AI Agent 原理系列的统一入口页。本文只做目录索引，方便按顺序阅读，不涉及额外展开。
系列总目录
- AI Agent原理篇01：AI Agent 概述与核心概念
- AI Agent原理篇02：大模型基础：Token、上下文窗口与采样
- AI Agent原理篇03：消息结构与角色：System、User、Assistant、Tool
- AI Agent原理篇04：Agent Loop：感知-思考-行动循环与 ReAct
- AI Agent原理篇05：Tool Use / Function Calling 原理
- AI Agent原理篇06：结构化输出与解析容错
- AI Agent原理篇07：上下文工程：给模型看什么、什么时候看
- AI Agent原理篇08：记忆机制：短期记忆、长期记忆与检索
- AI Agent原理篇09：RAG：检索增强生成原理
- AI Agent原理篇10：规划、反思与任务分解
- AI Agent原理篇11：多 Agent 协作：编排、子 Agent 与交接
- AI Agent原理篇12：MCP 协议原理
- AI Agent原理篇13：MCP 实战：写一个自己的 MCP Server
- AI Agent原理篇14：Skills：按需加载的能力包
- AI Agent原理篇15：Agent 运行框架（Harness）
- AI Agent原理篇16：Agent 间通信：A2A 等协议
- AI Agent原理篇17：错误处理、重试与超时
- AI Agent原理篇18：安全：Prompt 注入、权限边界与人在回路
- AI Agent原理篇19：评估与可观测性：Trace、日志与 Eval
- AI Agent原理篇20：实战：从零设计一个业务监控 Agent
阶段划分
- 基础（01-03）：Agent 是什么、大模型基础、消息结构。
- 核心机制（04-06）：Agent Loop、工具调用、结构化输出。
- 上下文与知识（07-09）：上下文工程、记忆、RAG。
- 进阶架构（10-11）：规划与反思、多 Agent 协作。
- 扩展机制（12-16）：MCP 原理与实战、Skills、运行框架、Agent 间通信。
- 工程化（17-19）：错误处理、安全、评估与可观测性。
- 实战（20）：综合设计一个业务监控 Agent。
阅读建议
- 第一次阅读：建议按 01 → 20 顺序通读，先打好模型、循环、工具、上下文等基础。
- 查问题时：可按专题跳读，例如工具设计、MCP、Skills、重试机制、安全边界等。
- 本文作为总入口，后续若系列继续扩展，也会在这里持续补充。