AI编程

用应用层模型轮数、工具执行预算和停止原因约束 Claude API 工具循环。包含只读订单演示、tool_result 回传、超预算停止与验证方法。

在 Chroma 中用稳定来源和片段 ID 同步完整文档：upsert 新版文本与向量，删除消失的旧片段，并用精确读取验收版本和记录数。

固定 gemini-embedding-001，用文档与查询任务生成 768 维向量，手动归一化后排序，并逐项验证来源、维度和无答案问题。

用 Milvus Lite 建本地演示集合，核对向量维度、公开范围过滤和来源编号，再把只读检索接口接到智能体。

用官方 Python SDK v2 调用 MCP：启动或连接服务、分页发现工具、按 input_schema 校验参数、区分工具错误和结构化结果；附完整库存测试对象与可运行客户端。

用 Python SDK v2 把 MCP 工具部署到本机 Streamable HTTP 端点，附独立客户端、结果断言和连接排错；说明监听地址、端点路径及远端 HTTPS/认证尚需完成的工作。

用 MCP Inspector 2.9.0 的 CLI 实际列出工具参数、运行正确调用并故意制造错误；说明 inputSchema、isError、退出码和分层定位，附 Windows 命令与版本要求。

用官方 Python SDK v2 编写只读库存查询 MCP 工具，给出服务器和客户端完整代码，验证正常商品、零库存及未知编码，并说明模型编排、权限和真实数据边界。

用一个只做加法的本地 MCP 服务器，说明 Claude Code 的 stdio 登记、作用域、调用记录核对、连接排错与移除；附可复制代码，区分服务器实测和未实测的模型对话。

区分 Copilot Chat 缺少 Claude 和请求失败，按官方模型表、登录账号、客户端与组织策略排查，再检查修复结果。