这个不算复杂, 首先确定你们的 agent harness 部分(比如是用现有的框架,opencode ,claude-code sdk )都可以,这个是整个 agent 的核心。agent harness 部分就会解决很多基础的问题:比如你说的 context engineer ,这个有很多细节 比如 api 的 cache 控制(省钱),structured context (比如 system prompt, compacted section, running messages ),自动 compaction ,以及多模态的支持, 渐进式发现 skills ,等等 第二部分是 agent loop 的部分 包括 llm 的集成 已经 tool call 的处理,这里主要是 error handling 的部分,各种容错机制,retry 等等, 第三部分就是 扩展 比如 mcp 的集成, 当然这里很多细节。
简单来说就是选择一个 agent harness ,
第二部分就是应用层面了, 一般来说 不同的智能体他们的核心差别就是 skill + toolset 不同,因为 agent harness 是固定的, 你们要做的就是 提供不同的 tool (其实就是去对接你们需要的业务 比如你要投流,那么你们就要把投流封装成 tool ,然后用 skill 提供给 agent 即可)
如果感兴趣可以看看我写的:
https://github.com/hoobean1996/wombat-go 可以用 AI 分析一下 基本还是够用的 我自己测试了不少,