Phase 2 — Skills, MCP & Agent 架构

Claude Code Skills 是插件机制——给 Claude 装上特定能力。比如一个 「code-review」 Skill 让 Claude 按你公司的代码规范审查代码，一个「deploy」 Skill 让 Claude 自动部署到 Vercel。这节课讲 Skills 的架构：怎么定义、怎么注册、怎么被 Claude 调用、和 MCP 的关系。

学习如何定义工具（Function）、设计参数 Schema，让 LLM 在对话中自主决定何时调用工具、如何处理结果。

认识 Anthropic 官方出品的终端 AI 编程工具 Claude Code。理解它和 Cursor 的本质区别，掌握 CLAUDE.md 配置和权限模式的选择策略。

阅读「Claude Code Skills 进阶」章节。自主节奏完成，巩固本节课的知识点。

上节课讲了 Skills 概念，这节课写一个真实的 Skill。从 agent.md 模板开始（Skill 的说明书），定义 Skill 的名称、描述、触发条件、可用工具、执行步骤。然后写实现代码，注册到 Claude Code。课后你有一个能用的自定义 Skill——比如自动跑测试并生成报告的 Skill。

掌握 Claude Code 的 Skills 框架和 Agent Teams 协作模式。学会把反复使用的 AI 能力封装成可复用的 Skill，以及如何用多个 Agent 协同完成复杂任务。

学习如何设计结构化、可维护的 System Prompt，包括角色定义、行为规则、边界设定和版本管理。

阅读「Claude Skill Codebook 简明教程」章节。自主节奏完成，巩固本节课的知识点。

Claude Code 的 Skills 不只是概念——Anthropic 已经内置了很多实用 Skills。这节课深入 Claude Code 的 Skills 实践：/commit Skill 自动生成 commit message、自定义 Slash Command、Sub-agents（把任务分配给子 Agent 并行执行）、Hooks（在工具调用前后自动执行脚本）。实操配置 3-5 个 Skills 到你的项目。

阅读「Claude Code 自定义命令」章节。自主节奏完成，巩固本节课的知识点。

Claude Code Skills 的目录结构、配置文件格式、Anthropic 官方文档参考。包括 .claude/ 目录下的 settings.json、commands/ 目录、skills/ 目录的组织方式。这节课是参考资料课——不是听讲的，是你配置 Skills 时随时回来查的工具书。

阅读「Claude Code 全面拆解」章节。自主节奏完成，巩固本节课的知识点。

掌握 Claude Code 的 Skills 框架和 Agent Teams 协作模式。学会把反复使用的 AI 能力封装成可复用的 Skill，以及如何用多个 Agent 协同完成复杂任务。

MCP 是 Model Context Protocol——让 AI 调用外部工具和服务的标准协议。Claude 要查数据库、读文件系统、调第三方 API，都通过 MCP。这节课讲 MCP 的 Client-Server 架构：Client（AI 工具端）发起请求 → Server（你写的服务端）执行操作 → 返回结果。Tool 和 Resource 的区别、Transport 层怎么工作。

理解 MCP（Model Context Protocol）的核心概念，掌握如何在 Claude Code 中配置 MCP Server，让 AI 不再局限于读写本地文件，而是能访问 GitHub、数据库、API 等外部服务。

阅读「MCP 服务器配置」章节。自主节奏完成，巩固本节课的知识点。

Claude Code 调用外部工具的底层机制：Claude Skills 定义「能做什么」，ToolUse（Function Calling）定义「怎么调用」，MCP 定义「通过什么协议调用」。这三层怎么串起来？这节课用一个完整案例拆解：Claude 收到任务 → 选择 Tool → 通过 MCP 调用 Server → Server 执行 → 返回结果 → Claude 继续处理。

学习 ReAct（Reasoning + Acting）模式，让 AI 在推理和工具调用之间循环迭代，自主完成复杂任务。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

不是理论了，这节课从零搭一个 MCP Server。用 Claude Code 辅助开发：定义 Server 的 Tool Schema（输入参数和返回格式）→ 实现 Tool Handler → 配置 Transport → 注册到 Claude Code → 测试调用。你会搭一个真实的 MCP Server，比如一个能查询数据库的 Tool 或一个能发邮件的 Tool。

阅读「MCP 配置同步」章节。自主节奏完成，巩固本节课的知识点。

MCP 协议的详细规范参考：JSON-RPC 2.0 消息格式、Tool Definition Schema、Resource URI 格式、Error Code 定义、Auth 机制。和 L13 一样是参考资料课，配置 MCP Server 时随时回来查。附 Anthropic 官方 MCP GitHub 仓库和社区 MCP Server 列表。

理解 MCP（Model Context Protocol）的核心概念，掌握如何在 Claude Code 中配置 MCP Server，让 AI 不再局限于读写本地文件，而是能访问 GitHub、数据库、API 等外部服务。

Agentic Workflow 就是让 AI 自主规划和执行多步任务，而不是你一步步指挥。传统方式：你写 Prompt → AI 回答 → 你再写 Prompt → AI 再回答。Agentic 方式：你给一个目标 → AI 自己规划步骤 → 调工具执行 → 检查结果 → 决定下一步 → 直到完成。这节课讲 ReAct 模式、Tool Use 循环、以及什么任务适合 Agentic 什么不适合。

阅读「AI Agents 与工具调用」章节。自主节奏完成，巩固本节课的知识点。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

Claude Code 本身就是一个 Agent——它能自己决定读哪个文件、改哪段代码、跑什么命令。这节课讲怎么编排复杂的 Agent 工作流：多个 Tool 串联执行、条件分支（如果测试通过就部署，否则修 bug）、Sub-agent 并行（一个 Agent 写前端，另一个同时写后端）。实操配置一个多步骤自动化工作流。

学习多 Agent 架构的核心概念，掌握 Orchestrator + Workers 模式，设计 Agent 间的角色分工和通信协作。

阅读「Claude Code 子代理配置」章节。自主节奏完成，巩固本节课的知识点。

从零搭建一个 AI Agent 项目。不是用框架（LangChain/CrewAI），而是用 Claude Code 原生的 Agent 能力：定义 Agent 的 System Prompt → 配置可用 Tools → 设置执行策略（最大步数、错误处理）→ 测试 Agent 完成一个端到端任务（比如「分析这个 PR 并写 review 意见」）。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

当一个 Agent 需要调用 5-10 个不同的 Tool 时，执行结构怎么设计？这节课分析 Claude Agent 的内部执行流程：思考（选择下一步）→ 调用 Tool → 处理结果 → 再次思考。重点讲多 Tool 场景的挑战：Tool 调用顺序依赖、并行 vs 串行、错误恢复、Token 消耗控制。

阅读 ai-engineer 方向的学习章节，自主节奏完成。

理解为什么 AI 编程工具总是

理解为什么 AI 编程工具总是