ai agent

MCP 协议通信详解：从握手到工具调用的完整流程标签：MCP Model Context Protocol JSON-RPC Agent 工具调用协议适合人群：希望理解 MCP 底层通信机制、或需要自行实现 MCP 客户端的开发者

内存（Memory）基础：ConversationBuffer、Summary Memory 等很多人第一次做 Agent 时，都会遇到一个问题：第一轮：第二轮：或者：过了几轮以后：明明刚刚说过，它却忘了。

第5篇：ReMe——文件即记忆，让用户可读、可改、可迁移当所有记忆框架都在追求更复杂的存储架构时，阿里 AgentScope 团队却选择了一条“返璞归真”的路：把 Agent 的记忆直接存成 Markdown 文件。ReMe（Remember Me, Refine Me）是一个极致的“透明化”记忆框架——所有长期记忆都以人类可读的 Markdown 格式保存在 .reme/ 目录中，用户可以随时打开查看、手动修改、甚至批量迁移。本文深度拆解 ReMe 的双轨设计（文件 + 向量）、三种记忆分类（个人/任务/工具）、0.7+0.3 的混合检索策略，以及“记忆扩展

深入浅出 LangChain —— 第三章：模型抽象层📖 本章学习目标完成本章后，你将能够：在实际开发中，你可能会遇到这样的困境：场景：你的团队正在用 OpenAI 的 GPT-4o 开发一个 AI 助手。突然有一天：

IPHWT 零软网络

从被动应答到主动处理：零软智慧通讯的AI Agent与知识库实践传统企业通讯系统常面临明显的效率瓶颈：客户来电依赖人工按键转接，客服需跨系统翻阅文档获取答案，调度员则在海量数据中手动检索信息。这些重复性操作不仅拖慢了响应速度，也占用了大量人力资源。零软智慧通讯产品引入AI Agent与智能知识库，旨在改变这一现状，将通讯系统的职能从基础的信息传递，升级为直接解决业务问题的处理中枢。

iforgeAI再次升级：更强大的 AI 数字团队来了！最近对 iforgeAI 做了一次重要升级，正式发布 v1.3.0 🎉 这次更新主要围绕「智能体能力」做了增强，尤其是对 Trae 生态的适配，让整体协作更加流畅、实用。

Hermes Agent 一周暴涨五万 Star，但我劝你别急着追Hermes Agent 两个月到 91K Star，增速惊人但有水分疑点；Agent 框架已 9,900+ 个，框架疲劳比 FOMO 更值得警惕。与其追框架，不如建体系——理清代码资产、从八十分开始让 AI 补胶水、建立框架无关的工程纪律。

第一篇：Agent 为什么总“失忆”？2025 年末，Meta 超级智能实验室的对齐总监 Summer Yue 向 OpenClaw Agent 下达了一条简单的指令：“检查这个收件箱，提供归档或删除建议。在我发话之前，不要做任何事。” 在测试收件箱上，这个 Agent 已经正常工作了好几周。但当 Summer 把它指向自己真正的收件箱时，数千条邮件信息瞬间填满了上下文窗口。Agent 被迫压缩它的历史记录——那条“不要做任何事”的指令，因为是 Summer 在聊天中口头给出的，从未保存到文件中——在压缩摘要中消失了。Agent 回到了自主模

04月15日AI每日参考：Stanford AI指数报告揭示Agent时代来临，Google I/O确认5月举行今天有两件事值得重点关注。Stanford HAI发布2026年AI指数报告，数据显示AI Agent已能完成66%的真实世界计算机任务，中美AI差距基本消除——这不是预测，是已发生的事实。与此同时，Google确认I/O大会5月19-20日举行，主题直指"Agent时代"，Claude Code在24小时内连发三个版本，国内五部门联合推动AI素养教育。

AI Agent 三大核心：Harness Engineering、Hermes Agent、OpenClaw 全解析（2026最新）2026年，AI Agent 开发已从“概念探索”迈入“工程化落地”阶段，Harness Engineering、Hermes Agent、OpenClaw 三大核心元素强势崛起，成为开发者必备的技术栈。无论是企业级AI系统的合规管控，还是个人开发者的快速落地，亦或是多场景协同的生态搭建，都离不开这三者的支撑与配合。

AWS Agent Registry实操：用一个注册中心管好所有AI Agent团队里Agent越来越多，谁建的、干什么的、接了哪些MCP Server，问一圈没人说得清。AWS上周放出了Agent Registry的Preview版，挂在Bedrock AgentCore下面，想解决的就是这个问题——把Agent、工具、MCP Server统一登记，要用的时候搜一下就行。

zhangshuang-peta

MCP 与跨系统集成：当多个系统共享 Agent 能力时会发生什么？一、当 Agent 不再属于“单一系统”，问题才真正开始（The Real Problems Begin When Agents Are No Longer Owned by a Single System）

Hermes-Agent 部署Telegram/Discord机器人（多平台远程控制）专注AI Agent实战、多平台部署、开源项目落地！前面我们完成了Hermes的安装、源码解析、自定义工具开发和本地模型对接，今天带来终极实战——部署Telegram/Discord机器人，让你随时随地通过手机、电脑远程控制Hermes，实现跨平台对话、工具调用、定时任务，真正把AI智能体变成你的随身助手！全文流程清晰、代码可直接复制，建议收藏+关注，部署时不迷路～

【Agent Memory篇】07：MemPalace 的 AAAK 方言、知识图谱与语义检索系列导航：这是「Agent Memory 系列」第 07 篇，也是 MemPalace 三部曲的中间一篇。第 05 篇讲了 MemPalace 的宫殿隐喻与整体架构，第 06 篇讲了从原始对话到 drawer 的挖掘流水线，这一篇进入它最有"工程味"的三个子系统：AAAK 压缩方言 + 时序知识图谱 + ChromaDB 语义检索。第 08 篇将收尾于 MCP 服务、CLI 与端到端实战。

Agent核心架构：感知-规划-行动-观察循环很多人第一次接触 AI Agent 时，会误以为它只是“大模型 + 工具调用”。但真正决定 Agent 能否持续完成任务的，不是它会不会回答，而是它是否具备一个能够不断运行的闭环。

AI Agent的入门开发指南在人工智能技术演进的浪潮中，AI Agent正从科幻概念转变为现实生产力。与传统的AI模型不同，Agent不是被动的响应工具，而是具备自主性、目标导向性和环境交互能力的智能实体。它们能够感知环境、制定策略、执行动作，并在过程中不断学习和优化。这种范式的转变，标志着AI从"工具"向"伙伴"的进化。

都市凡尘@Paraverse

Agent 心智架构：感知 - 推理 - 行动循环｜学习笔记Agent 是感知、记忆、推理、行动融合的数字智能体，人机关系从Copilot（人主导）升级为Autopilot（AI 主导 + 人监督），需预留 HITL 接口保障人类主体性。

OpenClaw学习总结_IV_认证与安全_5：Secret管理与轮换详解本篇目标：把 OpenClaw 项目里所有“能代表身份/能导致越权/能被滥用”的敏感信息（secrets）怎么存、怎么用、怎么轮换、怎么审计，讲成一套可落地的工程规范。

行者-全栈开发

AI 驱动的智能行程规划系统：腾讯地图 Map Skills 实战💡 摘要: 本文深入讲解了如何使用腾讯地图 Map Skills 构建 AI 驱动的智能行程规划系统，涵盖需求分析、NLU 模块设计、Tool Calling 实现、POI 检索、路径规划、行程生成算法、多人汇合点推荐等核心内容。通过完整的代码示例和实战案例，展示如何从零到一打造企业级 LBS 应用。包含 8 个常见问题和性能优化技巧，适合有一定基础的开发者进阶学习。

zhangshuang-peta

通过 MCP 控制平面引入技能构建 agentic 产品的团队，往往一开始会把 “skills（技能）” 当作一种内部构造：它是可复用指令、工具 schema，以及一点点嵌在每个 agent 内部的胶水代码的混合体。对于少量技能和单个 agent，这种方式可能是可行的，但一旦多个 agent、多个团队以及多个环境需要安全且一致地共享能力，这种方法通常就会崩溃。开放的 Agent Skills 格式（例如一个 SKILL.md 清单文件，再加上可选的脚本/资源）以及 OpenAI API 层面的 “Skills” 概念，都是行业正在标准