基于 Model Context Protocol 官方介绍的中文解读，梳理 MCP 如何作为开放协议连接 AI 应用与外部数据、工具和工作流，以及 server、client、application 三类角色的工程意义。

基于 Gemini API Code Execution 官方文档的中文解读，梳理 Gemini 如何生成并执行 Python 代码、利用执行结果迭代回答，以及输入输出、计费、限制和工具组合的工程边界。

基于 LangChain 官方文档的中文深度解读，系统梳理 LangChain、LangGraph、LangSmith 的三层分工，以及 Build、Test、Deploy、Monitor、Govern 的 Agent 工程生命周期。

基于 LlamaIndex Agents 官方文档的中文解读，梳理 Agent 作为自动推理与决策引擎的核心能力，以及工具、记忆、计划、预置 Agent 与 Workflows 的工程边界。

基于 Anthropic Claude 官方 Tool Use 文档的中文深度解读，重点拆解 client tools 与 server tools 的执行边界、tool_use/tool_result 循环、tool_choice、strict tool use 以及生产环境成本与风险控制。

基于 Google Gemini API 官方 function calling 文档的中文详细解读，重点说明函数声明、唯一 id 回传、thinking 模型中的 thought signature、并行调用、组合调用和 VALIDATED/AUTO/ANY/NONE 模式。

基于 OpenAI 官方 Function Calling 指南的中文深度解读，系统梳理工具定义、五步调用流程、parallel_tool_calls、strict mode、custom tools 与 tool search 的关键差异与实战要点。

OpenAI《A Practical Guide to Building Agents》文章解读，梳理什么任务适合构建 Agent、Agent 系统的模型、工具、指令与编排结构，以及如何通过多 Agent、护栏和人工交接把 Agent 安全部署到真实业务中。

Anthropic《Building effective agents》文章解读，梳理 workflow 与 agent 的区别、增强型 LLM、提示链、路由、并行化、编排者-工作者、评估者-优化者等常见模式，以及什么时候该增加系统复杂度。