Cursor 官方博客提出的"动态上下文发现"理念颠覆了传统认知：与其将所有信息塞入上下文窗口，不如让AI代理按需检索。文章指出五种创新实践：1)将长工具输出写入文件而非直接载入内存；2)保存完整历史记录而非仅保留摘要；3)按需加载技能说明；4)动态调用MCP工具描述；5)终端会话历史文件化。这种文件中心策略使上下文token使用量降低46.9%，核心启示在于：优秀的上文管理不

文章摘要：Cursor团队深入分享了优化AI编程助手Agent的工程实践，提出"Agent=Model+Harness"的核心观点。他们通过动态上下文管理、真实用户指标评估（如代码保留率）、错误处理机制（解决"上下文腐坏"问题）以及针对不同模型的定制化适配，持续提升产品体验。文章强调AI编程工具不仅是模型调用，而是一个需要系统工程的复杂软件产品，未来多Age

在 Claude Code（后文简称 CC）中，Claude 能和你一起写代码、跑测试、查 Bug，它可以浏览你的代码库、编辑多个文件、运行命令来验证自己的工作。尤其是在提示词注入攻击的场景下，一个被"劫持"的 Claude 拥有文件读写和命令执行权限，后果不堪设想。内部数据显示，沙箱技术将权限提示减少了 84%。

文章摘要：Cursor团队深入分享了优化AI编程助手Agent的工程实践，提出"Agent=Model+Harness"的核心观点。他们通过动态上下文管理、真实用户指标评估（如代码保留率）、错误处理机制（解决"上下文腐坏"问题）以及针对不同模型的定制化适配，持续提升产品体验。文章强调AI编程工具不仅是模型调用，而是一个需要系统工程的复杂软件产品，未来多Age

模型擅长浏览文件系统。当工具以代码形式呈现在文件系统中时，模型可以按需读取，而不是一次性加载所有定义。另一种做法是在服务端增加第一层：只返回工具名称第二层：返回名称 + 描述第三层：返回完整定义智能体可以根据任务需要选择合适的层级，既省上下文，又能高效找到工具。MCP 为智能体提供了连接万物的基础协议。但当连接的服务和工具越来越多，工具定义和中间结果会消耗大量 Token，拖慢智能体效率。虽然"上

你一定经历过这种痛苦：出门带一堆充电线，Micro-USB、Lightning、USB-C 各来一根。– 你不需要了解 MCP 是什么，但你会享受到它带来的好处：更聪明的 AI，能读懂你的数据，能替你执行操作，而不只是给你一段文字回复。有了 MCP，一套标准协议搞定所有集成，开发时间和系统复杂度都大幅降低。简单来说，MCP 是一个开源标准协议，让 AI 应用能够以统一的方式接入外部系统 – 数据源

主机会为每个 MCP 服务器创建一个专属的客户端（Client），每个客户端与其对应的服务器之间维持一条独立的连接。当 LLM 在对话中决定使用某个工具时，AI 应用会拦截这个工具调用请求，将它路由到对应的 MCP 服务器执行，然后把结果作为对话流的一部分返回给 LLM。初始化阶段，AI 应用的 MCP 客户端管理器会与已配置的服务器逐一建立连接，并把各服务器的能力信息存下来，方便后续使用。AI

,

客户端是用户的代理人，一切以用户的知情权和控制权为先。信息征询让服务器"会问问题"，根目录给服务器"划定边界"，采样让服务器"借用大脑"。三者协同，构成了 MCP 协议中客户端侧的完整能力图谱。理解了这些，你就能更好地判断：什么时候该用哪个能力，以及如何在自己的应用中正确集成 MCP 客户端。

Cursor 官方博客提出的"动态上下文发现"理念颠覆了传统认知：与其将所有信息塞入上下文窗口，不如让AI代理按需检索。文章指出五种创新实践：1)将长工具输出写入文件而非直接载入内存；2)保存完整历史记录而非仅保留摘要；3)按需加载技能说明；4)动态调用MCP工具描述；5)终端会话历史文件化。这种文件中心策略使上下文token使用量降低46.9%，核心启示在于：优秀的上文管理不