← Spell Book
hello-agents
ai-tools
最適合誰
剛踏入 AI Agent 領域、想用一份資源把整個生態看一遍的開發者。如果你讀了一堆零散的部落格講 MCP、A2A、ANP，還是搞不清楚它們之間的關係，這個專案用一張比較表就講清楚了。也適合需要一個最小 Agent 骨架來快速 prototype 的人，SimpleAgent 只有 200 行 Python。
我實際怎麼用
三個値得花時間的切入點。
第一是 Ch10 的協議比較。MCP 管工具呼叫（垂直：LLM 叫工具做事）。A2A 管 Agent 之間的通訊（水平：Agent 互相協作）。ANP 管 Agent 發現（多邊：Agent 互相找到對方）。比較表 10 分鐘就能建立全貌，分別讀三份官方文件得花好幾個小時。
第二是 Ch7 的 SimpleAgent。大約 200 行 Python 的極簡 tool-calling 迴圈。解析 [TOOL_CALL:] 格式、管理對話歷史、整合多個工具。需要快速做 Agent prototype 但不想引入重框架時，直接抄這個骨架。
第三是 Ch15 的 NPC 記憶系統。實作遺忘曲線、情節記憶、好感度 5 段等級。比較少見的「Agent 怎麼優雅地遺忘」設計參考。
真正強的地方
- 協議比較確實有用。MCP vs A2A vs ANP 的定位、通訊模式、適用場景用表格和架構圖一目了然
- SimpleAgent 精簡。不靠任何框架就有完整的 tool-call 迴圈。適合教學和快速原型
- 三個完整全棄專案：深度搜尋引擎、PDF 客服機器人、NPC 生態系統。不同類型的 Agent 模式，都有可執行程式碼
- Datawhale 社群品質。有人審閱、有結構，不是隨便丟上去的筆記
失敗模式與不該用的情境
- 簡化實作。A2A 和 ANP 是教育版本，不是生產等級。不要直接把程式碼當正式系統用
- 中國生態預設。範例用 DeepSeek 做 LLM、高德地圖做地理定位、Qdrant 做向量搜尋。需要替換成自己的服務
- 前端用 Vue 3。三個全棄案例都是 Vue，不是 React。概念相通但元件不能直接搜
- 不是工具。沒有東西可以安裝，沒有東西可以放進日常工作流。是讀來學的
價格、上手門樻與風險
免費，Apache 2.0 授權。對初學者友善，章節有漸進結構。需要基本 Python 能力執行範例。無隱私風險，全部本地執行。主要風險是把教學程式碼當成可以直接上線的東西。
結論
如果你剛開始學 AI Agent 開發，想找一份涵蓋協議、框架、全棄部署的資源，這是目前中文世界裡最有結構的選項。有經驗的 Agent 開發者可能很快揃完，但協議比較表仍然値得留著當參考。記住：它教你 Agent 怎麼運作，不是幫你建 Agent。