W6 代码练习打卡清单
MCP 协议 · 工具即资产 · 里程碑 M2 · 周一至周日

规则：先把文件里的重点讲解读完，再运行末尾自测，全部 PASS 才勾选。勾选状态保存在本浏览器。多数练习纯本地，只有 Day4--agent / Day6--live 需要 LLM Key。

配套目录：agent-learning-w6/预计每日 4–6 小时周日 2–3 小时交付：M2 + 工具调用评测报告

本周进度

0 / 0

M2 验收标准（周日）

能手写解释 MCP 的生命周期与三角色，跟传统 Function Calling 对比讲 3 个痛点
能把一个已跑通的能力（W4 知识库）封装成标准 Server，并被 Client 通过 stdio 调用
能写出 BFCL 风格的评测集，并报出你的 pass@1 / 工具选择准确率（含口径说明）

周一Day1 · MCP 架构 + 对比 FC纯讲解day1_arch.py

打卡任务

能背出传统 Function Calling 三大痛点：厂商绑定/静态配置/无执行标准
能画出三角色：Host=应用 / Client=通信端 / Server=能力服务
理解"工具即资产"：一套 Server 被 N 个应用复用
自测 PASS：python day1_arch.py
能说明 MCP 的部署形态：独立服务/可热更新/可共享，与 Agent 进程解耦

验收标准

30 秒能讲清"MCP 解决 FC 什么问题"
能说清 Client 与 Server 谁向谁发请求

重难点

此处是纯心智模型，不写代码——别急着敲，先把这个框架刻进脑子

周二Day2 · 三大原语 + 生命周期纯本地day2_primitives.py

打卡任务

能区分三原语：Tools执行 / Resources喂数据 / Prompts做套路
理解生命周期：initialize 握手 → 三原语常态调用 → 关闭
搞清楚 notifications 不带 id（fire-and-forget）与请求回应的区别
自测 PASS：python day2_primitives.py
能说出每类原语都是"list(发现)+具体操作(read/call/get)"两步

验收标准

能举一个"到底是 tool 还是 resource"的边界例子
能答出 tool 会改状态、resource 只读

重难点

notification 无 id、无响应——这是标准里的隐藏细节，面试爱考

周三Day3 · 手写 MCP Server（封装 W4 知识库）纯本地day3_mcp_server.py

打卡任务

理解"能力封装成独立 Server = 工具即资产"的落点
把 W4 RAG 检索封装成 search_knowledge 工具
再封装一个业务 API（天气）演示 side-effect 与参数校验
配齐 1 resource + 1 prompt，三原语齐全
自测 PASS：python day3_mcp_server.py
跑成服务：python day3_mcp_server.py --server（会用到的协议口）

验收标准

能让任意 Client 通过 tools/list 发现你的工具并按 schema 调用
能说明 stdio 传输下 stdout 只能有 JSON-RPC（日志不能打进协议流）

重难点

协议的"分帧"：行分割 JSON，任何多余 print 都会破坏对话——这是 stdio 服务的隐藏坑

周四Day4 · MCP Client + 接入 Agent 闭环可离线day4_mcp_client.py

打卡任务

理解 Client 三连：tools/list 发现 → schema 转 LLM 工具 → tools/call 执行
在 InProc 模式下跑通协议自测
用 stdio 子进程连接 Server 再自测：--stdio
理解"这就是 W2 的 ReAct 循环，只是工具来源变成了 MCP"
（可选）配 Key 跑真实闭环：--agent
能说明 stdio 与 Streamable HTTP 只是传输手段，协议语义不变

验收标准

能画出完整闭环：模型→tool_call→Client 执行→tool 消息回灌→模型
能给 Agent 换一个 MCP Server 而不改业务代码

重难点

工具不是写死在代码里，而是运行时"发现"的——这才是 MCP 的价值

周五Day5 · 工具 Schema 设计（契约工程）纯本地day5_schema_design.py

打卡任务

理解"schema 是给 LLM 看的行为说明书，是硬校验关卡"
能背出 schema 六条铁律：命名/描述/类型严谨/约束/required/参数描述
跑逐项校验：越界/枚举/格式/漏必填都在事前被挡
对照"坏 schema：校验缺失→运行时模糊崩溃"
理解 isError 通道：错误喂回模型让它下一轮自纠，而不是 crash
自测 PASS：python day5_schema_design.py

验收标准

能给一个模糊工具（如 process(request)）设计出高可靠 schema
能解释 integer≠number、可空用 null 联合、enum/pattern 的作用

重难点

好 schema=病毒最外层拦截；坏 schema=病毒穿透内核崩溃

周日Day6 · BFCL 风格工具调用评测（M2 交付）离线可跑day6_bfcl_evaluation.py

打卡任务

理解 BFCL 评测思想："工具选对 + 参数填对"优于"答得顺"
能区分题型：simple/multiple(散参)/relevance/parallel
理解 IFF（all-or-nothing）为何最严、与工具选择口径的差别
理解 relevance 负例测"该拒调时不乱调"
离线跑通：python day6_bfcl_evaluation.py，能报出自己的 pass@1 与口径
（可选）配 Key 用真实 LLM 重跑：--live

验收标准

能答"pass@1 0.8 vs 工具准确率 0.8 差在哪"
能给自己的项目搭一个≥10 题的黄金评测集

重难点

引用数字必须带口径：IFF 全对 vs 只比工具选择，别混着报