第 14 章 · 展望与学习路径

14.1 回顾：你已经掌握了什么

走完前十三章，你已经能独立实现并扩展一个完整的桌面 Agent：

更重要的是背后的可迁移模式：防腐层、白名单桥接、判别联合事件、错误即反馈、防御纵深——它们适用于任何 Agent 技术栈。

14.2 下一步方向

MCP（Model Context Protocol）

本教程的工具是「内置注册」的——宿主自己写 handler。MCP 把工具做成标准化外部服务：任何 MCP Server（文件系统、GitHub、数据库……）都能被任何 MCP Client（你的 Agent）即插即用。

在 OpenBudy 架构里接入 MCP 的路径是天然的：registry.register() 换成「启动时枚举 MCP Server 并动态注册其工具」；loop 与事件体系完全不用动。可以把 MCP 理解为「工具层的 USB 协议」。

子代理（Sub-agent）

复杂任务拆给多个专职 Agent（规划者 / 执行者 / 审查者）。在 agent-core 中实现：再包一层循环，planner.ts 按任务派发，子 Agent 的工具结果汇总给父 Agent。事件体系需要扩展 parentTaskId 之类的字段做树状路由。

记忆与上下文压缩

historyToLLMMessages（第 8 章）目前全量重放历史——长任务会把上下文撑爆。改进方向：

• 滑动窗口：只保留最近 N 轮完整对话 + 更早轮次的摘要
• 结构化记忆：把工具结果（如大文件内容）落盘为「记忆条目」，消息里只放引用
• 检索增强：按当前任务语义检索相关记忆再注入

人工确认门控（Human-in-the-loop）

第 10 章的「危险操作确认」目前靠系统提示词（软约束）。升级为硬门控：新增 tool_confirm 事件类型，executor 遇白名单内高危工具时暂停循环、等 UI 返回 confirm/deny 再继续——把 AbortController 的 Map 扩展为「每任务一个待确认 Promise」即可实现。

多模态

图片输入（截图理解）、语音对话、计算机操作（Computer Use）。工具体系完全复用，变的是 LLMMessage 的 content 从纯文本扩展为多模态数组。

14.3 学习路径建议

阶段	做什么
巩固（1 周）	把第 7、9、12 章的实战全部亲手做一遍；不看书画出全链路时序图
扩展（2-4 周）	给自己的工作流写 2-3 个定制工具；接入自己常用的模型；调教出专属提示词
深挖（1-2 月）	实现上下文压缩；加 human-in-the-loop 门控；尝试接入一个 MCP Server
创造	把 agent-core 移植到新宿主（CLI / Web 服务 / VS Code 插件），验证解耦设计的价值

14.4 延伸阅读

资源	说明
pi-ai (npm)	本教程使用的 LLM SDK，看模型目录与 Provider 抽象
Electron 官方安全指南	第 3、10 章安全设计的权威出处
Electron IPC 文档	handle/invoke 与 send/on 的完整 API
智谱开放平台	GLM 系列模型与 API 文档
OpenAI Function Calling 指南	工具调用协议的原始定义
Model Context Protocol	工具生态标准化的未来方向
Anthropic: Building effective agents	Agent 模式（routing / parallel / orchestrator）的经典总结

14.5 结语

Agent 开发的门槛从来不是「调 API」，而是把流式、工具、循环、安全、UI这五件事工程化地缝合成一个可靠的产品。OpenBudy 用不到一万行 TypeScript 完成了这次缝合，希望本教程让你看清了每一针。

现在，回到第 12 章，做第一个属于你自己的工具吧。