理解 Agent 最好的方式，就是亲手写一个最小的。本文用一个不到 100 行的 TypeScript 实现，把 ReAct（Thought → Action → Observation 循环）讲透：核心循环、工具调用、停止条件、错误恢复。读完你就知道 LangChain/LangGraph 那些 Agent 框架内部在做什么。

#AI Agent #TypeScript♥ 360 评论

@admin·2 分钟阅读·Agent 工程

实战：把 GitHub 接进 Claude Code（MCP）

让 Claude Code 直接读 issue、建 PR、查 CI、改文件提 PR——靠 MCP 把 GitHub 能力接进 AI 编程工具。本文讲清两条路（官方远程 MCP / 自建本地 Server）、配置方法、实际用法、以及 token 权限的安全边界，让你的 AI 编程工作流真正闭环到 GitHub。

#Vibe Coding #MCP♥ 380 评论

@admin·1 分钟阅读·Agent 工程

Tool Calling 失败分类：不要把所有失败都归因于模型不够聪明

工具调用失败可能来自选择、参数、授权、依赖、状态和用户确认。本文给出可操作的失败分类与指标设计，帮助团队把模糊的 Agent 错误转化为可修复的工程问题。

#AI #AI Agent #MCP♥ 00 评论

@admin·2 分钟阅读·Agent 工程

实战：用 LangGraph 做一个多步研究 Agent

深度研究（一个问题 → 多轮检索 + 综合成报告）是 Agent 最有含金量的场景，也是单轮 RAG 解不了的。本文用 LangGraph 做一个研究 Agent：拆问题 → 并行检索 → 读全文 → 查漏补缺 → 综合成报告，讲清状态图设计、工具调用、循环控制——把"研究"这件开放的事工程化。

#AI #AI Agent♥ 400 评论

@admin·2 分钟阅读·Agent 工程

工具结果 Schema 演进：Producer 与活跃 Consumer 兼容矩阵

新结果通过最新 validator，不代表仍在线的旧 Agent、渲染器和审计任务都能读取。本文把 producer revision、真实消费者集合、解码证明和 representation 路由组成工具结果专用兼容门。

#AI Agent #MCP #TypeScript♥ 1990 评论

@admin·2 分钟阅读·Agent 工程

怎么测一个 Agent

测 Agent 比测普通软件难一个量级——它非确定、多步、还会调外部工具。本文给一套分层的 Agent 测试策略：单元测工具、集成测端到端、评测集测质量、混沌测容错，加上 trace 复现和回归。把"上线靠运气"变成"上线有底气"。

#AI Agent #DevOps♥ 470 评论

@admin·2 分钟阅读·Agent 工程

LangChain vs LangGraph vs LlamaIndex：Agent/RAG 框架怎么选

AI 应用绕不开框架选择，但 LangChain、LangGraph、LlamaIndex 的边界很多人没搞清——以为它们是竞争关系，其实各管一段。本文讲清三者定位（LangChain 全栈胶水 / LangGraph Agent 编排 / LlamaIndex 数据与 RAG），按你的需求选，以及一个被低估的选项：什么都不用，自己写。

#AI Agent #DevOps♥ 490 评论