AI学习
这个目录记录从 MCP 到 Agent 架构的学习过程。建议把每天的实验保留为过程笔记，把可复用概念沉淀到本页。
学习路径
- Day 1：MCP简单使用：MCP 的基本概念、配置和调用方式。
- Day 2：搭建一个简单的Agent：从 LLM 调用到简单 Agent 框架。
- Day 3：构建基于规则的聊天机器人：规则式聊天机器人的状态和匹配逻辑。
- Day 4：agent经典范式构建：Agent 经典范式的第一次整理。
- Day 5：agent经典范式构建：ReAct、Plan-and-Solve、Reflection 等范式细化。
- Day 6 实现了一个简单的命令执行agent：工具调用、命令执行和安全边界。
- test：较长的课程摘录和实验材料，后续可拆成专题页。
核心概念
- MCP：把外部工具、资源和模型调用连接起来的协议。
- Agent：围绕目标进行规划、调用工具、观察结果并继续执行的程序结构。
- ReAct：把推理和行动交替执行，适合可观察环境。
- Plan-and-Solve：先拆解计划，再逐步执行。
- Reflection：让模型基于结果反思并修正下一步。