weigangwin

摘要： FastMCP 很快，但第一步不是把所有函数都暴露成工具 FastMCP 的吸引力很直接：你写一个普通 Python 函数，加上 @mcp.tool，它就可以变成 MCP 客户端能发现和调用的工具。对正在给 Claude Code、Codex、Cursor 或 Aider 接工具的人来说，这条路径比 阅读全文

摘要： smolagents 的 CodeAgent 很适合代码式行动，但进入 AI 宿主前，必须先明确执行环境、工具权限、密钥边界和 smoke check。 阅读全文

摘要： browser-use 不是简单的网页点击工具。它更像一套浏览器 Agent 执行循环：观察页面、提取 DOM、调用 LLM 决策、执行动作、记录历史，再通过截图、history、judge 和边界卡留下可复核证据。本文从 Doramagic 项目手册出发，整理接入 AI 宿主前最该先定义的权限、验收和避坑契约。 阅读全文

摘要： 不要把 Pydantic AI 当成 Agent 魔法层：先写清工具权限和输出合同 Pydantic AI 最容易被误读成“又一个 Python Agent 框架”。这个理解不算错，但太粗了。它真正适合的场景不是把一个 prompt 包成 Agent(...)，而是把模型、工具、依赖注入、结构化输出 阅读全文

摘要： DeepEval 更适合放在 Agent 发布前的失败样本闸门，而不是上线后的评分面板。本文用失败样本、指标选择、trace、golden 生成和本地/云端边界解释如何把它用起来。 阅读全文

摘要： 给 Agent 接入 Qdrant 前，先把检索意图、collection、payload filter、score 语义和空结果处理写成可验收的检索合同。 阅读全文

摘要： 把 E2B 接给 AI Agent 前，先定义沙箱合同：无密钥、允许命令、文件/网络边界、timeout、artifact 导出和 cleanup。 阅读全文

摘要： 很多人第一次看 LangGraph，会把它理解成“更复杂一点的 LangChain”。这个理解容易把重点带偏。 LangGraph 更适合的场景不是“我想把几个 prompt 串起来”，而是：你的 agent 已经开始有状态、有分支、有工具调用、有失败恢复、有人工确认，并且这些行为需要被检查、复盘和 阅读全文

摘要： 很多团队接入 LLM 应用时，会先把 prompt 调顺，再补一个“评测脚本”。这个顺序很容易出问题：等到线上开始失败时，大家才发现自己没有定义过什么叫通过、什么叫失败、哪些失败必须阻断发布。 这里的核心判断是：Doramagic 不是提示词库，也不是把 README 换一种说法。它要把一个开源项目 阅读全文

摘要： MarkItDown 很容易被误用成一句话工具：把 PDF、Office、图片、网页、音频转成 Markdown，然后扔给 LLM。 真正落地时，我会先把它当成一个边界问题，而不是格式转换问题。 原因很简单：一旦这个工具被 AI agent 调用，它处理的就不只是文件内容，还包括本地文件路径、URL 阅读全文