Manus 团队刚分享了他们构建 Agent 的 Context 工程经验。刚好我在自己读的过程中，对全文进行了精校翻译，并高亮要点与排版。来自一线的分享，总共 6 条经验，共 5K 字。
最终体验 = 模型 + context (包括提示词、文件、代码库、业务数据，MCP服务等等一切喂给模型的东西)，正好Andrej karpathy前几天天也整了个新提法叫Context engineering，这里可以碰瓷一下Andrej哈哈，这篇文章好几天前我发在小红书了
几个月前，我第一次看到 MCP（Model Context Protocol）的官方定义，心里突然有种特别强烈的感觉： 真正的 AI 产品，一定不仅停留在聊天阶段，必须要能够主动地调用工具、完成任务，真正形成功能闭环。
LLM 和 agent 最关键的能力之一就是基于 context 来准确完成用户的任务，而最真实、鲜活的 context 往往不在 Google doc 等文档中，而是存在人与人的对话中，纪要就承载着这一类高价值信息。
北京时间5月21日凌晨，谷歌在每年一度的I/O大会上再度炸场——谷歌搜索的AI模式正式上线。其中，最受瞩目的一个功能是Personal Context（个人上下文）。北京时间5月21日凌晨，谷歌在每年一度的I/O大会上再度炸场——谷歌搜索的AI模式正式上线。其中，最受瞩目的一个功能是Personal Context（个人上下文）。
最近ContextGem很火。它既不是RAG也不是Agent，而是专注于"结构化提取"的框架，它像一个"文档理解层"，通过文档中心设计和神经网络技术(SAT)将非结构化文档转化为精确的结构化数据。它可作为RAG的前置处理器、Agent的感知模块，也可独立使用。
科技媒体 maginative 今天（4 月 16 日）发布博文，报道称 OpenAI 宣布收购 Context.ai团队，后者是一家由 GV 支持的初创公司，以评估和分析 AI 模型见长。Context.ai的联合创始人 Henry Scott-Green（首席执行官）和 Alex Gamble（首席技术官）将加入 OpenAI，专注于研发模型评估工具。
Agentic AI 的 3 要素是：tool use，memory 和 context，围绕这三个场景会出现 agent-native Infra 的机会。
终于到了适合跟大家介绍大模型的万能接口 MCP（Model Context Protocol）的时候了！
一句话提示，Claude自动化打开Blender将2D图片转为3D建模。背后关键还是最近大火的MCP（Model Context Protocol）——复刻Manus的重要诀窍。将这套协议和Blender打通，即可获得如上效果。该开源项目BlenderMCP，上线短短3天，GitHub标星已达3.8k。
