核心指数 协议能力 4/5
MCP 的价值是把工具、资源、prompt 以统一协议接入 Agent runtime，但权限和可观测性仍要由 harness 兜底。
每个当天会被提问或用于练习的术语，先给通俗释义，再给专业释义，避免题目超出当天知识点。
通俗释义：让 Agent 和外部工具/服务约定怎么说话的规则。
专业释义：定义 agent runtime 与 tools/resources/worker 之间的消息、schema、权限、状态和错误语义的接口协议。
当天检查：能写出一次工具调用的输入、输出、错误码和验证证据。
参考脉络：Google ADK / MCP / OpenAI tools
通俗释义：模型不会直接改世界，它通过工具读网页、查库、发消息、写文件。
专业释义：LLM 根据 schema 选择并调用外部 function/tool，由 harness 执行权限检查、副作用控制、结果验证和错误恢复。
当天检查：能给一个工具写 schema、权限和 post-condition 验证。
参考脉络：OpenAI tools / Anthropic tool use
通俗释义：给 Agent 接工具的一套统一插座标准。
专业释义：Model Context Protocol 将 tools、resources、prompts 通过标准 client/server 协议暴露给 agent runtime，但授权、审计和质量仍需 harness 设计。
当天检查：能解释 MCP 解决接入一致性，不自动解决安全和质量。
参考脉络：Anthropic MCP docs
通俗释义：把“概念定义”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：概念定义 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 概念定义，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“工程实现”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：工程实现 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 工程实现，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“失败模式”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：失败模式 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 失败模式，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把“理解表达”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：理解表达 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 理解表达，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
MCP 的价值是把工具、资源、prompt 以统一协议接入 Agent runtime，但权限和可观测性仍要由 harness 兜底。
它在 Agent Harness 中连接“目标/约束、上下文、工具、状态、验证、运营指标”这些层。学习时要问：这一层负责限制什么风险？它把哪类不确定性变成了可观察、可恢复、可评估的工程对象？
Server → Tool/Resource → Client → Policy → Trace
今天围绕“MCP 与 Tool Ecosystem：统一工具协议”建立一个可复用的工程判断：先能定义它解决什么问题，再能指出它在 Agent Harness 中位于哪一层，最后能用一个真实系统环节验证它是否有效。MCP 的价值是把工具、资源、prompt 以统一协议接入 Agent runtime，但权限和可观测性仍要由 harness 兜底。 学习时不要只记名词，要把它和状态、工具、上下文、评估、成本或安全边界中的至少一项连接起来。
我能围绕 MCP 与 Tool Ecosystem：统一工具协议 讲清楚工程目标、实现方式、指标和失败处理。
Server → Tool/Resource → Client → Policy → Trace
给学习平台设计 3 个 MCP tools。
完成标准：能解释 MCP 解决什么、不解决什么。
目标、状态、计划、工具、观察、评估、记忆构成最小 agentic 闭环。