工具定义层。

工具定义层。

日常开发中，entrySet + for-each 或 forEach Lambda 足以覆盖 90% 的场景；缺点：不能修改外部非 final 变量（需要变通），不支持 break/return 提前终止（必须抛出异常）。缺点：需要两次查找（迭代 + get），HashMap 中性能约为 entrySet 的一半。需要 key + valueentrySet + for-each 或 forEa

我们把整个任务过程拆开，我们会发现，一个真正能够完成工作的 AI，至少需要具备下面几种能力。因此，Agent 与聊天机器人的最大区别，并不是它拥有更多工具，而是：它拥有完成任务的能力。所以到了这里,我们的诉求已经不仅仅是"生成一段文字"了，而是需要完成一系列连续动作。更准确地说：Agent 是一个基于LLM能够围绕某一个目标持续工作的 AI 系统。所以到了这里,我们就会发现,这已经不再是一次推理，

用户可以添加自定义的 MCP stdio 服务器（配置命令、参数、环境变量），保存到 UserDefaults，然后在创建 Agent 时注入。Motive 是一个 macOS 原生的 AI Agent 桌面应用，用 SwiftUI 写的。这是一个务实的决定——万一 SDK 后端有问题，用户还能切回去。是中间类型——Motive 的配置系统有自己的 MCP 描述格式，在传入 SDK 之前转成。我想

用户可以添加自定义的 MCP stdio 服务器（配置命令、参数、环境变量），保存到 UserDefaults，然后在创建 Agent 时注入。Motive 是一个 macOS 原生的 AI Agent 桌面应用，用 SwiftUI 写的。这是一个务实的决定——万一 SDK 后端有问题，用户还能切回去。是中间类型——Motive 的配置系统有自己的 MCP 描述格式，在传入 SDK 之前转成。我想

用户可以添加自定义的 MCP stdio 服务器（配置命令、参数、环境变量），保存到 UserDefaults，然后在创建 Agent 时注入。Motive 是一个 macOS 原生的 AI Agent 桌面应用，用 SwiftUI 写的。这是一个务实的决定——万一 SDK 后端有问题，用户还能切回去。是中间类型——Motive 的配置系统有自己的 MCP 描述格式，在传入 SDK 之前转成。我想