Angus

港大开源了一个ai写论文的框架 ai-researcher，看下边的宣传非常的出色（ai能够自己做实验，并完成代码的实验，跑出来测试数据，并最后能够整理实验数据，最后完成论文的写作）。但是实际体验下来，更像是预制菜。使用门槛太高了，一点也不智能。而且开源的文档真的太粗糙了，根据官方的示例根本没法运行。不过这篇文章，主要探讨其核心逻辑。

前两周深度调研来MCP，也深度的体验了MCP（这篇文章整理里详细的资料）。一个本质问题，MCP实际上在构建function call的参数。世纪感受下来，虽然MCPserver非常多，但是实际使用起来一言难进，感觉都是完整度在10%-30%的半成品。此外即使配合claude使用这些工具也挺难用的。

多个不同的角色的Agent，共同完成一份复杂的工作。由一个统筹管理的智能体，自主规划多个智能体分别做什么，以及执行的顺序。agent 应该包含的属性执行特定任务根据其角色和目标做出决策能够使用工具来实现目标与其他代理沟通和协作保留互动记忆在允许的情况下委派任务如何协作是关键条件自主：通过编码，顺序执行。高度自主：能够自行决定不同角色Agent的是否要执行，以及执行顺序。主要关注的点：1、自主性2、开发人员能够控制的精度 (可编码改造)一、汇总特性AutoGen。