MCP

按 Manus Connectors 官方步骤授权一个应用，用测试文档完成只读验证；说明 + Connect、账号切换、移除、权限排错及共享内容检查，避免把安装成功当作访问正确。

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。

搜索“ai的agent协议”的人，通常不是想看概念堆砌，而是想判断：做一个 AI Agent 系统时，到底该接 MCP、A2A，还是用传统 API、插件、函数调用就够了。简单说，MCP 更适合解决“Agent 如何安全、统一地连接工具和数据源”，例如数据库、文件、业务系统；A2A 更适合解决“多个 Agent 如何互相发现、协作和交接任务”，例如客服 Age…

选 aiagent协议 时，先不要问“MCP 和 A2A 哪个更先进”，而要问：你的 Agent 是要调用工具和数据，还是要和其他 Agent 协作完成任务。如果目标是让 AI 连接数据库、文件系统、知识库、浏览器、CRM、工单系统，优先看 MCP；如果目标是让多个智能体之间分工、转派、汇报结果，优先看 A2A。很多项目最后不是二选一，而是 MCP 负责“接…