Agent workflow 不再只是一次模型调用，而是一条由模型生成、工具调用、上下文更新、guardrail 和 handoff 组成的执行链路。Tracing 可以把这条链路记录成可观察、可调试的执行轨迹。

学习 Function calling 时整理的一些笔记，包括函数定义、namespace、最佳实践、tool choice、并行调用、严格模式和 streaming。

不用 LangChain，手写了一个最小 Agent Loop。目标并不复杂，只支持 3 个工具： read_file(path) write_file(path, content) run_shell(command) 然后让模型自己决定什么时候调用工具，什么时候直接回答用户。 真正写起来之后，我发现 Agent Loop 和普通 Chatbot 的区别，比我原来想得更大。普通 Chatbot 更像是“一问一答”，而 Agent Loop 更像是“模型决策一次，程序执行一次，再把结果反馈回去继续决策”的循环。 ...

MCP Server 是通过标准化的协议接口，向 AI 应用提供特定功能的程序，常见的包括文件系统服务器、GitHub 服务器等。 核心功能主要包含三类 Tools：AI 应用可以根据用户请求主动决定调用这些功能，实现类似于向数据库写数据、调用外部 API、修改文件等操作。 Resources：被动型的数据源，提供只读的访问权限，用来获取文件内容等。 Prompts：预先构建好的指令模板，用来指导 AI 使用特定工具和资源来完成任务（MCP Server 官方说明书）。 MCP 使用 JSON Schema 来进行验证，每个工具只执行一项操作，输入和输出都是明确定义的。 ...

MCP 采用 C-S 架构，MCP Host 会通过 MCP Client 与一个或多个 MCP Server 建立连接。

MCP 是一种用于将 AI 应用与外部系统相连的开源协议，可以理解为 AI 应用的 USB-C 协议。

最近在使用 Coding Agent 辅助开发一些 AI 应用原型时，我有一个越来越强烈的感受：在做小型项目原型，尤其是偏 vibe coding 的探索型项目时，前期文档并不是越详细越好。 通常我们开始一个项目时，会先开启 Plan 模式，让 AI 帮我们写一份比较完整的 PRD 或技术方案。这个流程本身没有问题，它可以帮助我们快速梳理功能边界、页面结构、数据流和实现路径。但如果遇到一些“特别爱思考”的模型，比如 MiniMax-M3 这类模型，它可能不只是帮你规划产品功能，而是把每个模块、每个函数，甚至异常处理和 fallback 方案都提前写得非常细。 ...

欢迎来到这个新的 Hugo 博客。