对于向深入学习上下文工程（Context Engineering）的同学，这又是一篇必看的文章。这篇文章讲的是如何解决 MCP 工具太多的问题，但凡你做过 Agent 开发，用了大量 MCP 工具，就会知道 MCP 工具多了后最大的问题就是上下文占用太多，不仅导致成本高，还会影响推理和生成质量。另外一个问题就是 MCP 工具返回的中间结果也会挤占大量的上下文空间。看这文章的时候忍不住夸

#上下文工程 #MCP工具 #Agent开发 #代码工具 #数据隐私

相关新闻

宝玉

1天前

关注 AI Agent 的力荐 MMC 的这篇刚发布的《State of Agentic AI: Founder’s edition》，不仅数据扎实，分析了问题，还提供了可行的解决方案。今年 2025 年是公认的 AI Agent 元年，“Agentic AI” 非常火，新产品也层出不穷：Deep Research、Coding Agent、Browser use、Computer use …

henu王凯

1周前

留存下，LangChain 和 Manus关于上下文工程的对谈，应该算世界上最先进的「上下文工程」实践后的总结了。

sitin

1周前

发现了一个浏览器自动化开源项目—— Chrome 插件：Nanobrowser Nanobrowser是一款开源的Chrome浏览器插件，通过接入AI大模型API实现网页自动化操作。配置简单，支持中文指令，无需编程基础采用多智能体架构，包含规划者（Planner）、导航者（Navigator）和验证者（Validator）三个角色协同工作，能自动完成网页跳转、数据提取等任务。只需在侧边栏

Yangyi

2周前

翻译了一下manus最近和Langchain的一个线上分享关于上下文工程的实践，还是有很多细节的虽然这些细节在执行过程中是容易理解找到方法去处理的但是也从侧面看到不论是制作垂类agents还是构建通用agents，在细节层面都需要经历各种各样的困难我们更应该怀揣敬畏的心去看待每一个在Agents Building路途上前进的人产品背后都是磨难

YL (Yucheng Liu)

3周前

在AI领域，未来几年唯一重要的事情可能就是「上下文工程」(Context Engineering)。如何从嘈杂、非结构化的真实世界对话中精准提取、管理和排序上下文，再喂给LLM，是决定AI智能体表现的关键。这远比卷模型本身更有价值。

关联事件

#多智能体之争：Anthropic生态VS单智能体

Anthropic与Cognition就多智能体系统构建展开激辩，核心争议在于上下文共享与否。Anthropic强调构建多智能体生态，提升复杂任务处理效率，近期发布多智能体构建指南，阐述“协调者-执行者”架构，并通过代理协调和系统评估提升任务性能，认为单个智能体的上下文有限，压缩比太大就会失真。Cognition则更关注单个Agent的效率和稳定性。Anthropic还发布了关于多智能体系统的文章，详细阐述构建多个智能体所面临的工程挑战，并强调带宽、结构、机制的重要性。这场争论反映了AI发展路径的不同选择，对未来AI系统的设计和应用具有重要意义。