Agent

从零手写一个基于 FastMCP 的信息获取 MCP Server：RSS 解析、网页转 Markdown、免 Key 搜索，让 Claude/Cursor 等 Agent 直接读取任意信息源。含架构设计、踩坑记录、三层验证体系与接入教程。

全自动 Agent 是理想，人机协作是现实：人在回路、关键节点审批、异常升级、自主度分级——Agentic Workflow 的工程化设计。

Agent 的核心能力是’会调用工具’。Function Calling 的机制、工具描述如何影响选型、从私有函数到 MCP 标准化——Agent 工具调用的完整演进与工程实践。

链式编排写简单任务可以，复杂任务就死板。图式编排：节点（任务）+ 边（依赖）+ 条件（分支）——从线性到有向无环图的 Agent 编排演进。

传统 RAG 是’一次检索定生死’，Agentic RAG 让模型自己决定’搜什么、搜几次、要不要换关键词’。同一个知识库，从 55% 准确率提到 78%，代价是延迟和成本。

Agent 的自主性越强，安全边界越要清晰：权限最小化、工具白名单、行为审计、注入防御、可回滚——Agent 安全体系设计与落地。

AI 面试官记不住候选人前面说过什么，是产品硬伤。短期记忆（上下文）、长期记忆（向量库）、工作记忆（状态）——Agent 记忆体系的设计与落地。

一个 Agent 搞不定复杂任务怎么办？编排（谁先谁后）、协商（意见冲突）、黑板模式（共享状态）——多智能体协作的三种模式与选型。