OpenCLI 学习 06:Agent-First 与设计重心

1. 我当前对这个项目最核心的一个判断

我现在越来越觉得,这个项目的核心是 agent-first

也就是说,它是先站在“未来软件能力会越来越需要被 Agent 调用”的前提出发,再反过来思考:

  • 接口应该长什么样
  • 能力该如何暴露
  • 什么样的形式最适合 Agent 理解和调用

在这个前提下,CLI 形式的 harness 就变成了一种非常现实的工程落地方式。

2. 为什么它不把流程写死

我当前的一个重要理解是:

这个项目不想做固定工作流系统。

它更希望做的是:

  • 把领域能力整理成结构化命令树
  • 把这些能力作为一组可组合的工具暴露出来
  • 把具体任务编排尽量交给 Agent 自己决定

所以它信任 Agent 的地方在于:

  • 让 Agent 去选命令
  • 让 Agent 去组合步骤
  • 让 Agent 去形成任务级流程

3. 但这不是“少设计”

这一点是我现在特别明确的一个修正。

不能把这个项目理解成:

  • 因为相信 LLM 很强
  • 所以就少设计
  • 甚至过度设计完全多余

这个理解是不准确的。

更准确的理解是:

它不是少设计,而是把设计重点从“预设流程”转移到了“能力接口”。

也就是说:

  • 不设计死的工作流
  • 但会高度设计命令树、状态模型、JSON 输出、Skill、反馈接口和测试机制

4. 我现在理解的真正平衡点

这个项目的平衡点不是:

  • 完全交给 Agent 自由发挥

而是:

  • 人类先设计稳定的能力边界
  • Agent 再在这些边界内自由编排

所以更准确地说:

它不是在赌 Agent 不需要设计,而是在赌“只要能力边界设计得好,任务流程就不需要被提前写死”。

5. 为什么 CLI 适合这个思路

在这个项目里,CLI 的意义不是“黑框操作”,而是:

  • 有明确命令和参数
  • 可探索
  • 可组合
  • 可输出 JSON
  • 人和 Agent 都能用

所以 CLI 很适合作为 Agent-first 接口的外在形式。

而 harness 则是让这种外在形式真正接上复杂软件能力的内在实现。

6. 我当前的一句话总结

这个项目的核心不是“为 CLI 而 CLI”,也不是“因为相信 LLM 很强所以不设计”,而是站在 agent-first 的角度,把设计重点从固定流程转移到能力接口,让人类负责设计清晰边界,让 Agent 负责在这些边界内自由编排任务。

Read more

MCP 服务端的隐藏设计:结论性数据如何改变

Agent 的工作方式 我们以为 MCP 服务只是查数据的管道,拆开一看,发现服务端已经把分析结论都算好了。这个发现改变了我对 Agent 架构的理解。 起因:一次对 MCP 服务的逆向探索 最近在研究 MCP(Model Context Protocol)的实际应用,我选了一个真实的商业 MCP 服务 —— 某电商卖家流量分析平台作为研究对象。该服务提供了 27 个工具,覆盖关键词分析、流量运营、广告洞察等领域。 最初的预期很简单:MCP 服务就是一个数据接口,Agent(LLM)调用它拿到原始数据,然后自己分析、得出结论、给用户建议。 实际拆开一看,完全不是这么回事。 第一个发现:返回数据里藏着完整的分析结论 我写了一个 Python 脚本,绕过所有 AI 客户端,直接用

By ladydd

FastAPI 异步任务服务的并发设计演进:从单进程轮询到多 Worker 协程直处理

本文记录了一个 FastAPI 异步任务服务在并发架构上的思考和演进过程。这个服务的本质很简单:接收客户端请求,转发给下游 AI API,把结果存起来供客户端轮询。它不做复杂的业务计算,不做数据聚合,就是一个纯转发层——接活、派活、存结果。正因为场景足够简单,我们才有机会做一次化繁为简的架构妥协,把原本"看起来该用任务队列"的设计砍到只剩三行核心配置。 一、先说清楚场景:我们到底在干什么 这个服务做的事情可以用一句话概括: 客户端提交参数 → 服务转发给下游 AI API → 等结果 → 存 Redis → 客户端来取。 关键特征: * 纯 IO 转发:服务本身不做任何 CPU 密集计算,所有耗时都花在等下游 API 返回。一次调用几秒到几十秒不等,全是网络等待。 * 异步模式:客户端提交任务后立即拿到 task_id,

By ladydd

从连上一个 MCP 服务到理解 AI 系统的工程本质

一次从"会用"到"理解原理"再到"能优化"的完整探索记录。 本文记录了我通过实际动手连接一个远程 MCP 服务(SIF —— 亚马逊卖家流量分析平台),一步步深入理解 MCP 协议机制、LLM 上下文管理、注意力资源分配、以及工具编排优化方案的全过程。 一、起点:连上一个真实的 MCP 服务 什么是 MCP? MCP(Model Context Protocol)是 Anthropic 主导设计的一个开放协议,目的是标准化 AI 应用与外部工具/数据源之间的通信方式。你可以把它理解为"AI 世界的 USB 接口"

By ladydd
陕公网安备61011302002223号 | 陕ICP备2025083092号