学习路径
13 章由浅入深，从 Agent 循环到多 Agent 协作
引擎核心
工具与安全
上下文管理
协议与生态
Ch01
Agent 循环
每次对话的状态机核心
~2200 lines
engine
“所有 Agent 的本质是一个循环：调用模型 → 检查 stop_reason → 分发工具 → 回传结果”
Ch02
工具系统
路由器、Handler 与分发管线
~1500 lines
engine
“工具不过是一个 Rust async fn 挂上名字——路由器永远不变”
Ch03
提示词工程
build_initial_context 与动态组装
3106 lines
engine
“System Prompt 不是一个字符串，而是每次对话重新组装的管线”
Ch04
Shell 执行
从工具调用到子进程再到结果
1405 lines
tools
“执行 Shell 命令是 Agent 能做的最危险的事——必须如此对待”
Ch05
沙箱安全
跨平台隔离：macOS / Linux / Windows
~6000 lines
tools
“沙箱不是可选项——它是不可信代码能够运行的前提”
Ch06
权限引擎
每次工具调用前的三阶段编排
~370 lines
tools
“问一次，记一辈子——但执行前永远要验证”
Ch07
上下文压缩
控制 Token 预算不超限
~580 lines
context
“上下文总会满——关键是如何优雅地恢复”
Ch08
短期记忆
会话内的消息历史管理
~730 lines
context
“对话就是状态——请认真管理它”
Ch09
长期记忆
两阶段提取与检索管线
~3800 lines
context
“记忆是让无状态模型变成会学习的 Agent 的关键”
Ch10
MCP 集成
模型上下文协议客户端与工具桥接
~1730 lines
ecosystem
“MCP 让任何服务都能成为 Agent 的一等公民工具，无需 fork Agent”
Ch11
Skills 注入
运行时加载的可复用指令集
~230 lines
ecosystem
“Skills 是提示词工程的可组合化——写一次，处处复用”
Ch12
Plan 模式
行动前的只读推理阶段
~15900 lines
ecosystem
“先想清楚再动手——Plan 模式在架构层面强制执行这一原则”
Ch13
多 Agent
生成和协调子 Agent
~1500 lines
ecosystem
“规模化来自拆分问题，而不是更大的上下文窗口”