Agent 可观测性：从分布式 trace 到 Agent trace
微服务时代，线上出了问题，工程师的第一反应是打开链路追踪平台，搜一个 traceId，看这条请求在网关、订单、库存、支付之间哪个服务慢了、哪个服务报错了。这套打法在 2026 年之前几乎是可观测性的”标准答案”。 但 Agent 时代，问题变了。 你问的已经不是”哪个服务慢了”，而是： 模型为什么突然决定调用 bash 而不是先读文件？ 这一轮（turn）为什么多花了...
企业级 MCP 落地：网关、鉴权与多租户
你是公司基础平台的负责人。公司里有几十个内部系统——订单、用户、支付、风控、BI、客服，各业务线的 Agent 团队都想把这些能力接进去。三个月后你发现：同一套”查订单”逻辑被 5 个团队各写了一遍；数据库密码和第三方 AK 散落在每个团队的 Agent 配置里；一个实习生写的 Agent 把生产库查崩了，没人说得清是谁干的；合规来要访问日志，你交不出来。 上一篇《MCP...
大模型无状态：Cursor 多轮对话底层是怎么和大模型对话的
你昨天在 Cursor 里跟 AI 聊了一下午，从”这个空指针怎么回事”聊到”帮我把这个类重构成策略模式”。今天新开一个会话，想问一句”接着昨天的重构继续”，结果它一脸茫然，反问你”哪个类？什么重构？” 这就引出了一个和直觉相悖的事实：那个能跟你连续对话、甚至记得你整个项目的 AI，本身是”无状态”的。 它没有记忆，没有”上一轮”的概念，更不会因为你昨天聊过就认得你。 那”多轮对话”这种连续感是怎么来的？上下文窗口到底限住了什么？Cursor 又是怎么在窗口塞不下时做”压缩”、在你点”新对话”时做”清空”的？ 这篇文章延续之前《从大模型到 Agent》的剖析风格，从”无状态”这个根子出发，把...
A2A（Agent-to-Agent Protocol）深度剖析 —— 是什么、为什么会有、解决什么问题，以及与 MCP 的关系
你在手机助手上说了一句：”帮我订一张周五上海飞北京的机票，顺便看看要不要买延误险，最后把行程同步到我的日历。” 它先去查航班（调用工具）、再问你偏好（人机交互），然后做了两件和以前不一样的事：把”订票”这件事委托给了航空公司的票务 Agent，把”延误险评估”委托给了保险公司的 Agent，最后汇总结果、同步日历。 前两步我们已经很熟了——MCP 干的就是”Agent 调用工具”这件事。但后两步是全新的：一个 Agent 委托另一个 Agent。问题随之而来：一个 Agent 怎么发现另一个...
从大模型到 Agent：MCP、SKILL，以及 DeepSeek Harness 为什么是一个 Agent
你在聊天框里敲下一句：”帮我把这个 PR 里改动的文件跑一遍单测，失败的整理成报告发我。” 这不是一句”问答”，而是一份”委托”：它要求 AI 先读懂你的意图，再去翻代码、找到改动、拼出测试命令、在沙箱里执行、解析失败信息、最后汇总成报告。任何一个环节都超出了”聊天机器人”的能力边界。 过去两年，AI 圈最热的一批词——大模型（LLM）、Agent、MCP、SKILL——正是在描述”怎么让模型真正把这件事干成”的不同侧面。它们常被混用，但它们各司其职：一个是大脑，一个是人，一个是插座，一个是说明书。 这篇文章会用与之前 Dubbo Triple、ZooKeeper、MCP 系列相同的剖析风格，回答三个问题：...