DeepSeek Harness 把 Agent 运行时看成一棵可以自由组合的插件树。xAgent 从另一个问题出发：一个任务跑了几个小时，调用过工具、等过审批，甚至经历了服务重启，这些状态到底由谁负责？
这就是两套架构真正分开的地方。
它们都在模型 API 之外处理会话、上下文、工具和执行，也都称得上完整的 Agent Harness。只是 DeepSeek 更关心运行时怎样被替换和重组，xAgent 更关心长期任务怎样持续下去。拿功能清单逐项打勾，反而容易错过这个差别。
外层任务控制完成目标与能力准备后，xAgent 才进入通常所说的 Agent Loop。Brain 控制 Session 级调度，SessionEngine 协调会话事实和运行状态，AgentService 执行固定的模型与 Tool 循环，ToolService 负责调用治理。
这条链路让同一任务可以在 Tool 调用后继续、在高风险动作前等待审批、在上下文变长时压缩、在用户中断时退出，并在具备有效持久化事实时从服务重启中恢复。
这条 AI Agent 上下文管理与执行循环已在 0.0.10.beta 继续完善；本文聚焦每轮请求如何装配、等待、压缩和恢复。
很多 Agent 系统把 Harness 描述成一个循环：把用户消息交给模型，执行模型返回的 Tool Call，再把结果送回模型。这个循环很重要，但它还没有回答一个更早的问题：用户继续发来的消息，是在延续当前任务、改变同一会话内的阶段，还是已经超出当前专业会话的职责？
xAgent 在业务 Agent loop 之前处理这个问题。原始输入先成为会话事实；一次受约束的语义调用再输出任务关系，以及 Skill、Tool、Memory 三类召回词；Brain 根据枚举执行确定性状态转换；只有首次建立任务或阶段变化时，Orchestrator 才增量补充能力。
这套任务理解、AI Agent 能力选择与环境准备链路已随 0.0.10.beta 发布；本文继续说明它在 Harness 中的责任边界和执行顺序。