爱折腾的工程师

未来的你会感谢现在努力的自己

Harness 不该亲自做研究：NVIDIA AI-Q Deep Research Skill 工程解读

通用 Agent Harness 擅长编排但做不好研究——NVIDIA 把多文档综合、引文溯源、企业数据接入打包成一个可移植的 Skill，让 Claude Code / Codex 通过『委托』而非『拥有』获得研究能力。本文按四阶段流水线 → 三种 MCP 认证 → 数据治理反转 → 模型混合策略的顺序拆开 AI-Q 的工程取舍，并给出落地决策清单。

Posted by iceyao on Sunday, May 24, 2026

把 Agent 真正发上线：Google Cloud《生产级 AI Agent 开发者指南》深读

Google Cloud 把 Agent 工程化压缩成 5 个阶段：定义、工具互操作、上下文工程、测试评估、生产部署。本文按这条骨架展开，但不复述原文——逐节追问『传统工程范式为什么失效』，给出可量化的判断标准与真实工程场景，并把 Trajectory 评估、Sandbox→Canary→Production 三阶段发布单拎出来重点解读。文末附给上线者的落地清单与按角色分流的学习路径地图。

Posted by iceyao on Saturday, May 23, 2026

华尔街的新同事：拆解 Anthropic 金融服务 Agent 发布

Anthropic 一次性发布了 10 个即用金融 Agent 模板、Claude 与 Microsoft 365 的深度集成，以及 8 个新连接器 + Moody's MCP 应用。本文从产品、架构、生态、客户侧写四个角度，拆解这次发布真正改变了什么。

Posted by iceyao on Saturday, May 9, 2026

生产级 MCP Agent 深度解析：让智能体真正接入外部系统

从 Direct API、CLI 到 Remote MCP Server，系统拆解生产级 Agent 的外部系统集成架构

基于 Anthropic 官方博客 Building agents that reach production systems with MCP 的深度技术解读。文章系统分析 MCP 如何把 Agent 与 SaaS、数据库、云平台和企业内部 API 连接起来，并结合架构图、代码示例与工程清单，讨论远程 MCP Server、工具建模、认证授权、沙箱执行、Elicitation 与生产治理最佳实践。

Posted by iceyao on Tuesday, May 5, 2026

MCP 代码执行深度技术解析：让 Agent 写代码而非调工具

从直接工具调用到代码执行范式，拆解 Anthropic 如何让 Agent 以编程方式高效操控 MCP 服务器

深入解析 Anthropic 提出的 MCP 代码执行架构，涵盖渐进式工具发现、上下文高效的数据处理、隐私保护机制与安全沙箱设计，帮助开发者理解为什么代码执行能显著降低 Agent 的令牌与延迟成本。

Posted by iceyao on Monday, April 13, 2026