#AI Agent
共 1050 篇相关文章
5个MCP服务器让你的AI智能体解锁新技能
盘点五款实用MCP服务器：Context 7提供最新库文档，Playwright MCP驱动真实浏览器，AgentWire将28个平台内容转为Markdown，Stripe官方MCP处理支付，CallForMe代打电话。了解如何扩展AI智能体能力。
DeepSeek Harness渗透模式实战：AI Agent自动化SRC漏洞挖掘
详解 DeepSeek Harness 桌面端安装与渗透模式插件配置，演示 AI Agent 自动化完成端口扫描、Web 枚举与漏洞验证的完整流程，并分析权限控制与多 Agent 协作的实践要点。
WorkBuddy终极教程：AI Agent从入门到实战
WorkBuddy新手保姆级教程：从AI Agent核心概念到安装使用，对比Codex等工具的上手难度、办公兼容性与成本，帮你低成本拥有一个数字员工。
零基础搭建企业级AI Agent：B站超全教程的三阶段学习路径
B站748集AI Agent零基础教程解析：认知篇厘清Agent与大模型区别，进阶篇覆盖LangChain、AutoGen与多Agent协作，实战篇落地智能客服、自动化数据分析等项目，附源码课件与学习路线图。
Hermes Agent自进化框架：开源AI智能体新选择
基于B站UP主实战演示，解析开源AI Agent框架Hermes Agent的自进化机制、与Open Cloud的Token消耗和长期记忆差异，以及自动生成skill的实战效果。
AI代理代理IP五大错误：让Agent不再“格格不入”
AI代理被网站拦截？本文提炼五个代理配置错误：国家语言不匹配、流程中轮换IP、数据中心IP被识破、任务共用出口、不检查实际出口，并给出粘性会话、按任务路由、记录route.reason等修复方案，让Agent以本地访客身份获取真实页面。
Dedica：你的网站能通过AI Agent的125项测试吗？
Dedica是Product Hunt上的一款新工具，通过125项免费检查测试网站能否被AI Agent正常使用，并为每个问题提供可交给编码Agent的修复方案。
AI Agent的本质：一个循环，五个核心步骤
AI Agent的本质是什么？本文解析其核心循环机制：发送对话给模型、检查工具请求、执行工具并更新对话，循环直至得出答案。了解Agent的三个组成部分和max turn限制。
六大AI Agent框架对比：选错浪费数周，如何一分钟选对
横向对比 LangGraph、CrewAI、OpenAI Agents SDK、Claude Agent SDK、Google ADK 与 Microsoft Agent Framework 六大 AI Agent 框架的核心思想、优劣与适用场景，并给出按需选型的一分钟决策指南。
AI日报：GPT-6.1 Terra与Kimi K3.1 Pro领衔，Agent安全警报拉响
AI圈24小时要闻：OpenAI发布可操作电脑的GPT-6.1 Terra，Kimi K3.1 Pro冲击开源榜首并预告权重发布，MiniMax M3.1 Flash权重上线Hugging Face，Cursor推出Agent SDK，同时Anthropic与Qwen模型曝出Agent越权访问安全事件。
AI Agent与MCP内部原理：LLM如何调用工具
深入解析AI Agent与MCP的工作机制：LLM如何通过工具调用突破纯文本限制，Agent循环如何运转，MCP如何用统一标准连接工具与数据，以及相关安全风险与适用边界。
AI Agent推荐的线索为何值得跟进？四要素验证法
AI Agent推荐的销售线索如何验证？本文介绍四要素验证法：ICP匹配字段、带日期的购买信号、数据来源溯源与CRM查重，通过抽样审计在销售跟进前拦截不合格线索，让每条推荐都可追溯、可审查。
长任务AI Agent需要多层反馈循环
LangChain Deep Agents课程提出循环工程框架，将AI Agent的反馈机制拆解为执行循环、验证循环和跨运行改进循环三层，帮助开发者构建在长任务中可靠运行的Agent系统。
Anthropic用Claude造Claude：大脑与双手分离的工程哲学
Anthropic 工程师 Katelyn Lesse 与 Angela Jiang 分享如何用 Claude 构建 Claude，解析 Opus 5.5、Claude Platform 与 AI Agent 工程中「大脑与双手分离」的设计原则及对开发者的实践启示。
Asana AI产品负责人分享AI Agent最佳实践
Asana AI产品负责人分享AI Agent最佳实践，涵盖职责边界设定、人在回路设计、数据模型锚定以及评估迭代方法，为产品团队落地Agent提供可参考的原则。
英伟达开源OpenShell：给AI Agent套上安全笼子
英伟达开源OpenShell，为AI Agent提供内核级沙箱与形式化验证的安全运行时，解决权限失控难题。本文解析其两大核心机制、工程优缺点及英伟达的战略意图。
MuleSoft Agent Fabric本地部署与测试实战
MuleSoft Agent Fabric 支持本地部署与测试 AI Agent：借助 Docker 与 Anypoint Code Builder，无需发布到 Exchange 或部署到云端，即可完成网关、策略与 Broker 的一键本地运行和 A2A 实测。
MCP协议详解：从N×M到N+M的AI集成革命
MCP（Model Context Protocol）是什么？本文用USB-C类比讲清MCP协议原理，拆解Host/Client/Server架构、Tools/Resources/Prompts三大构建块、stdio与SSE传输方式，并对比Function Calling与LangChain Tool，附Python实现与生产实践建议。
MCP 是什么？让 AI 接入所有工具的开放标准
MCP（Model Context Protocol）是让 AI 应用统一接入各类工具的开放标准。本文解析 MCP 的 Host、Server、Client 三角色，Tools、Resources、Prompts 三构建块，一次工具调用的完整链路，以及在 n8n 中的双向用法与安全风险。
MCP图解：AI Agent如何连接你的应用
MCP图解：AI Agent如何连接你的应用
从电商客服机器人场景出发，图解MCP（Model Context Protocol）如何解决AI应用与外部工具的M×N集成困境，对比REST API直连的缺陷，解析Tools/Resources/Prompts三大原语、Host-Client-Server三层架构、stdio与streamable HTTP传输，以及认证授权、凭证管理与prompt injection防护要点。