满心欢喜小童鞋-优快云博客

原创 A2A协议深度解析（流式返回以及多agent协同）

为了简化链路，机票Agent的内部并没有真的去请求航空公司的API，它返回的都是固定文案，这个大家不必在意，只需要保证A2A协议的链路是真的就可以了。来到Wireshark这里面大体看一下，可以看到一共是拿到了六个请求，其中前两个请求的是天气Agent的Agent Card，这两个请求其实都一样，随便打开一个来看一下，这个就是天气Agent的相关的信息了，中间的这两个则是请求了机票Agent的Agent Card，同样它们两个也是基本类似，所以跳看一下，这个就是机票Agent的相关信息了。

2026-06-03 00:37:26 353

原创 A2A协议深度解析（双agent同步调用场景）

官方提供了Python SDK，但是它的例子是用自家的ADK（Agent Development Kit）改写的，我也去专门学了一下ADK，我觉得A2A的示例代码还是有些小问题的，不过不管怎么样，毕竟能拿到的资料太少了，所以我才专门写了这篇文章，把最核心的交互流程给大家拆解清楚。在前面的环节中聊到了一个使用了三个Agent的链路，不过这个链路稍显复杂，因此先把机票Agent从这个链路里面去掉，再把问题换一下，只问天气相关的问题，这样整个链路就只剩下两个Agent了。二、平台，这个是我起的名字。

2026-06-03 00:12:12 208

原创 agent-skills从使用到原理，一次性讲清

那能不能做到暗中的暗中？Claude Code 接到大模型的响应之后，会去会议总结助手那个目录里面读取完整的 skill.md 正文，这个时候读取的才是 skill.md 的全部内容，之前就只是名称和描述。在拿到了会议总结助手的 skill.md 内容后，Claude Code 会把用户的请求和完整的 skill.md 内容发给大模型，大模型会根据 skill.md 的要求来生成响应，并且把响应发给 Claude Code，Claude Code 进而会把这个响应发挥给用户，这样用户就会看到结果了。

2026-06-02 00:43:33 278

原创 harness-engineering是噱头吗？

AI 圈最近又冒出了一个新名词（prompt-engineering、context-engineering之后）从今年2月份开始，这个词频繁的在 AI 圈里面出现。opening AI 专门发了一篇文章(https://openai.com/zh-Hans-CN/index/harness-engineering/)，讲他们怎么用 Harness engineering，在5个月内写了将近100万行代码。Anthropic 也紧接着发文分享了自己如何使用精心设计的 Harness 架构来驱动(https:

2026-06-02 00:33:03 239

原创 context-engineering概念与技术实现深度解析

简单来说，context engineering 关注的不是怎么训练模型，而是怎么精心设计给模型的输入内容，让模型在有限的 context window 里面尽可能理解得更准，答得更好，花的更少。不管产品手册有几十页还是几百页，甚至几千页，我们都直接扔给模型好了，不用管产品手册里面哪些内容与用户问题相关，哪些内容与用户问题无关，反正 context window 这么大，全部丢给模型就行了，肯定是没问题的，答案肯定能出来。单纯从外部来看，大模型就像一个函数，你给它输入，它就会给你输出。怎么解决这些问题的？

2026-06-01 22:59:39 332

原创 temperature && top-p

如果你经常使用大模型，那你肯定见过temperature和top_p这两个参数。比如在google studio聊天界面，你就可以找到设置这两个参数的地方，这里是temperature，这里就是top_p。除了聊天界面之外，它们也经常会在大模型api的入参中出现，比如chatgpt的入参中就有它们俩的身影。但它们到底到底是什么？temperature是温度，大模型还分冷热？top_p这又是什么神秘代码？有些细心的同学可能会去查一查，然后就得到了答案，这俩都是用来控制大模型回答的随机性的。temperatur

2026-05-29 00:34:33 335

原创 Token原理

实际上一个只有单字的词表完全就可以当成一个简易的tokenizer来使用，但是只用单字的话效率太低了，我们希望每一个词都是一个token，比如“马克”、“喜欢”、“人工智能”等等，让这些常见的词作为token才是最佳方案，这样模型的输入就会从原来的9个减少到现在的4个，模型的推理速度也就更快。有人可能说是“马克”，有人可能说是“喜欢”，不过这都不太对，这次要合并的是“人工”和“智能”，它们在一起一共是出现了3次，比“马克”和“喜欢”出现的频率都要高，所以我们要把它们合并为“人工智能”。

2026-05-29 00:14:32 233

原创 agent概念、原理与构建模式

目前这种先规划再执行的Agent构建模式并没有一个统一的名字，我们今天来讲一个其中比较有名的实现，便是LangChain搞出来的Plan-and-Execute模式，它也是遵循了先规划再执行的流程，不过它的流程引入了一些动态修改规划的环节，我们就用这个模式为例，来看看这种先规划再执行的Agent构建模式是如何运作的。哎，好像所有的任务都已经完成了，没错，所有的步骤都已经做完了，最新的执行计划就是第三个执行计划，它里面只有一步且已经完成了，所以最新的执行计划就不是新的执行计划了，而是最终答案。

2026-05-28 00:32:14 405

原创 mcp vs function calling

乍一看这种说法好像是对的，毕竟这两者做的都是调用工具相关的事情，而 MCP 更加的标准，那肯定是 MCP 取代 Function Calling 了。为了帮助大家搞清楚 Function Calling 和 MCP 之间的关系，我整理了本篇文章，给大家全方位介绍一下 Function Calling，主要是覆盖了 Function Calling 的具体概念、使用方法和协议细节，让大家彻底明白 Function Calling 到底是个什么东西？与 MCP 的关系到底是怎么样的？

2026-05-27 00:45:32 410

原创 mcp基础篇

MCP 无疑是近期 AI 领域的热点话题，你可能已经看过一些文章或者是技术文章或者技术的博客，但有没有觉得关于它的运行原理还总是有点摸不着头脑？特别是对于想深入使用甚至自己动手开发 MCP 相关工具的开发者来说，很多教程可能只是浮于表面，看完之后似乎懂了又似乎没懂。这个就是我今天在这里的原因，我想做一期与众不同的 MCP 教程，一期真正能够让你从底层理解到动手实践的深度教程。我们会先打好基础，弄懂 MCP 的核心概念、数据流转过程和基本用法。然后我们将一起挑战进阶，不仅要从零构建一个 MCP Server，

2026-05-21 23:53:32 383

原创 AI核心概念说明

根据用户的要求，如果是下雨，那我还得查一下附近卖雨伞的店，这里有一个店铺工具可以调用下，调用店铺工具，搜索雨伞，参数是经度 - 74，纬度 40。（请注意，这里，非常容易引起误解，这里只是说明，工具的可以不用重复，即相同的工具不用写三份，有一个标准的协议，就可以复用这个工具，但是对于平台来说，是没有办法复用的，在模型与平台的交互过程中，不同的模型实现不同，平台要支持多模型，也必须进行额外支持工作）这样有了用户问题，有了对话历史，模型每次看到的就是完整的对话内容了，所以它才能够知道之前发生了些什么。

2026-05-20 00:30:08 341

原创 leetcode100 142-279

利用归并排序实现空间复杂度 $O(1)$ 的做法（注：递归实现实际空间复杂度取决于深度）。：计算在不能偷窃相邻房屋的情况下，能够偷窃到的最高金额。：计算网格中岛屿的数量（'1'代表陆地，'0'代表水）。：判断链表是否有环，有则返回入环节点，无则返回空。：在未排序的数组中找到第 $k$ 个最大的元素。：寻找数组中出现次数大于 $n/2$ 的元素。：通过拓扑排序判断是否可以完成所有课程的学习。：要求 $O(\log n)$ 时间复杂度。：将数组中的元素向右轮转 $k$ 个位置。：寻找两个链表相交的起始节点。

2026-05-09 11:31:54 48

原创 leetcode111-141

这个题目求的是序列，并且要求时间复杂度是O（n），既然这道题目要求的是O（n）的时间复杂度，那么这到题目就不可以进行排序，在工程学里面，排序最好的时间复杂度是O（n），这里介绍一种做法，借用辅助结构set，有两个作用，第一个作用，去重，原始数组有可能存在重复数字，需要进行去重，第二个作用，方便进行计算，能够在O（1）的时间复杂度里面找到是否存在某个数字。注意：拆分时可以重复使用字典中的单词。本题有个小优化，当发现了长度超过数组的长度的一半的时候，已经不可能存在一个序列超过这个长度了，因此直接返回结果。

2026-05-07 16:07:48 312

原创 leetcode top100 73-108

若要实现 O(1) 空间复杂度，可利用矩阵的第一行和第一列作为标记位。：Code 105（构造思想）、Code 098（BST 特性）。：Morris 遍历是实现 O(1) 额外空间复杂度的关键。：Code 094（中序遍历递增也是 BST 的特性）。：同步递归比较左树的左与右树的右，左树的右与右树的左。：与求最小深度逻辑相似，但注意叶子节点的处理差异。：头 -> [左子树] -> [右子树]：[左子树] -> 头 -> [右子树]：左 -> 头 -> 右。：滑动窗口的通用模板。：选取中点作为头节点。

2026-05-07 10:43:51 202

原创 leetcode top 100 liked 21-30

注意：不是在无路可走的位置建桥而是发现无路可走的时候时光倒流到能跳到最远点的位置造桥换句话说，在无路可走之前我们只是在默默地手机信息，没有实际造桥当发现五路可走的时候才从收集到信息中选择最远点造桥所建造的这座桥的左端点在我们当前走的这座桥中间而不是桥的末尾。给定一个长度为N的0索引整数数组nums，初始位置为数组的第一个元素数组中的每个的元素代表你在该位置上可以跳跃的最大长度你的目标是是使用最少的跳跃次数到达数组的最后一个元素。一开始你在0位置将要去的位置是n-1。

2025-10-13 16:03:22 1321

原创 leetcode top liked 100（11-20）

2.第三步，交换完成之后，为什么依然满足条件，我们在第二步做的决定是，从右往左找到第一个比index位置大的数，意味着，我们找到的数的过程中的数都是比index位置的数要小的，至于原始数组，本身就是从大到小的，那么交换之后，后续数组依然是有序的。我们要找到的数是，第一次index位置的数比index+1小的数，意味着从index+1到nums.length -1位置的数，一定满足，nums[index] >=nums[index+1]，否则，当前位置的数就求错了。做完这三步之后，就能得到下一个排列。

2025-09-28 11:03:07 840

原创 leetcode top liked 100（1-10）

最近刷完了leetcode top liked 100 写几篇博客记录一下自己的心路历程，这100道题目基本都实现了最优解，部分题目还实现了高阶算法，以及部分题目提供了模板化的解题思路，

2025-09-17 19:19:25 1109

原创 lvs02-lvs模型推导

假设我们使用Tomcat作为的负载均衡器的话，Tomcat是应用层的应用，与Tomcat进行交互的话，意味着，必须要进行建立连接，以及分手的过程，另外，上文讲到内核态与用户态，Tomcat的运行是在jvm虚拟机只上的，数据的传输，必须要经过的jvm虚拟机再与kernel进行交互，涉及到用户态内核态的转换，效率比较低下。如上图，经过上文的过程之后，我们的数据包到了路由器的位置，下一跳就是负载均衡器，假设均衡器能够直接将数据包在这里进行转发到后端服务，这时候，负载均衡器有没有与用户的请求建立tcp连接？

2023-03-19 16:42:00 86

原创 lvs01-网络协议原理

我们在学习，网络的模型的时候，经常出现OSI七层网络模型、五层网络模型，那么这七层、五层都分别是什么东西？在实现负载均衡的过程中，有三种模型，NAT DR TUU，这三种模型都分别是怎么产生，为什么这么做？接下来的文章，或许会对你有所帮助首先，我们先看一张图，这张图在我们学习网络模型的时候经常出现，即我们熟知的osi七层模型，这七层网络模型构成了现代网络的基本单元。在这个七层的网络模型中，我们要知道一个东西，那就是在我们实际的使用过程当中，例如。我们发送一个http请求出去，这些过程都分别是啥样？

2023-03-19 14:59:30 158 1

holomadrid的博客