LangChain / LangGraph、MCP、Harness Engineer 与 Claude Code 的对应关系 - 若

先记一张「层次图」

┌─────────────────────────────────────────────────────────┐

│ Harness Engineer（评测工程） │

│ 测：好不好、稳不稳、会不会 regression │

└───────────────────────────┬─────────────────────────────┘

│ 评测对象

▼

┌─────────────────────────────────────────────────────────┐

│ Agent 产品 / 应用（如 Claude Code、Cursor Agent） │

│ LangGraph 层：编排、循环、状态 │

│ LangChain 层：LLM 调用、Prompt、Tool 封装 │

└───────────────────────────┬─────────────────────────────┘

│ 调工具

▼

┌─────────────────────────────────────────────────────────┐

│ MCP（工具连接协议） │

│ GitHub / DB / Filesystem / 自定义 Server │

└─────────────────────────────────────────────────────────┘

三者不在同一层，不是互相替代，而是 构建 → 连接 → 评测 的关系。

---

1. 各自核心区别

	LangChain	LangGraph	MCP	Harness Engineer
是什么	LLM 应用 工具库/SDK	Agent 编排引擎	工具 连接协议	工程角色/方法论
解决啥	怎么调模型、拼 prompt、接 RAG/Tool	怎么跑多步、有状态、可分支的 Agent	怎么统一接外部系统	怎么系统化 测 AI 系统
类比	积木零件	流水线/状态机	USB 接口标准	质检部门 + 自动化测试平台
产出	Chain / Agent 代码	可运行的 Agent 图	Tool/Resource 服务	Dataset、Metrics、Report
关心	功能能不能实现	流程怎么跑	工具怎么接	质量可不可信、可不可回归

LangChain vs LangGraph（常一起出现，但职责不同）

LangChain → 「零件」：ChatModel、Prompt、Retriever、Tool wrapper

LangGraph → 「装配 + 运行」：节点、边、State、循环、checkpoint

• LangChain：偏 构建块（一次调用、链式组合）
• LangGraph：偏 运行时（Agent 循环、条件路由、持久状态）

L4 里手写的 run_fc_loop，在工程上相当于 极简版 LangGraph 节点循环。

MCP vs LangChain/LangGraph

LangChain/LangGraph → 应用内部怎么组织 Agent

MCP → Agent 和外部世界怎么说话（跨进程/跨服务）

• MCP 不是 Agent 框架，不管 loop、不管 state
• MCP 只定义：Tool / Resource / Prompt 怎么 标准化暴露和调用

Harness Engineer vs 上面三者

LangChain/LangGraph/MCP → 都在「造系统、接系统」

Harness Engineer → 在「验系统」

Harness 工程师关心：

• 给定 Task + Dataset → 自动跑批
• 记录 trajectory → 自动打分
• 出 JSON/CSV/HTML → 跨版本 regression

不是框架，是职责 + 一套工程能力（你做的 L3/L4 就是这套能力的 mini 版）。

---

2. Claude Code 对应起来是什么

Claude Code 是一个 Agent 产品（coding agent），不是 Harness，也不是 MCP 本身。可以这样拆：

层次	Claude Code 里对应什么
LangChain 层	Claude API 调用、system prompt、内置 tool 定义（Read/Write/Bash/Grep…）、消息格式
LangGraph 层	Agent 主循环：读任务 → 规划 → 调 tool → 看结果 → 再规划 → 直到完成
MCP 层	用户可挂 MCP Server（GitHub、Sentry、数据库等），扩展 Claude Code 的工具集
Harness 层	Anthropic 内部评测团队 + eval 流水线（你不直接使用，但在测 CC 质量）

更直观的映射

Claude Code 用户看到的：

「帮我把这个 repo 的测试修好」

↓

[Agent Loop] ← LangGraph 层（编排）

↓

Read / Edit / Bash ← LangChain 层（内置 tools）

↓

可选：MCP GitHub ← MCP 层（外部扩展）

↓

改代码、跑测试、给总结

 

Claude Code 用户看不到的：

[Harness] ← 发布前跑 thousands of coding tasks

success rate / regression / tool misuse 等指标

---

3. 用「Claude Code 修 bug」走一遍四层

1. Harness（评测侧，内部）

Task: "给定这个 bug repo，能否修好测试？"

Metric: 测试是否通过、tool 是否误删文件、步数是否爆炸

 

2. Claude Code（产品 / Agent）

Agent loop 决定：先 Read 文件 → 再 Grep 报错 → 再 Edit → 再 Bash 跑测试

 

3. LangChain 式能力（内置）

封装：怎么调 Claude、怎么 parse tool_calls、怎么拼 messages

 

4. MCP（可选扩展）

接 GitHub MCP：直接读 PR、建 issue

接 Sentry MCP：拉线上报错

---

4. 和 Cursor Agent 的类比（你正在用的）

	Cursor Agent	Claude Code
LangGraph 层	Agent 循环（plan → tool → observe）	同类 Agent 循环
内置 Tools	Read/Write/Grep/Shell/Task…	Read/Write/Bash/Grep…
MCP	支持 MCP servers	支持 MCP servers
Harness	Cursor 内部 eval（Bugbot、benchmark 等）	Anthropic 内部 eval

你现在的 L4 Agent Harness，是在 学习 Harness Engineer 做的事 —— 用 mini 数据集和 rule metrics，复现「测 Agent」而不是「造 Claude Code」。

---

5. 一句话对照表

概念	一句话	Claude Code 对应
LangChain	LLM 应用的零件库	API + prompt + 内置 tool 封装
LangGraph	有状态的 Agent 编排引擎	主 agent loop（多步 reasoning + acting）
MCP	外部工具的标准插口	可配置的 MCP servers
Harness Engineer	给 Agent 建自动化考试系统	Anthropic 内部评测；你学的 L3/L4 是同一类能力

---

6. 核心结论

造 Agent → LangChain + LangGraph（+ 产品如 Claude Code）

接工具 → MCP

测 Agent → Harness Engineer

• Claude Code ≈ 一个已经造好的 Coding Agent 产品（内含 LangGraph 式 loop + LangChain 式 tool 封装 + 可选 MCP）
• Harness Engineer ≈ 不负责写 Claude Code，负责证明 Claude Code 好不好、改 prompt/模型后有没有变差
• MCP ≈ 给 Claude Code 加新能力的外接协议，不是 Agent 本身
• LangGraph ≈ 若你自己从零写 Claude Code，用来实现「循环 + 状态 + 路由」的那一层

学 L4 Harness 的价值：即使将来 Agent 跑在 LangGraph 上、工具接 MCP，评测层（trajectory + metrics + regression）依然需要，而且往往要你自己建——这就是 Harness Engineer 的核心工作。