PYPYLAB
AI AGENT · MCP

P01 · Agent Runtime

KDD Agent

以明确的工具边界构建 Agent 工程体系:数据库访问、AI 工作资产、浏览器操作、命令执行、文件修改与跨会话的持久任务上下文。

MCPAI AgentAgent RuntimeTool CallingPythonDDDTDD
01 / RUNTIME

Agent Runtime 与执行边界

Agent 的执行与状态归属应处于明确的 Runtime Boundary 内,而不是散落在 UI 事件或 API Handler 中。

RUNTIME · 架构设计

明确的 Agent 执行边界

Agent Execution 被视为明确的 Runtime Boundary,而不是散落在 UI 组件或 API Handler 中的执行逻辑。

执行生命周期、状态归属和集成边界的工程笔记仍在整理中。目前先公开核心设计原则,尚未提供完整的 Runtime 设计文档。

02 / AGENT & MCP 生态

两个公开项目、四个 MCP Server,一套工程工作流。

两个可公开访问的项目与四类专职开发工具相互补充,覆盖受控数据库访问、Agent 工作资产管理和持续工程执行。

公开项目

包含公开源码的数据库 MCP Gateway,以及可直接访问的 Agent 工作资产平台。

开源 · MCP GATEWAY

DB-MCP Gateway

面向 MySQL / PostgreSQL 的多数据库 MCP 网关。通过 Connection → Endpoint → ACL 三层模型管理连接、端点和用户权限;支持表级白名单、SQL AST 只读校验、调用审计与用量统计。

PythonMCPMySQLPostgreSQLSQL ASTTable ACLAudit
查看 GitHub 源码 ↗
线上产品 · AGENT ASSETS

Prompt Skill Hub

管理 Prompt、Skill、项目上下文、工具说明及版本资源的 AI 工作资产平台,使 Agent 所需上下文能够结构化组织、检索、复用与授权访问。

RustPythonPrompt / SkillVersioningACLAgent Context
打开 Prompt Skill Hub ↗

开发工具 MCP

浏览器观察、命令与进程执行、文件操作及持久项目管理,各自拥有明确的工具职责和执行边界。

01 · 浏览器操作

gad-browser

观察真实页面与交互状态。

打开标签页、点击、输入、截图,读取 DOM、网络事件和控制台日志。

典型场景 · 复现页面问题,检查 AI SDK 初始化请求顺序。网络事件并不等于完整 HAR,也不保证包含响应正文。

代表工具
open_urllist_tabsclick_snapshottype_textget_network_eventsget_console_logscapture_screenshotexport_storage
02 · 命令与进程执行

gad-exec

执行命令与管理持续运行的会话。

支持 argv 直调、一次性 Shell 命令、交互会话;可增量读取输出、继续输入并终止进程。

典型场景 · 运行 Python、测试与构建,并保持开发服务器运行,以供浏览器继续验证。

代表工具
exec_task_createexec_shell_task_createexec_session_create
03 · 文件与补丁操作

gad-filesystem

结构化读取、修改与校验工作区文件。

批量列目录和读取文件,查看日志行段,保存完整文件,验证或应用局部 unified patch。

典型场景 · 大文件改动使用 save_file,小范围修改使用补丁;读取 JSON 仅得到文本,结构分析仍需程序。

代表工具
batch_list_directoryread_filessave_filevalidate_unified_patchapply_unified_patchtail_file
04 · 持久项目流程管理

gad-plan

跨会话保留任务、决策和验证证据。

记录长期目标、工作项、依赖、风险、阶段进度与验证证据;可恢复下一步并导出交接信息。[1]

典型场景 · gad-exec 的 task 是一次程序执行;gad-plan 的 task 是一个持续跟踪的开发目标。

代表工具
task_starttask_nexttask_commit_phasetask_linttask_export_handofftask_export_timeline
03 / 执行流程

从执行到验证,证据能够持续保留。

工具负责执行操作;项目状态负责跨模型、跨会话保留决策、约束和验证结果。

01建立 / 续接

gad-plan 保存长期任务与下一步。

02观察

gad-browser 检查 UI、请求及控制台。

03执行

gad-exec 运行测试、构建和服务。

04修改

gad-filesystem 读取、保存或局部修补文件。

05提交阶段

gad-plan 记录证据、决策和交接。

ENGINEERING PRACTICE · DDD / TDD

状态归属、接口契约与回归验证

DDD / TDD 用于保持 State Ownership、Contract 与 Regression 在 Agent 演进过程中持续显式。工具执行与结果验证分离,变更是否成立由测试和可核查的证据决定。

DDD / TDD工具执行不等于结果已验证

工作方法延伸:Codex 提示实践[2] 与 AI 使用思考[3] 提供更多阅读入口。

企业应用参照:Dify AI 实践[4] 与这里的工具链属于相邻主题,不等同于 KDD Agent 的运行时实现。

04 / REFERENCES

工程笔记与引用

优先展示与工具本身直接关联的工程笔记;其他文章作为开发方法和企业应用的延伸阅读,不作为实现证据。

  1. [1]
    DIRECT · gad-plan
    gad-plan: Agentic Project Infrastructure ↗

    直接关联 gad-plan 持久化项目流程管理的工程笔记。

    https://pylab.me/zh-CN/posts/gad-plan-agentic-project-infrastructure/
    ↩
  2. [2]
    RELATED · Codex workflow
    Best Practices · INTJ Prompts for Codex ↗

    与 Codex 提示设计和工作方式相关的工程实践阅读。

    https://pylab.me/zh-CN/posts/best-practices-intj-prompts-for-codex/
    ↩
  3. [3]
    RELATED · AI engineering practice
    Thoughts on Using AI ↗

    关于使用 AI 进行实际工作的延伸思考。

    https://pylab.me/zh-CN/posts/thoughts-on-using-ai/
    ↩
  4. [4]
    ADJACENT · enterprise AI
    Audit to Algo · Dify AI Practice ↗

    独立的企业 AI 应用实践,不作为 KDD Runtime 内部实现的证明。

    https://pylab.me/zh-CN/posts/audit-to-algo-dify-ai-practice/
    ↩

通过 Portfolio AI 了解更多工具工程细节

可以进一步询问 MCP 边界、数据库权限、浏览器故障排查或持久化开发流程。