舍与生态成熟度」——能力趋同后,谁的可控性、可审计性、隔离强度更好,谁就更适合生产。另一条并行路线是人机协作 vs 全自主的分工:本地 harness(五大)做精细协作,Devin 2.0 这种全自主异步 agent 跑长周期大任务,社区主流做法是组合使用而非二选一。