本文主要描述Event-Driven开发中的ReAct模式，并且使用一个demo，彻底搞懂怎么在实际工作中使用Event-Driven模式话不多说，我们开始。

它们是完整的开发环境，你在里面写代码、调试、管理文件，AI 是内嵌其中的一个能力。它们是独立的 AI Agent，可以在终端或专属界面里运行，专注于理解需求、自主执行编程任务。这两类工具并不互斥，恰恰相反——。比如用 Cursor 作为编辑器，同时用 Claude Code 或 Codex 来驱动重型任务。这个组合思路，本文会在最后的选购建议里详细展开。

宿主应用给用户一个"附加 wiki 页面"的 UI,选中的页面进入上下文,Claude 直接读,不需要猜。它是三种里用得最少的,但合适的时候非常合适。Resource 是 MCP 生态里被严重低估的 primitive —— 它在比大家想象得更多的场景里才是对的答案。模型读每个工具的 description,中间决定某一个相关,带参数调用,结果作为 tool_result 折回上下文。当 tool

Agent Skill 是一种轻量级、开放格式的 AI agent 能力扩展机制 [8]。它的物理形态是一个包含SKILL.mdYAML 前置元数据定义nametriggers等字段，用于 agent 的自动发现 [1][9]；Markdown 指令体描述何时以及如何使用工具、执行何种工作流；可选资源包括脚本、模板、参考数据 [9]。Skill 与 Tool 有本质区别：Tool 是单一函数调用，

改造后的命令定义，就是在原来的基础上多了一个可选的skill字段。以last30days这个 bundled preset 为例，它的大致长这样："prompt": "调研一下最近30天大家对 {topic} 的真实讨论"},"prompt": "把上面的调研结果整理成一份摘要"version升到了1.1，对应的 schema 也加了可选skill字段。第一条命令research绑了last30d