- 综合排序
- 最热优先
- 最新优先
- 来自专栏服务端技术杂谈
AI Agent：模型->工具->结果->模型
Reddit上有人说，AI Agent就是：模型->工具->结果->模型。 从程序员角度来说，就是拼接参数json，调用LLM，处理返回值json。 Agent不只是聊天机器人，还需要工具，所以要先告诉Agent，你有哪些API/工具，这些工具可以做什么。 不需要用什么复杂的框架，基本上只需要串联： 用户输入目标Prompt->将提示词传递给LLM->模型决定下一步->需要工具（API调用、爬取网页、操作API）执行->将结果反馈给模型进行下一步->直到任务完成 即：模型 → 工具 → 结果 → 模型 关于记忆，先用短期记忆，比如最近几条上下文消息。 如果需要跨会话记忆，可以从持久存储获取，比如向量数据库。
13110编辑于 2026-03-11 - 来自专栏python前行者
python爬虫工具：user agent switcher
user agent switcher给我们带来更多的是方便，一次设置好，就不怕每次麻烦的右键检查，设置成手机端的重复性操作了，这对于python爬虫算是一个比较技巧的地方。 安装使用 在火狐的附加组件中输入：user agent switcher 如果找不到入口的话，在火狐浏览器中打开： https://addons.mozilla.org/zh-CN/firefox/search q=user%20agent%20switcher&platform=WINNT&appver=59.0.2 ? 一看这里的搜索结果还是蛮多的，使用的用户还是蛮多的。 最后一步就是在右侧的插件工具栏中选中进行设置就搞定了。 ? 打开京东试试，就成这样的了，很完整的APP客户端 ?
96210发布于 2019-03-25 - 来自专栏人工智能应用
基于 Agent 的股票分析工具
建一个基于 Agent 的股票分析工具或系统，可以采用以下方法和框架，结合 AI Agent 技术与股票市场分析需求，实现选股策略、买卖时机判断、风险控制等功能。 AI Agent 模块：该模块是系统的核心，负责执行选股策略、判断买卖时机、进行风险控制等任务。 可视化与交互模块：提供用户界面，展示分析结果、图表、建议等信息，并支持用户与 AI Agent 的交互。 4 示例代码：基于 AI Agent 的选股策略实现 以下是一个简化的 Python 示例，展示如何使用 LangChain 构建一个基于 LLM 的选股 Agent： from langchain.agents = initialize_agent(tools, llm, agent="structured-chat-zero-shot-react-description", verbose=True) #
1.6K11编辑于 2025-08-01 - 来自专栏代码私语
OpenAI Agent Builder vs n8n：AI自动化工具该怎么选？
自从10月初Agent Builder亮相后，就有人开始猜测：“这会不会让n8n失业啊？”其实这两个工具各有各的擅长领域。 n8n则更适合后台自动化，比如销售流程自动化或者多工具协同，Clay公司靠它实现了10倍增长。 最后说两句说实话，OpenAI Agent Builder不太可能让n8n“失业”，它更像是专门为AI场景打造的一个补充工具。 Agent Builder让搭建AI代理变得特别简单快速，但n8n在灵活性和生态丰富度上依然很难被超越。随着AgentKit不断更新（比如加入更多集成功能），这两个工具的未来可能会更有趣。 你的选择其实很简单：追求速度和易用性就选Agent Builder，需要全面控制和灵活性就选n8n。不管怎样，2025年的自动化工具市场是越来越有意思了！
76710编辑于 2025-10-13 - 来自专栏XINDOO的专栏
Agent设计模式——第 8 章：内存管理
该窗口包含最近消息、Agent 回复、工具使用结果以及当前交互中的 Agent 反思，所有这些都为 LLM 的后续响应和操作提供信息支撑。 } ## --- 使用演示 --- ## 在真实应用程序中，LLM Agent 会决定调用此工具。 ## 在这里，我们模拟直接调用以进行演示。 ## 1. 此代码演示了一种基于工具的方法来管理应用程序中的用户会话状态。它定义了一个函数 loguserlogin，充当工具。此工具负责在用户登录时更新会话状态。 最后，代码再次检索会话以显示状态已通过工具的执行更新。目标是展示将状态更改封装在工具中如何使代码比直接在工具外部操作状态更清晰、更有组织。 搜索，通常使用工具 LangChain 提供如 ConversationBufferMemory 的实用工具，自动将单个对话历史注入提示，使 Agent 能回忆即时上下文 LangGraph 通过使用存储来保存和检索跨不同用户会话的语义事实
82610编辑于 2025-10-27 - 来自专栏老张的求知思考世界
AI Agent Infra领域的工具图谱
因此我才会在前面介绍智能体基础架构的文章中断言道：Agent Infra是Agent落地的关键！因为它涵盖了Agent从开发到部署的完整生命周期。 其中： Environment：提供Agent开发和运行环境，相当于给了Agent一台可自行操作的计算机。 Context：为Agent有效运行提供所需的信息，包括任务相关的背景知识和工具的使用方法。 Tools：使Agent能便捷调用和协作的各类工具，包括各种类型的插件，以实现多样化的任务。 Agent Security：以Agent-native的方式保障Agent的行为与数据在执行过程中的安全与合规。 下面是我查阅很多资料后整理的Agent Infra工具图谱，供大家参考。 一、Environment层 二、Context层 三、Tools层 四、Agent Security层 介绍完AI Agent的基础架构和工具图谱后，下篇文章，我会分享一些对提示词工程的看法，敬请期待
1.1K10编辑于 2025-06-25 - 来自专栏全栈程序员必看
k8s监控工具(k8s工具)
工具集合： 后渗透：Kubesploit ： https://github.com/cyberark/kubesploit 后渗透：k0otkit: https://github.com/Metarget /k0otkit 安全评估：Red Kube ：https://github.com/lightspin-tech/red-kube 容器攻击工具：ccat ： https://github.com
1K51编辑于 2022-08-01 - 来自专栏DevOps
通过 AI Agent 自动排查 K8s 问题
原文通过 AI Agent 自动排查 K8s 问题郭子龙 发表于 2025/11/18一、背景与痛点现状痛点（Dev & Ops）：研发：排查 K8s 问题需要熟悉 kubectl/日志命令，遇到 CrashLoopBackOff 二、使用方式Agent 自动完成排查，也可以再通过继续对话交互深入分析。技术指导（如 K8s 最佳实践咨询）和需求支持（如资源配额调整建议）。使用示例：1. @机器人 排查告警信息。 模型：使用DeepSeek-V3.1工具配置：添加kubectl-ai MCP。 四、后续改进统一运维 Agent 入口，屏蔽底层差异：以 K8s 排查为起点，逐步整合更多运维能力：日志查询与分析（SLS）、指标监控与告警（Prometheus/Grafana）、服务拓扑与依赖关系（ Agent 能解决日常大部分琐碎问题，显著提高排查效率，但个别疑难杂症仍需人工介入 —— 它是第一道防线和效率工具，而非完全替代。
39010编辑于 2025-11-18 - 来自专栏CNCF
利用 Open Policy Agent 实现 K8s 授权
在此过程中，授权管理通常由 RBAC 授权模块来实现，但开发者也可以选择其他组件，如 Open Policy Agent（OPA）。 这里为大家推荐两篇关于如何使用 OPA 的博客：Policy Enabled Kubernetes with Open Policy Agent [2]以及 Kubernetes Compliance with Open Policy Agent [3]。 有关如何配置此方案的更多信息，请参见 open-policy-agent / kubernetes-policy-controller（授权方案[4]）。 ? -3b612b3f0203 3.https://itnext.io/kubernetes-compliance-with-open-policy-agent-3d282179b1e9 4.https:
2.6K22发布于 2019-12-05 - 来自专栏AI进修生
A2A + MCP = AI Agent 完全体？AI Agent 既能 “单挑” 工具，又能 “群殴” 任务。
简单说，这图告诉我们 AI Agent 跟外界打交道主要靠两个开放协议： MCP (模型上下文协议): 这是 Agent 用来“插上”外部工具、API 和各种企业应用的“接口”。 图里两个 Agent 中间那条线就是 A2A。 MCP 核心是工具和工具集 (用 JSON schema 通信)。 A2A 看起来更关注 Agent 之间的自然语言交流。 所以，它俩分工明确： MCP 是 Agent 跟“非 Agent”的东西（工具、API）打交道的。 A2A 是 Agent 跟“其他 Agent”打交道的。 即 MCP 和 A2A 是两条腿走路，一个负责对内连接工具和资源，一个负责对外连接其他 Agent 伙伴。它俩是互补的，共同构成了连接 Agent 的开放标准体系。 、工具、上下文。
62010编辑于 2025-04-11 - 来自专栏openclaw系列
OpenClaw 插件中的 Agent 工具开发指南
Agent 工具是 OpenClaw 插件向大语言模型（LLM）暴露的可调用函数。 这些工具通过 JSON Schema 定义输入参数，并在代理（agent）运行时按需执行，从而扩展 AI 的能力边界——例如调用本地服务、查询数据库、触发工作流等。 四、工具可见性控制策略除了 allow，OpenClaw 还支持多维度工具策略：配置项作用范围说明tools.allow / tools.deny全局控制所有 agent 的默认工具集agents.list [].tools.allow单个 agent覆盖全局策略tools.profile全局或 per-agent基础 allowlist 模板tools.byProvider按模型提供者为不同 LLM 提供商定制工具集 七、总结通过插件注册 Agent 工具，开发者可以安全、灵活地将外部能力注入 AI 代理流程。
46820编辑于 2026-03-15 - 来自专栏java架构计划训练营
浏览器头User-Agent提取工具
* 获取浏览器对象 * @param request * @return */ private static Browser getBrowser(String agent */ private static OperatingSystem getOperatingSystem(String userAgent) { UserAgent agent (); return operatingSystem; } /** * 解析对象 * @param agent * @return (agent); Browser browser = userAgent.getBrowser(); OperatingSystem operatingSystem = .deviceType(deviceType) .os(os) .osVersion(getOSVersion(agent
91120编辑于 2022-10-27 - 来自专栏CRM日记本
Salesforce实时聊天工具Live Agent介绍
Salesforce Live Agent是原生的Salesforce工具，可让企业和网站的用户实时的进行聊天。 Live Agent是那些客服团队有限但是希望能提供较好的客服回报公司的很好选择，不像电话，一个客服同时只能处理一个来电。利用Live Agent，每个用户可以在同一个屏幕管理多个客服服务。 这些反馈既包含对于工具本身（你下次还会使用Live agent吗？）以及客服的处理效果反馈（此次服务对你有帮助吗？是否解决了你的问题？）。 如果使用调查工具的话，分析范围可进一步增加，可以帮助你衡量你的新的工具以及客服的执行情况等。 ? 你是否需要Live Agent？ —你是否有一个小的支持团队淹没在客户的支持电话中？ 哪些不需要Live Agent？ —支持团队需要完成极其复杂和耗时的故障诊断流程。 —客户支持团队使用像Radian6这样强大的工具来管理来自社交渠道的客户支持。
2.2K20发布于 2019-04-16 - 来自专栏openclaw系列
OpenClaw 插件代理工具 (Agent Tools) 深度指南
需要控制某些高风险工具的权限（按需开启）。配置多 Agent 架构下的工具隔离策略。 一、什么是 Agent Tools？ 工具分为两类：必需工具 (Required)：插件安装后默认对所有 Agent 可见（除非被全局禁用）。适用于安全、通用的功能。可选工具 (Optional)：默认不可见。 基础工具 (Basic Tool)这是最常见的形式。插件加载后，该工具自动对拥有插件权限的 Agent 可用。 配置层级工具权限可以在两个层级配置：全局层级 (tools)：影响所有 Agent。Agent 层级 (agents.list[].tools)：仅影响特定 Agent，优先级更高。2. *全局当 Agent 运行在沙箱环境时，限制可用的底层系统工具。 四、最佳实践与安全建议1.
98420编辑于 2026-03-18 - 来自专栏openclaw系列
OpenClaw 插件中的 Agent 工具开发指南
Agent 工具是 OpenClaw 插件向大语言模型（LLM）暴露的可调用函数。 这些工具通过 JSON Schema 定义输入参数，并在代理（agent）运行时按需执行，从而扩展 AI 的能力边界——例如调用本地服务、查询数据库、触发工作流等。 在全局 tools 或特定 agent 的 tools 配置中，通过 allowlist 显式启用： { "agents": { "list": [ { "id dev-assistant", "tools": { "allow": ["run_pipeline"] } }] } } 重启 Gateway 后，该 agent 七、总结 通过插件注册 Agent 工具，开发者可以安全、灵活地将外部能力注入 AI 代理流程。
59720编辑于 2026-03-16 OpenAI发布全新Agent工具，加速智能体开发
这次OpenAI发布的Agent工具，比之前的GPT-4.5有诚意许多。发布了共五个工具，太长不看版：网页搜索工具：基于GPT-4o模型，实时抓取互联网信息并标注引用来源。 Agents SDK：开源框架支持多Agent协作，可定义角色、工具链及安全策略，适用于客户支持、代码审查等场景。这些Agent工具，本质上可以让开发者能够快速自定义自己的Agent智能体。 此外，OpenAI 还为这些 Agent 工具提供了更强的可扩展性和可配置性，使开发者能够结合自身业务需求，构建更加智能化的自动化助手。 写在最后这次，OpenAI这么快的发布全新的Agent工具，被视为对国产Agent产品Manus的回应。由于Manus因在GAIA测试中超越OpenAI的DeepResearch。 导致OpenAI真的急了，所以立刻发布了全套的Agent制作工具。
73820编辑于 2025-03-12EdgeOne ClawScan：AI Agent安全防护工具概要
一、产品定位与核心亮点 EdgeOne ClawScan是由腾讯朱雀实验室×腾讯云EdgeOne联合推出的AI Agent（文中称“小龙虾”）专用安全防护工具，聚焦AI Agent“高权限、可执行、插件生态丰富 二、产品应用场景 个人用户场景 使用AI Agent作为个人助手、知识问答、任务自动化工具时，面临Skill供应链污染、配置不当致公网暴露、权限滥用引发误操作等风险。 Snyk安全团队《ToxicSkills》研究报告（扫描4000+技能），36%的Skill存在后门指令、恶意代码、凭证泄露等安全缺陷； 安全报告示例（小龙虾案例）：评分75分，配置审计发现4项严重、8项警告问题 四、典型案例 客户名称：小龙虾（AI Agent示例） 背景：作为高权限、可执行、插件生态丰富的超级Agent，面临“输入→思考→执行”链路中权限（文件/账号/系统/网络）、技能（Skill执行路径）、 成效：生成安全报告（评分75分），明确配置审计4项严重、8项警告问题，Skill检查15个中1个需关注（tavily），隐私泄露风险3项，版本漏洞无；综合评估需优先修复配置权限、禁用危险标志、审计插件，
31610编辑于 2026-03-31- 来自专栏Go工具箱
「Go工具箱」解析http中的user-agent，就用这个包：user_agent
「Go学堂」新推出“Go工具箱”系列，意在给大家分享使用go语言编写的、实用的、好玩的工具。 今天给大家推荐一个解析HTTP请求头中user-agent字段的库：user_agent 。 项目地址 https://github.com/mssola/user_agent 相关知识 user-agent 一、User-Agent是什么 User-Agent叫做用户代理，是HTTP 三、安装user-agent包 使用go get进行安装： go get github.com/mssola/user_agent 四、user-agent包的基本使用 我们看下user-agent 但同时需要考虑各种user-agent中的细微差别。所以该包不仅仅是一个简单的封装，而是需要具有对user-agent在各平台、各种场景下的深入了解才能做到的。 / ---特别推荐--- 特别推荐：一个专注go项目实战、项目中踩坑经验及避坑指南、各种好玩的go工具的公众号。
2.6K10编辑于 2023-01-31 - 来自专栏XINDOO的专栏
Agent设计模式——第 5 章：工具使用（函数调用）
工具执行： Agent 框架或编排层拦截此结构化输出。它识别请求的工具并使用提供的参数执行实际的外部函数。 观察/结果： 工具执行的输出或结果返回给 Agent。 在这些框架的"画布"上，您定义工具，然后配置 Agent（通常是 LLM Agent）以意识到并能够使用这些工具。 工具使用是构建强大、交互式和外部感知 Agent 的基石模式。 它设置了一个简单的场景，其中 Agent 配备了查找信息的工具。该示例专门演示了使用此 Agent 和工具获取模拟股票价格。 初始化 InMemorySessionService（见第 8 章）以管理 Agent 的会话。为指定的应用程序、用户和会话 ID 创建新会话。 LLM 决定何时使用工具并生成结构化函数调用。 Agent 框架执行实际的工具调用并将结果返回给 LLM。 工具使用对于构建可以执行现实世界操作并提供最新信息的 Agent 至关重要。
1.8K10编辑于 2025-10-27 - 来自专栏AI大模型应用开发炼丹房
AI Agent框架之争：盘点8大AI Agent开发框架的核心技术与工业级应用
本文深度解析8大AI Agent开发框架的核心技术与工业级应用，帮助开发者精准匹配业务场景。 动态分配任务（Process.hierarchical）工具复用：Agent级与Task级工具继承体系3.2 典型场景：竞品分析自动化效果：3小时人工工作 → 20秒自动化执行四、OpenAI Agents 并绑定工具 agent = Agent(tools=[stock_price]) print(agent.run("苹果公司当前股价是多少？")) 技术革新：自动代理循环：无需手动处理工具调用/结果解析函数即工具：@tool装饰器秒级接入现有代码安全护栏：输入校验+错误重试机制4.2 MCP协议扩展：无限工具生态agent.connect_mcp_service ("financial_tools") agent.run("对比TSLA和AAPL的市盈率")行业影响：工具开发者数量3个月增长800%五、Google Agent Development Kit
5.1K10编辑于 2025-07-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号