agent-architecture

此技能为构建适用于生产环境的复杂工具使用型 AI 代理提供了强大的架构框架。它旨在协助软件工程师与 AI 架构师跨越单纯的聊天界面，进而实作有状态的多代理编排系统。通过利用 Anthropic Claude 模型、用于基于图形工作流控制的 LangGraph，以及用于高效流式传输的 Vercel AI SDK v6，此技能可确保代理逻辑保持可维护性、可预测性且具有成本效益。

• 使用 LangGraph 进行多代理编排，以处理复杂且有状态的推理任务。
• 实作强制性护栏（例如 MAX_TURNS 与 MAX_TOKENS_PER_RUN），防止成本失控与无限循环。
• 运用 pgvector 进行情节记忆管理，实现持续性上下文、检索增强生成 (RAG) 与状态处理。
• 全栈集成模式，包含从 FastAPI 后端到 Next.js 前端的 SSE 流式传输。
• 模型上下文协议 (MCP) 概览，用于标准化的工具连接。
• 故障模式分析，提供精选的反模式与修正代码对，协助开发者识别并修复常见的代理程序陷阱。
• 从基础单次调用逻辑平滑过渡到复杂、自主的循环系统。

使用此技能时，您预期提供自然语言需求或架构设计；本技能会输出经验证的实作模板、配置片段与最佳实践工作流。典型的输入涉及定义代理目标、工具签名或状态结构需求。预期的输出包含模块化的 Python 或 TypeScript 代码、安全配置常数以及持久内存的基础设施模式。用户应确保开发环境具有必要的 LLM 提供者密钥，且数据库依赖（如 PostgreSQL/pgvector）已针对内存密集型操作做好准备。在成本敏感的生产部署中，请务必优先采用文档内提供的手动循环实作，以确保对护栏配置的完全掌控。