专栏 · 4 篇 · 19 家厂商
AI Agent 实战
从 Function Calling 到 MCP，把 Agent 真正跑起来
Agent 这个词被用得太泛了——一到落地就卡在三个问题上：工具为什么调不对、流程为什么走偏、上线后为什么不知道它坏了。这个专栏只讲工程实现：Function Calling 的完整闭环、四种架构模式怎么选、MCP 协议与写 Server 的实操、以及可观测与评测怎么埋点。每篇都给可跑的代码骨架和故障对照表。
专栏文章
01020304
Function Calling 从原理到实现：模型并不会执行代码
很多人以为模型能「调用函数」，其实它只会输出一段结构化的 JSON 告诉你「我想调这个」。把请求-执行-回传的完整闭环、并行调用、tool_choice、strict 模式讲清楚，附可跑的代码骨架。
Agent 架构的四种模式：ReAct、Plan-Execute、反思与多 Agent
不要一上来就上多 Agent。四种模式按复杂度递增，各有明确的适用边界和失败模式——用「任务步数 × 不确定性」两个维度就能选对。
MCP（Model Context Protocol）是什么：一次讲清协议、传输与写 Server
MCP 解决的其实是「N 个模型 × M 个工具」的重复集成问题。讲清 client/server 架构、tools/resources/prompts 三类原语、stdio 与 Streamable HTTP 两种传输，附一个最小可用的 Python server。
Agent 上线后怎么知道它坏了：可观测与评测的实操方案
Agent 的失败往往是「静默」的——不报错，但答错了、绕远了、花了十倍的钱。给出必须埋的 8 个指标、Trace 的最小数据结构、三种离线评测方法，以及一套 20 条样本的起步评测集设计。