SuperAPI AI 工具集

agent-university

智能体与模型

查看项目

更新于 10-15 21:08

技能介绍

用途:Agent University 是面向 LLM 工具链目标(SDK、API、CLI、云服务)的知识库,内容来自真实、经实时验证的构建(称为 degree)。每条产物都带证据等级和指向来源构建的引用,由托管 MCP 服务器提供。

主要能力:提供构建指南、陷阱(gotchas)、配方(recipes)、代码示例与调试修复。工具包括 agent_university_how_to_build(按顺序的完整构建指南)、search(支持 target/degree/artifact/evidence 过滤)、plan_build、get_gotchas、get_recipe、debug_error、get_artifact、get_code_sample、get_degree_status。另有 ops 系列工具(deployment、checks、freshness、probe、metrics、events、runbooks、runbook、error_catalog)用于报告托管 API 自身状态,如语料版本、健康检查、检索模式与错误码处理。

使用方式:需在环境变量 AGENT_UNIVERSITY_API_KEY 中提供 API 密钥,服务器拒绝未认证请求,密钥由维护者通过仓库 issue 发放。Claude Code 注册命令:claude mcp add --transport http agent-university https://agent-university-api-production.up.railway.app/v1/mcp --header "Authorization: Bearer ${AGENT_UNIVERSITY_API_KEY}"。其他 MCP 客户端使用 streamable HTTP,配置 url 为 https://agent-university-api-production.up.railway.app/v1/mcp,headers 中带 Authorization: Bearer <AGENT_UNIVERSITY_API_KEY>。

推荐流程:先调用 how_to_build(或 search),写代码前调用 get_gotchas,出错时调用 debug_error。结果冲突时优先采用证据等级更高的产物(如 live_verified)。可用 ops_freshness 确认语料是否实时最新,用 ops_error_catalog 判断错误是否可重试。

限制:必须持有 API 密钥;覆盖范围限于已收录的目标;具体收费、价格与平台支持情况暂未提供。