部署代理时希望快速响应且成本效益高。观察到代理耗大量时间令牌管理工具调用，促使构建虚幻代理（Unreal Agent）以降低模型工具管理开销。其框架异步管理工具调用，免去模型处理等待轮询心跳。用户可随时引导代理无须等候工具结束，代理也能在模型调用间安排更多任务，实现前沿成本效率。当前版本相比代码（Codex）最高省40%成本、相比派（Pi）最高省20%。
正文
在真实环境部署智能体时，我们希望它们能快速响应用户，同时运行成本低。我们注意到，智能体会花大量时间和 token 管理工具调用，这促使我们构建 Unreal Agent，用一个 harness 减少模型的工具管理开销。
Unreal Agent harness 以完全异步的方式管理工具调用，让底层模型不必管理工具的等待、轮询和心跳。
这种方法带来两个主要好处。第一，用户始终可以介入引导智能体，无需等待工具调用完成。第二，智能体可以在模型调用之间安排更多有用的工具调用工作，实现前沿成本效率。当前版本在真实工作负载和智能体基准测试中，相比 Codex 最高节省 40% 成本，相比 Pi 最高节省 20%。
我们认为 harness 设计本身就是一个研究领域，还有许多有前景的想法有待研究和实现。
动机与架构
如果你尝试构建智能体优先的产品，很快会发现没有一条黄金路径。大品牌厂商提供不同的 SDK 来构建智能体，每种都有不同的取舍，而这些取舍未必会立刻显现。
在 Unreal Labs，我们构建过多个智能体产品，也从中了解到一些流行 SDK 的特点。
例如，面向 CLI 的 SDK，如 Claude 的 Agent SDK，带有对本地会话、子进程和资源限制的假设，这些假设不能很好地转化到生产环境。要可靠处理完成、取消和后台任务，通常需要围绕它们自行构建生命周期管理。
支持其他提供商还会增加兼容工作：切换 API 模式可能破坏工具或压缩，SDK 升级可能改变消息格式，迫使集成重写。重型依赖树会给运行时增加维护和供应链风险，而运行时本来就需要我们自己理解和修补。
在我们看来，依赖 harness 钩子和专用工具来做安全与审批，通常比在 harness 之外使用确定性的环境或沙箱约束更需要维护，也不够稳健，比如允许/禁止的主机、细粒度访问令牌、带审批门的代理。
除了这些技术动机，我们还想构建一个 harness，能够始终无延迟地接受用户引导消息，并处理异构工具调用，而不给模型增加额外认知负担。例如，我们希望智能体能启动可能需要几分钟的开发环境设置，同时并行探索代码库和搜索网页，且不产生额外 token 税。
每当 Unreal Agent 发出工具调用，我们会立即在事件日志中追加一条记录，表示工具已返回“进行中”状态，同时继续在后台执行。工具真正完成后，我们把结果追加到会话日志并调用 LLM。要让它在不破坏缓存的情况下运作，本身就是一项有趣的工程挑战。
成本效率
从表面看，Unreal Agent 用更少的模型轮次和更少的输入 token 达到相同结果。
我们把成本节省归因于两个因素：
- 最小的 harness 足迹，以及精心设计工具输出的使用方式。Unreal Agent 有简单的提示、token 优化的工具结果，没有子智能体或工作流。
- 每个模型轮次做更多工具工作。Unreal Agent 有一个直接明了的异步工具调用模型，并向 LLM 清楚解释。这让它能在每个模型轮次发出更多重型工具调用，而不浪费 token 去轮询或等待。
基准测试
我们构建 Unreal Agent 是为了交付真实生产工作流，但它在基准测试中也表现不错。我们用 GPT-6 Astra xhigh 测试，并与 Codex 和 Pi 比较。以下是一些结果。
通过率存在边际差异，我们将其归因于基准方差。
Terminal-Bench 4.0
GPT-6 Astra · xhigh。Codex（排行榜）是排行榜基线。
| 智能体 | 通过率 | 总成本（美元） | 每试用输入 | 每试用输出 | 轮次 | 工具调用 | | --- | --- | --- | --- | --- | --- | --- | | unreal-agent | 57.9% | 1428 | 1.73M | 32k | 28 | 37 | | Codex（排行榜） | 57.9% | 2350 | — | — | — | — | | Pi | 55.0% | 1827 | 2.83M | 35k | 44 | 57 |
SWE-Atlas Codebase QnA
| 智能体 | 通过率 | 总成本（美元） | 每试用输入 | 每试用输出 | 轮次 | 工具调用 | | --- | --- | --- | --- | --- | --- | --- | | unreal-agent | 65.8% | 936 | 898k | 15k | 16 | 27 | | Codex | 63.3% | 1303 | 1.69M | 17k | 22 | 21 | | Pi | 64.0% | 1033 | 1.29M | 16k | 24 | 60 |
DeepSWE 1.1
| 智能体 | 通过率 | 总成本（美元） | 每试用输入 | 每试用输出 | 轮次 | 工具调用 | | --- | --- | --- | --- | --- | --- | --- | | unreal-agent | 72.4% | 1367 | 1.60M | 28k | 26 | 38 | | Codex | 69.0% | 1633 | 2.19M | 30k | 30 | 29 | | Pi | 69.6% | 1584 | 2.21M | 30k | 40 | 75 |
Agents’ Last Exam · ALE-CLI
完整通过率和平均分如下。这些运行不在 Harbor 上。
| 智能体 | 完整通过率 | 平均分 | 总成本（美元） | 每任务输入 | 每任务输出 | 轮次 | 工具调用 | | --- | --- | --- | --- | --- | --- | --- | --- | | unreal-agent | 30.0% | 59.7 | 217 | 0.76M | 18k | 18 | 23 | | Codex | 29.0% | 58.1 | 292 | 1.59M | 15k | — | 21 | | Pi | 29.0% | 59.2 | 262 | 1.19M | 19k | 27 | 37 |
我们主要运行编码基准测试，因为它们可以在 Harbor 上获得，便于复现和验证，但该 harness 与领域无关。
开始使用 Unreal Agent
Unreal Agent SDK 目前提供：
- 可直接集成到代码库中的 Go 库
- 类似 claude -p / codex exec 的运行器可执行文件
- 与 Harbor 兼容的基准运行器
如果想亲自试用，可以查看我们的 GitHub 仓库。
评论
多数评论吐槽项目取名“Unreal”易与虚幻引擎混淆、存在商标风险且令期待者失望；少数技术讨论则赞赏异步 harness 方向，或质疑其 token 节省论证及基准对比公平性。
认为项目名“Unreal”蹭品牌、易混淆且可能惹官司
- 大量用户以为这是虚幻引擎相关工具，发现无关后表达失望，指出 Epic 很可能发起商标诉讼，并批评作者放弃独特命名（较多人） > 以为这是虚幻引擎的功能，结果根本无关，非常失望（@basisword）
认可异步工具调用是 harness 设计的正确方向
- 实时模型交互本质异步，新设计利于交互性；有开发者自2月使用类似方案效果极佳，且近期模型对异步更友好（少数人） > 实时与模型的交互本质就是异步的，这对交互性大有裨益（@solarkraft）
质疑 token 节省逻辑与基准测试公平性
- 不清楚等待同步调用时模型消耗何种 token；头条图表拿不同档次模型对比显得奇怪；Codex 高耗 token 部分源于自身无意义轮询而非异步独有优势（少数人） > 不太理解异步工具调用如何转化为 token 节省，模型等待时到底用了什么 token？（@nylonstrung）
认为当前 agent 抽象层级过低，应转向异步 actor 系统
- 仍将 harness 建模为聊天并塞入 shell 会话而非带沙箱功能的异步 actor 系统很荒谬，正确抽象能轻松获益（少数人） > 还在把智能体框架当成聊天塞进 shell 会话而不是构建异步 actor 系统，这很离谱（@rafaelmn）
顾虑订阅支持与 API 成本阻碍采用
- 多人询问能否用现有 Codex 等订阅，不支持则放弃；API 定价昂贵抑制了框架实验与开发，呼吁实验室开放 OAuth 订阅（少数人） > 若不支持订阅对我而言就不可行（@vb-8448）
有价值的补充
- tekacs 指出 Codex 因无端热轮询任务浪费大量 token，其 fork 修复后节省规模与 Unreal 展示相近，且 OpenAI 已加异步工具调用支持（非完全等同）。
- dvt 分享未被充分挖掘的方向：分形工具发现（代理下钻找工具避免上下文污染）、利用 splay 树缓存近期工具链、WASI 沙箱 Python 笔记本挂载资源，认为该空间低垂果实多。
- vblanco 基于虚幻引擎团队实践，暴露编辑器 Python 脚本并导出蓝图/资源为纯文本供 agent grep，效果远超官方 MCP 及同类 agent。
- ChaseRensberger 等指出 Go 语言原语适合并发网络 harness，列举 wingman 与 shelley 等 Go 实现。
- 其他用户提到 omp.sh 结构化工具执行、swival.dev、maki.sh 成本优化等替代方案可供对比。