Vercel AI SDK 的 HarnessAgent 为全部适配器加入图像输入支持

核心事实

Vercel 在更新日志中宣布，AI SDK 的 HarnessAgent 层现在在所有 harness 适配器上都接受图像输入。开发者可以沿用 AI SDK 的标准消息格式，把图像与文本一起传入：content 数组中可以同时包含 { type: 'text' } 与 { type: 'file' } 两种片段。官方给出的示例使用 Codex harness，在消息中附带 mediaType: 'image/png' 的文件数据，并要求模型用一句话描述该图像。

背景与影响

据 Vercel 说明，图像输入由各 harness 底层视觉模型处理，覆盖其列出的全部适配器，包括 Claude Code、Cline、Codex、Cursor、Deep Agents、fx、GitHub Copilot、Grok Build、OpenCode 与 Pi。这意味着使用同一套 HarnessAgent 接口的开发者，不必为不同 harness 分别改写多模态消息结构。示例还展示了与 Vercel 网络沙箱会话配合的用法，即先创建沙箱会话，再在会话中调用 generate。

限制与来源

上述信息来自 Vercel 官方更新日志，署名 Felix Arntz 与 Josh Singh，日期为 2026 年 10 月 27 日。素材未披露各适配器视觉能力的具体差异、图像格式与大小限制、计费方式或地区可用性，这些细节需以 Vercel 官网当前文档与定价页面为准。文中未给出实测效果或性能数据。