技术方向
让 AI 连上外部软件和数据：MCP 协议、function calling 工具调用与各类工具集成。
12 条精选近 30 天 6 条共收录 14 条
Anthropic 讲解何时将 Claude Platform 的子智能体并入主循环，用按需加载的技能和工具替代部分路由、规划与领域分工。在多个企业部署的比较中，配备技能的单智能体经常取得更好的质量，且每项任务的成本和延迟往往更低；上下文膨胀导致性能下降、需要独立上下文并行处理任务，或工具选择困难及指令冲突时，仍适合保留子智能体。
推荐理由：以端到端评测为基线逐个合并子智能体，并检查具体任务的成败变化，为团队简化架构提供了可迁移的渐进方法。
阿里云云原生介绍了用 RocketMQ LiteTopic 保存 MCP Tasks 状态的实现方案：每个任务对应一条专属通道，消息序列作为状态账本。任务句柄在消息持久化后才返回，任意服务副本都可查询状态，执行失败可自动重试，但要求工具具备幂等性。
推荐理由：文章把 MCP Tasks 的状态存储问题落到每任务一条 LiteTopic 通道，并说明持久化、跨副本查询与幂等重试的实现方式。
腾讯技术工程发文拆解 GitHub 项目 REA（Reverse Engineer Anything）的技术原理，该项目把 Hopper、Ghidra、IDA、JADX 等逆向工具包装成 MCP 接口供 Agent 调用。
推荐理由：文章拆解 REA 如何用 MCP 桥接 Ghidra、IDA 等工具，把逆向调查流程交给 Agent，并附社区案例与边界说明。
腾讯技术工程以数字化团队作类比，梳理 Model 是大脑、Agent 是数字员工、Skill 是岗位手册、MCP 是转接头、CLI 是对讲机的关系，并说明 MCP 与 CLI 可以嵌套。
推荐理由：文章用团队类比理清 Agent、MCP、Skill、CLI、Model 的关系，并给出老系统接入 AI 的三条路径与选型决策树。
Anthropic 基于 Claude Managed Agents（beta）分享一套定时 Agent 自动化参考实现，说明如何读取来源并把简报发布到 Slack。
推荐理由：文章将定时 Agent 自动化拆解为来源书签、失败显式告知、发布确认后更新状态等环节，提供了可迁移的可靠性设计方法。
Claude Code mods 入门指南以约 80 行的 Token Weather 为例，讲解如何构建实时显示上下文窗口用量的会话扩展。Mods 适用于 Claude Code 2.1.287 及以上版本且默认开启，通过插件中的 JavaScript 或 TypeScript 模块观察、改写或接管事件，并绘制自定义界面；教程涵盖热重载、状态保存、验证、测试与分发。
推荐理由：通过上下文用量面板的完整实现，展示如何把事件钩子、热重载状态和界面绘制组合成可测试、可分享的会话扩展。
得物技术介绍其基于 AgentScope Java 的企业级 MultiAgent 平台，重点讲 Plan 模式与主/子 Agent 协作。Plan 被做成有状态、可持久化的运行对象，通过 create_plan、activate_subtask 等工具由模型动态创建和调整，并支持断点恢复与 SSE 过程可见。
推荐理由：得物技术公开其企业级 MultiAgent 平台的 Plan 生命周期与主/子 Agent 协作设计，可作为同类平台工程化的参照。
美团正式上线全场景 AI Agent 平台 CatPaw，搭载本月开源的 LongCat 2.0（总参数 1.6T、原生支持 1M 上下文）。平台提供移动端、PC 端与云端 7×24 小时协作的 AI 工作台，并内置可一键安装的专家与技能库；同时推出 Managed Agents 企业级托管平台，支持数字员工、租户隔离与可视化运维。
推荐理由：美团把 LongCat 2.0 的模型能力封装成可落地的 Agent 平台，内部 9 万员工、3 万个 Agent 的规模数据可作为企业智能化的参照。
OpenAI 的实时模型提示词指南讲解如何为 gpt-realtime-2 设计语音智能体，明确职责、决策条件、工具调用与安全边界。指南建议从最小提示词和 reasoning.effort 设置为 low 起步，通过评测逐步补充指令，并明确简短语音进度提示的使用条件、高精度标识符核对及写操作前的确认规则。
推荐理由：指南将语音智能体的提示词调优拆成可测试的行为规则，从最小提示词出发，仅针对评测失败补充约束，便于逐步定位问题。
OpenAI Developers plugin 为 ChatGPT 和 Codex 提供 OpenAI Platform 接入与 API 配置指导，并为 Claude Code、Cursor 提供可移植开发技能和 OpenAI Docs MCP。插件还包含 API 密钥配置、Agents SDK 应用构建与部署，以及常见 API 故障排查指导。
推荐理由：页面区分了不同编码工具的接入方式，并列出 API 密钥配置、Agents SDK 应用构建与故障排查等可直接使用的场景。
OpenAI 的 API 部署清单建议从 Responses API 开始，并按工作负载选择 GPT-6 系列模型。清单建议用代表性任务评测质量、延迟、token 用量和每个成功任务的成本，并按任务调整 reasoning.effort。其他检查项涵盖工具调用、缓存、安全标识、过载处理、后台任务和 WebSocket。
推荐理由：这份清单把模型选择、推理 effort、工具调用、缓存与错误恢复纳入质量、成本、延迟和可靠性框架，便于按工作负载检查部署取舍。
OpenAI 介绍如何为 Codex 配置 Docs MCP，以只读方式搜索官方开发文档并将页面内容引入智能体上下文，不会代用户调用 OpenAI API。
推荐理由：通过共享配置接入文档服务并配合技能优先检索官方资料，这套方法可用于让智能体的产品与 API 回答更易追溯到原始文档。