项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-19 · 当前星标 ★ 4373
使用教程
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- Docker(社区版通过一条 Docker 命令自托管启动)
- 约 4 GB 可用磁盘空间
- 你自己的模型 provider API key
- 无需 HarnessRouter 账号,官方不提供捆绑模型或试用密钥
安装与启动步骤
-
1安装 Docker
在目标机器上安装 Docker 并确认可用;HarnessRouter 社区版通过 Docker 自托管运行。
docker --version -
2准备磁盘与密钥
预留约 4 GB 磁盘,并准备好你自己的模型 provider API key,稍后在界面中连接 provider 时使用。
-
3拉取官方镜像
从 Docker Hub 拉取 harnessrouter/harnessrouter 镜像,该镜像地址来自 README 的 Docker Hub 徽章。
docker pull harnessrouter/harnessrouter -
4启动自托管服务
按仓库 README Quickstart 给出的那条 Docker 命令启动容器并注入你的 provider API key;端口与环境变量以 README 原文为准。
-
5配置模型 provider
首次启动完成后,在界面中连接一个模型 provider 并填入你的 API key,代理才能实际调用模型。
-
6运行第一个任务
打开 Agent harnesses,选择一个受支持的 harness,点 New task,选择可用模型并给出具体任务,跟踪实时进度并查看生成文件。
如何确认成功
服务启动后能打开自托管界面,在 Agent harnesses 中选中 harness 并新建任务,看到实时进度输出即成功。
常见问题
Q:需要 HarnessRouter 账号吗?
A:不需要。README 说明无需注册账号,也不提供捆绑模型或试用密钥,只需自备 provider API key。
Q:硬件与依赖要求是什么?
A:需要 Docker、约 4 GB 可用磁盘空间,以及一个你自己的模型 provider API key。
Q:支持哪些代理工具?
A:面向 Codex、Claude Code、Hermes 等代理工具,通过统一的 Unified Harness Protocol (UHP) 接口接入。
Q:完整的 Docker 启动命令在哪里?
A:在本仓库 README 的 Quickstart 章节与官网 harnessrouter.ai;本段节选未包含该命令原文,请勿自行猜测端口。
注意事项
- README 只说明“一条 Docker 命令”启动,但本段节选未给出该命令原文,请以仓库 README 或官网为准。
- 必须自备 provider API key,官方不提供捆绑模型或试用密钥。
- 自托管可让密钥与数据留在你自己的基础设施上。
- 项目处于早期阶段,已具备 UHP 一致性(conformance)测试能力。
核心亮点
- 实现开放标准 UHP,避免厂商锁定,提升互操作性
- 支持多代理统一接入,降低管理多个工具的成本
- 自托管部署,数据与密钥完全由用户掌控,隐私性强
不足之处
- 项目处于早期,星标仅118,生态和社区尚不成熟
- 文档和示例可能不够完善,上手门槛待观察
适用场景
- 企业内部统一管理多种 AI 编码代理,集中监控和审计
- 需要自托管、数据不出内网的代理网关场景
- 开发多代理协作应用,需要标准化接口的团队
替代项目
LiteLLM、OpenRouter、one-api
上一篇:pai
下一篇:Uptime Kuma
同类项目推荐
awesome-agent-apis
开源
一站式查找660+AI代理API,按能力快速筛选集成
660+ muapi-hosted generative-media models plus community-submitted third-party API t···
WorldFoundry
开源
统一跑通世界模型推理与评测,告别碎片化流程。
Unified World Model Inference & Evaluation Infrastructure
1Cat-vLLM
开源
让 V100 老卡也能跑现代大模型推理
V100 / SM70-focused vLLM engineering fork for modern LLM inference.
keda-gpu-scaler
开源
无需 Prometheus,让 K8s 上的 GPU 工作负载按真实使用量自动伸缩。
KEDA External gRPC Scaler for GPU workloads - native NVML metrics via DaemonSet, no ···
a-guide-to-mlops
开源
从传统到现代,一份指南带你玩转MLOps工具链
A simple yet complete guide to MLOps tools and practices - from a conventional way t···
scion
开源
用 Rust 自建一套可定制的版本控制系统
Implementation of Anthropic's version control system
kronk
开源
Go 项目一键接入本地大模型、语音和图像生成
Go With Your Own Intelligence! Use Go for hardware accelerated local inference with ···
envd
开源
一条命令搞定可复现开发环境,人和 AI 都能用
️ Reproducible development environment for humans and agents
inference
开源
一行代码部署视觉模型,让任何设备秒变 CV 指挥中心
Turn any computer or edge device into a command center for your computer vision proj···
