agent-architecture

此技能為構建適用於生產環境的複雜工具使用型 AI 代理提供了強大的架構框架。它旨在協助軟體工程師與 AI 架構師跨越單純的聊天介面，進而實作有狀態的多代理編排系統。透過利用 Anthropic Claude 模型、用於基於圖形工作流控制的 LangGraph，以及用於高效串流的 Vercel AI SDK v6，此技能可確保代理邏輯保持可維護性、可預測性且具有成本效益。

• 使用 LangGraph 進行多代理編排，以處理複雜且有狀態的推理任務。
• 實作強制性護欄（例如 MAX_TURNS 與 MAX_TOKENS_PER_RUN），防止成本失控與無限迴圈。
• 運用 pgvector 進行情節記憶管理，實現持續性上下文、檢索增強生成 (RAG) 與狀態處理。
• 全端整合模式，包含從 FastAPI 後端到 Next.js 前端的 SSE 串流。
• 模型上下文協議 (MCP) 概覽，用於標準化的工具連接。
• 故障模式分析，提供精選的反模式與修正代碼對，協助開發者識別並修復常見的代理程式陷阱。
• 從基礎單次調用邏輯平滑過渡到複雜、自主的迴圈系統。

使用此技能時，您預期提供自然語言需求或架構設計；本技能會輸出經驗證的實作模板、配置片段與最佳實踐工作流。典型的輸入涉及定義代理目標、工具簽章或狀態結構需求。預期的輸出包含模組化的 Python 或 TypeScript 代碼、安全配置常數以及持久記憶體的基礎設施模式。使用者應確保開發環境具有必要的 LLM 提供者金鑰，且資料庫依賴（如 PostgreSQL/pgvector）已針對記憶體密集型操作做好準備。在成本敏感的生產部署中，請務必優先採用文件內提供的手動迴圈實作，以確保對護欄配置的完全掌控。