本文讲解Agent开发中结构化输出的必要性（工具调用、信息提取、多步规划、分类路由、多Agent通信），对比三种实现方法（Prompt约束→JSON Mode→Structured Outputs/JSON Schema），详解JSON Schema核心语法（description/required/additionalProperties/enum）、Pydantic定义Schema、不同模型的

本文详解Function Calling机制——没有它Agent只能聊天，有了它Agent能调API、查数据库、发邮件。内容包括：无Function Calling时的变通方案（Prompt解析JSON/ReAct）、Function Calling的完整工作流（工具定义→模型决策→输出结构化→调用执行→结果返回）、OpenAI vs Anthropic工具调用格式对比、多函数并行调用、实战示例（

本文从零讲解MCP协议（Model Context Protocol）——2024年底由Anthropic发布的Agent工具连接标准协议。内容包括：①MCP是什么（定义、为什么需要、它**生效于Agent三层架构的哪一层**）；②MCP架构详解（Host/Client/Server三层模型、三大能力**Tools/Resources/Prompts**及案例、传输方式**Stdio vs SSE

本文从零讲解多智能体系统——单个Agent能力有限，多个Agent协作实现"1+1>2"。内容包括：①为什么需要多Agent；②多Agent的核心概念（角色、通信、协调、编排）；③多Agent在Agent技术栈中的定位；④五大架构模式详解（管理者/流水线/对话/群体/层级）；⑤通信机制（共享状态/消息传递/黑板系统/事件驱动）；⑥协调机制（中央调度/共识协议/市场机制/角色协商）；⑦A2A协议；⑧

本文从"什么是Agent"出发，梳理Agent概念从哲学到AI的演变，然后**深度解析**LLM Agent发展史上每一个关键项目和事件——它为什么出现、做了什么、结果如何、现状怎样。涵盖ReAct、AutoGPT、BabyAGI、MetaGPT、Function Calling、Devin、SWE-Agent、OpenHands、Manus、Claude Code、Cursor Agent、MC

本文阐述Tool Use的完整概念层级（Tool Use→Function Calling/MCP/Skill等实现方式），详解工具描述规范（name/description/parameters JSON Schema）、工具选择策略（模型自动选择/强制调用/禁用）、工具结果处理（结构化返回→模型理解→下一步决策），对比不同模型工具调用能力差异，以及从Function Calling到MCP协议

本文从零讲解MCP协议（Model Context Protocol）——2024年底由Anthropic发布的Agent工具连接标准协议。内容包括：①MCP是什么（定义、为什么需要、它**生效于Agent三层架构的哪一层**）；②MCP架构详解（Host/Client/Server三层模型、三大能力**Tools/Resources/Prompts**及案例、传输方式**Stdio vs SSE

本文从零讲解Agent Skill系统——Agent能力的"插件化"组织方式。内容包括：①Skill是什么（定义、与Tool/MCP的本质区别）；②为什么需要Skill（单纯工具列表的四大问题、Skill如何解决）；③Skill在Agent技术栈中的定位（三层架构图解）；④Skill的核心结构（五大组成要素详解与案例）；⑤Skill的生命周期（自动发现→注册→发现→加载→执行→卸载完整流程）；⑥S

本文概述了AI Agent开发的核心概念与演进历程。AI Agent是一种具备感知-思考-行动循环的自主系统，相比传统聊天机器人，具有持续执行、工具调用、状态维护和自主决策等特性。文章详细介绍了从Function Calling到MCP协议的演进，以及新兴的Skills抽象层，分析了Agent的核心组件（LLM大脑、工具和记忆系统），并对比了不同技术方案的优劣。随着标准化协议MCP的普及和Skil

从零构建多Agent协作系统