Model Context Protocol（MCP）是连接 AI 模型和外部工具的开放协议。本文从协议设计、真实实现到动手搭建，完整拆解 MCP 的工作原理。 MCP 解决什么问题 假设你有 3 个 AI 工具（Claude Code、Codex、Cursor）和 5 个外部服务（GitHub、Slack、数据库、文件系统、Jira）。没有统一协议的话，你需要 3 × 5 = 15 ...

AI coding agent 越来越强，但它不了解你的项目约定。AGENTS.md 就是解决这个问题的：一份给 agent 看的、机器可读的项目指南。 问题的起源 用过 AI coding agent 的人一定遇到过这类问题： 项目用 pnpm，agent 偏要 npm install 团队约定 commit message 用 Conventional Commits，...

本文基于 openai/codex 仓库 HEAD（2026-02-21）的源码分析。所有文件路径和代码引用均可在仓库中验证。 引言 在上一篇文章中，我们通过 3913 个 commit 追踪了 Codex 的演进历程。我们知道它从 9 个 Rust crate 成长为 69 个——但这 69 个 crate 具体是什么？它们如何组织？当用户输入一条指令时，数据流是怎样穿越这些 cra...

本文基于 openai/codex 仓库完整 Git 历史（3913 commits，2025-04-16 至 2026-02-21）分析编写。所有 commit hash、PR 编号和日期均可在仓库中验证。 引言 在上一篇《AI Agent 的核心引擎：工具循环（Tool Loop）导论》中，我们拆解了 coding agent 的核心运行机制。今天我们来做一件更有意思的事：通过 3...

引言：为什么 Coding Agent 这么能干？ 2025 年以来，AI coding agent 的能力出现了质的飞跃。Claude Code、Codex CLI、Cursor 等工具已经可以独立完成”读代码 → 定位问题 → 修改 → 跑测试 → 修复失败 → 提交”这样的完整工作流。 但如果你仔细观察，底座模型（foundation model）本身并没有”执行代码”或”读文件”...

本文档基于 OpenClaw 源代码 (v2026.2.18) 逐文件分析编写，所有结论均有源码路径佐证。 系统概述 OpenClaw 是一个多渠道 AI 智能体网关平台。核心定位是：自托管的 AI 编码 Agent 平台，通过统一网关将完整的 Agent 能力（代码执行、文件操作、浏览器控制）连接到 30+ 即时通讯渠道。 关键技术选型： 项目 ...