Agent

Mon, 01 Jan 0001 00:00:00 +0000

前言

问题：当 LLM 想要调用工具时，有两种设计方式

一

把 MCP Server 中所有工具的信息（名字、描述、参数 Schema、etc.）都要交给 LLM
LLM 直接把要使用的工具和参数一起返回

二

只把 MCP Server 中的所有工具的名字和描述交给 LLM
LLM 返回要使用的工具名称
Client 获取指定工具的所有信息交给 LLM
LLM 返回要使用工具和参数

不管怎么设计，每次交互都要带着前文一起，这 Agent 能力对上下文的占用，也太大了点吧？

在这个例子中，当 AI 设计出来一程序时，如果该程序消耗 Token 过多。在人类不知道原理的情况下，只会跟 AI 说：我的 Token 消耗太多了，帮我减少 Token 消耗。但是 AI 也没法知道什么算多什么算少，应该少到多少算合理。AI 能合理优化代码的前提时人类告诉 AI 如何优化。因为如果 AI 本身就知道，也就不会出现需要优化的问题，也就不会写出来更高 Token 消耗的代码

概述

参考：

AI Agent

Agent Runtime # 类似 MCP 的 Host，Agent 与模型交互的程序。实现了 ReAct 功能

ReAct # Reasoning and Acting。Agent Runtime 的核心逻辑：循环。

Deepseek Harness

Mon, 01 Jan 0001 00:00:00 +0000

概述

参考：

GitHub 项目，deepseek-ai/deepseek-harness

DeepSeek Harness 基于 Cordis 插件系统构建。Harness 让 Agent 在真实场景中持续工作

Cordis 内核 # Cordis 内核只负责插件的加载、卸载和依赖关系，不承载 Agent 的具体能力。
插件提供能力 # 模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有 Agent 能力均由插件提供，并通过 Cordis 服务与事件彼此协作。
配置层自由组合 # 开发者无需改动源码，即可在配置层选择、替换或扩展任一能力。

[i18n] todo

~~/.dsh/ 目录和工作区中，都可以放 AGENTS.md 文件。~~/.dsh/AGENTS.md 文件可以被在任何工作区的任务读取。核心的个人偏好逻辑可以放在这里。

关联文件与配置

~/.dsh/ # Web 运行时数据保存目录。包括会话、配置、etc.

./profiles/${APP}/ # 各类应用程序的配置。
- ./cordis.patch.yml # patch 配置文件。包括 DSH 配置、插件配置、etc.
./sessions/${工作区ID}/session-${会话ID}/ # 针对每个工作区的会话记录
./storages/ #
settings.yaml #

${APP} 可用的值有：

web # Web 端的配置
desktop # 桌面端的配置（桌面端是 Electron 实现，但是本质也会启动 Web 端的后台，与 Web 端交互）。

记忆

https://deepseek-harness.github.io/deepseek-harness/guide/mcp-memory

Agent on 断念梦的站点

Agent

概述

Deepseek Harness

概述

关联文件与配置

记忆