从Claude Code泄露的客户端源码，作为工程师应该要看到的是其背后的工程架构：CLI入口、工具系统、权限控制、多Agent协作等关键设计，揭示如何将大模型转化为可用的工程系统。该系列旨在通过架构分析，而非代码传播，为AI工程实践提供参考价值。

本文从宏观视角系统剖析 Claude Code CLI 项目的整体架构设计，通过顶层目录结构分析、核心模块职责划分、关键数据流向梳理，揭示其作为"终端操作系统"的七层架构模型。

本文系统剖析 Claude Code 工具系统的分层架构设计。通过深入分析 `buildTool()`工厂函数、候选池构建 运行时过滤以及最终装配，揭示其"分层处理不确定性"的设计哲学。该设计在保持工具协议统一性的同时,提供了灵活的运行时配置能力,并通过排序去重机制保障 prompt cache 稳定性,提升缓存命中率。

本文深入剖析 Claude Code 的 MCP接入层架构。通过分析统一入口设计、六种传输协议的差异化处理、认证缓存机制以及资源发现流程，揭示其"统一入口，不抹掉差异"的设计哲学。该设计在支持多协议的同时，保留了每种传输方式的关键特性，为长期维护提供了坚实基础。

深入讲解模型抽象层的设计理念，两种模型配置方式，主流 LLM Provider 接入（OpenAI/Anthropic/Google/Ollama），消息格式和多轮对话原理，流式输出实现，结构化输出，以及模型选型指南。

本系列文章导读，介绍写作背景、目标读者、内容结构与阅读建议，帮助读者在正式开始前建立清晰的学习预期，少走弯路。

深入讲解 AI Agent 的核心概念、三大构成要素，LLM 应用从简单问答到自主代理的演进历程，LangChain 生态体系定位，以及 TypeScript 版本的选择理由。

详细讲解 LangChain.js 开发环境配置，包括 Node.js、TypeScript 设置，模块化包安装理念，创建第一个 AI Agent，接入 LangSmith 调试，流式输出实现，以及常见配置陷阱避免。

深入讲解 Prompt 系统化管理，PromptTemplate 和 ChatPromptTemplate 使用场景，MessagesPlaceholder 动态管理对话历史，Few-shot 提示技术，类型安全的 Prompt 模板，Prompt 版本管理，以及常见设计模式（角色扮演、思维链等）。

完整构建一个生产级智能客服 Agent，涵盖系统架构设计、知识库构建、多轮对话管理、工单系统集成、转人工机制，以及完整的部署和监控方案。