为 agent
你的 agent 可直接调用的知识库。
每个来源都经过结构化与向量化,再通过 Model Context Protocol 暴露——让你的 agent 查询最新、有据可依的上下文,而非陈旧的训练数据。
# 添加 AgentLensHQ MCP 服务器 claude mcp add --transport http agentlens \ https://api.agentlenshq.com/mcp
11 个实验室 · 每天 2 条 X 综述
AgentLensHQ 每天跟踪 8,500+ 个 AI 项目,在它们出圈之前就捕捉到正在爆发的那些。它同时阅读 Hacker News、X(原 Twitter)上的研究者,以及各大实验室自己的博客——OpenAI、Anthropic、DeepMind 等等。要紧的内容都会整理成易读的 dispatch,并通过 MCP 提供给你的 agent。
↓ 项目
每周排一次榜,另有拆到实现细节的 harness 长文。
AI Open-Source Radar头名每周换人,榜单其余部分没换至今每一期的头名都不一样,而本期这个此前从未出现在榜上——可十个名字里有八个是原样延续下来的。在这层换血之下,Ponytail 的连涨与 DeepSeek Harness 的连跌,终点落在了同一个地方。AI Agent Harness 源码拆解读 190 行代码,把 harness 这个词彻底讲清楚harness 这个词现在到处都是,但很少有人点破它同时指着两样东西:跑循环的那个程序,和你在自己仓库里为它准备的那些文件。分不清这两者,你读到的每一篇 harness 文章都会在某处突然对不上。这篇用 mini-swe-agent 的主循环把它们拆开——190 行,一口气读得完,而指令、工具、环境、状态、反馈这五个子系统,在里面各能指到具体的行号。每个来源都经过结构化与向量化,再通过 Model Context Protocol 暴露——让你的 agent 查询最新、有据可依的上下文,而非陈旧的训练数据。
# 添加 AgentLensHQ MCP 服务器 claude mcp add --transport http agentlens \ https://api.agentlenshq.com/mcp