支援的 harness

此版本支援五種 harness。每一種都透過各自的程式化介面驅動，從不透過擷取終端機

from enum import Enum

class Harness(Enum):
    CLAUDE_CODE = "claude_code"
    CODEX = "codex"
    OPENCODE = "opencode"
    DEEPAGENTS = "deepagents"
    TOOL_LOOP = "tool_loop"

Harness 是一個純粹的 Enum。StrEnum 成員會與其字串相等，並允許 "codex" 通過，因此 litellm.agent() 和其他進入點會檢查 isinstance(harness, Harness)，否則便會引發 TypeError。

能力

能力	Claude Code	Codex	OpenCode	Deep Agents	Tool Loop
任何 gateway 模型群組	是	是	是	是	是
成本追蹤	是	是	是	是	是
Skills	是	是	是	是	否
結構化輸出	是	是	是	是	是
分離並恢復	是	是	是	是	否
內建工具篩選（`disable_tools=`）	是	否	是	是	否
自訂 Python 工具（`tools=`）	否	否	否	是	是
歷史紀錄（`s.history()`）	否	否	否	是	是
權限模式	`read-only`, `edit`, `full`	`read-only`, `full`	`read-only`, `edit`, `full`	`read-only`, `edit`, `full`	`ask`, `full`

permissions="ask" 搭配互動式核准在此版本的 CLI harness 上不可用。向 harness 要求它不支援的功能時，會在執行階段開始前引發 CapabilityUnsupported，而且絕不會退回到較寬鬆的模式。您可以在程式碼中讀到相同的表格。

caps = litellm.agent_capabilities(Harness.CODEX)
caps.tool_filtering     # False
caps.permission_modes   # frozenset({'read-only', 'full'})

每一種的驅動方式

Harness	透過以下方式驅動	與其模型通訊	執行於	沙箱中需要
`CLAUDE_CODE`	`claude -p --output-format stream-json`	Anthropic Messages	sandbox	`claude`
`CODEX`	`codex exec --json`	OpenAI Responses	sandbox	`codex`
`OPENCODE`	`opencode run --format json`	OpenAI Chat Completions	sandbox	`opencode`
`DEEPAGENTS`	`deepagents` Python API	LangChain chat model	您的程序	無需任何
`TOOL_LOOP`	LiteLLM tool loop	OpenAI Chat Completions	您的程序	無需任何

此版本不會為您安裝執行階段二進位檔。請將它們放入您的 sandbox 映像中，或放在您的 PATH 上以供 sandbox.local 使用。若二進位檔遺失，該呼叫會引發 HarnessInstallFailed，並指出其名稱。

每個 harness 都會接受一個型別化的 options 類別，用於僅對該執行階段有意義的設定。傳入其他 harness 的 options 會引發 OptionsMismatch。

from litellm import Harness, CodexOptions

litellm.agent(
    Harness.CODEX, task, sandbox=box,
    options=CodexOptions(reasoning_effort="high"),
)

能力​

每一種的驅動方式​

能力

每一種的驅動方式