本文介绍GeekAgent项目第11天实现技能系统(Skills)。技能将任务指令和工具组合成目录,通过/use加载、/unuse卸载,同一时间只激活一个技能。与AGENTS.md长期项目指令不同,技能按任务切换,可增加或筛选工具,如code-review技能自带git_diff,explore技能仅保留只读工具。实现包括skills.ts加载、tools.ts可见性控制、权限补充及命令接入。
本文介绍Hermes Agent运行时架构,聚焦模型—工具循环。核心组件包括:AIAgent作为会话组合根,Provider Transport隔离模型协议差异,Tool Registry管理工具注册与执行管线。工具通过Toolset按会话过滤,Tool Search渐进披露MCP工具Schema以节省上下文。工具调用经参数修正、钩子、审批、分派等流程,最终由Environment决定执行位置。
Harness 是一个通过工程手段提升 LLM 工作效率和任务执行能力的系统,包含工具管理、权限管理、任务系统、子代理、技能系统、上下文压缩和记忆模块。它还引入多团队协作机制和工作隔离,确保团队成员独立高效地完成任务。
PgBackRest的维护者宣布项目停止,给PostgreSQL生态系统带来挑战。社区可能会出现多个分叉,导致解决方案不一致。建议成立一个组织来管理PostgreSQL工具,以改善维护和资金筹集。
LangSmith Agent Builder 更新了,新增中央“聊天”代理,支持文件上传并简化工具管理,用户可通过对话创建可重复使用的代理,提高工作效率。
随着人工智能技术的发展,Agentic AI成为热点。MCP协议标准化AI模型与外部工具的交互,解决了工具管理和通信问题。MCP服务器可选择本地或云端部署,云端部署在安全性、可维护性和成本效益上更具优势,适合企业使用。AWS提供多种云端部署选项,建议优先考虑云端方案以便于扩展和维护。
基础设施即代码(IaC)是云原生应用的重要实践,通过可读配置文件实现基础设施管理的自动化。尽管IaC提高了一致性和效率,但只有13%的组织在成熟度上达标,主要问题包括配置一致性、工具管理和责任不明。93%的受访者认为需要创新以简化IaC流程,生成基础设施代码(IfC)被视为解决方案。
本文介绍了企业级AI代理工具管理平台的设计与实现,涵盖工具注册、动态加载、访问控制、调用追踪和监控等核心功能。通过模块化设计和安全措施,构建一个易用、可靠、高效的工具管理平台,以支持AI代理系统的工具调用。
本文介绍了 uv 工具在 Python 开发中的高级功能。uv 与 pyproject.toml 集成,简化依赖管理,支持版本固定和可选依赖。uv.lock 文件确保环境一致性,避免版本冲突。uv 支持全局和项目特定工具安装,并提供临时运行工具的功能,简化虚拟环境的创建和使用。对于纯 Python 工作流,uv 是快速灵活的选择。
完成下面两步后,将自动完成登录并继续当前操作。