autonomous-agent-patterns

Autonomous Agent Patterns

技能概述

Autonomous Agent Patterns 是一套用于构建自主编码代理的设计模式集合，涵盖工具集成、权限系统、浏览器自动化和人机协作工作流等核心实践。

适用场景

构建 AI 智能代理

当你需要创建能够自主完成复杂编程任务的 AI 代理时，这套模式提供了从架构设计到工具集成的完整指导。包括代理循环设计、多模型架构选择和上下文管理等关键模式。

设计工具与函数调用 API

当开发 LLM 应用的工具接口时，可参考工具设计模式、编辑工具精确模式和 MCP（Model Context Protocol）集成模式，确保工具设计既高效又安全。

实现权限与审批系统

当需要为 AI 代理添加安全控制时，这套模式提供了分级权限设计、审批 UI 模式和沙箱执行模式，帮助你在自主性和安全性之间取得平衡。

核心功能

代理核心架构

提供 Think-Decide-Act-Observe 代理循环模式和多模型架构模式，支持为不同任务选择合适的模型（快速决策用轻量模型，复杂推理用强大模型）。

工具设计与集成

涵盖文件操作、代码理解、终端执行和浏览器自动化等基础工具模式，包括精确文件编辑工具设计和冲突检测机制。

权限与安全模式

定义四级权限系统（自动批准、会话级批准、每次批准、禁止执行），提供沙箱执行、风险评估和审批 UI 设计模式。

浏览器自动化与视觉代理

支持基于 Playwright/Puppeteer 的浏览器工具模式，以及使用视觉模型理解网页并定位元素的视觉代理模式。

上下文与检查点管理

提供 @file、@folder、@url 等上下文注入模式，以及用于长时间运行任务的检查点保存和恢复机制。

MCP 集成模式

支持动态发现和使用 MCP 服务器工具，实现"添加一个工具..."式的热加载能力。

常见问题

什么是 Autonomous Agent Patterns？

这是一套从 Cline、OpenAI Codex 等项目中提炼的设计模式，用于指导开发者构建能够自主编码的 AI 代理。它覆盖了从架构设计到工具集成、从权限控制到人机协作的完整开发指南。

如何为 AI 代理设计权限系统？

建议采用四级权限模型：低风险操作（如读取文件）可自动批准；中等风险操作（如写入文件）会话级批准一次；高风险操作（如执行命令）每次都需批准；危险操作（如格式化磁盘）永远禁止。同时配合风险评估函数动态判断操作风险等级。

MCP（Model Context Protocol）是什么？

MCP 是一种标准协议，允许 AI 代理动态发现和使用外部工具。通过 MCP 集成模式，代理可以连接到各种 MCP 服务器，获取可用的工具列表，并在运行时动态加载新工具，实现"添加一个工具"的扩展能力。