AI编程

从工具名称、JSON Schema、只读结果和错误返回四部分定义第一个 MCP 工具，避免让模型猜参数。

用一张职责表区分 MCP 协议、模型与智能体运行时，说明为什么接入 MCP 后仍要保留业务权限和人工确认。

用工具清单、输入 schema、最小权限和人工确认四步，把 AI 应用接入 MCP 服务而不直接放开全部工具。

说明 stdio 传输的启动方式、标准输出纪律、初始化与工具发现顺序，并给出无响应时的可复查排查步骤。

从能力协商、工具清单、数据权限和日志四个层面规划 MCP 平台，避免把模型、客户端和服务器职责混在一起。

用一次只读工具调用说明 MCP 的客户端、服务器、工具和模型各自负责什么，并给出接入前后的核对点。

从 Issue 写清验收条件开始，交给 GitHub Copilot cloud agent，再按 diff、测试和 CI 复核 PR。

用 Gemini Code Assist 在 VS Code 处理 CSV 汇总示例，再运行脚本、手算核对并检查异常输入。

提前准备 Ollama 模型与 Continue 扩展，连接本机服务完成代码补全，并检查断网条件和隐私边界。

用行为测试约束 AI 辅助的 Python 到 TypeScript 迁移，并验证正常值、边界值与非法输入。