什么是AI代理？
在此处查找完整的“AI代理初学者”课程和代码示例 ➡️ aka.ms/ai-agents-beginners
在本课中，我们探讨什么是AI代理？然后讨论它们的最佳用例以及开始构建它们所需的条件。
26年6月29日-7月5日 GitHub AI趋势周榜：agency-agents、Strix、OmniRoute 上榜
这期看 26年6月29日-7月5日 GitHub AI / Agent / LLM 相关项目新增 Star Top 10。agency-agents、Strix、codebase-memory-mcp、OpenMontage 继续占前排，新上榜里重点看 ai-berkshire、OmniRoute、video-use 和 herdr：一个做投资研究流程，一个做模型入口，一个把视频编辑交给 coding agent，一个在终端里调度多个 agent。 项目地址： agency-agents：https://github.com/msitarzewski/agency-agents Strix：https://github.com/usestrix/strix codebase-memory-mcp：https://github.com/DeusData/codebase-memory-mcp OpenMontage：https://github.com/calesthio/OpenMontage ai-berkshire：https://github.com/xbtlin/ai-berkshire OmniRoute：https://github.com/diegosouzapw/OmniRoute video-use：https://github.com/browser-use/video-use herdr：https://github.com/ogulcancelik/herdr daily_stock_analysis：https://github.com/ZhuLinsen/daily_stock_analysis orca：https://github.com/stablyai/orca
这个开源项目，让 AI 一句话生成可编辑 CAD 源码，还能导出 STEP、URDF
机械设计又又又卡住了。
用 AI 生成了 CAD 模型,拿到手里却是STL网格,改不了孔的位置。
想要将数据导出为 STEP 格式给工厂使用，还需要重新构建几何体。
机器人描述文件需要手动添加大量的XML标签，很容易出现错误。
最近在 GitHub 上刷到了一个叫做 text-to-cad 的项目，它可以一键生成 CAD 源代码和工程文件，这些问题总算有了希望。
它是面向于Agent的CAD技能库，在GitHub上有7400多个star。
一句话概括就是：
用 AI 来写可出编辑的 CAD 源代码，并把它们导出为STEP、URDF等工程文件。
我给你演示一把,你就会知道这个东西有多么方便了
我要设计一个机器人底盘。
随手打开ClaudeCode，说了一句“生成一个矩形底座，有四个安装孔和两个电机支架”。
它就开始写 Build123d Python 源码。
每一个几何特征都是用代码来定义的：
孔的位置、支架的大小、底座的厚度。
然后自动导出 STEP 文件。
STEP 可以直接导入到 SolidWorks 中进行编辑。
接着生成 URDF 机器人描述。
把links、joints和坐标系都写入XML中，这样 ROS MoveIt2就可以直接加载了。
在整个过程中我只说了那么一句话。
后面 CAD建模、URDF生成、文件导出的工作都是它自己完成的。
有人要好奇了,怎么做到的
01 参数化CAD源码生成。
AI 并不是直接输出一个神秘的二进制模型。
它写的是 Build123d Python 源码，并且每一个几何特征都用@cad[feature_name]来引用标记。
修改一个孔的位置，只需要修改源代码中的参数就可以了，并不需要重新绘制整个零件。
生成的STEP文件可以被直接导入到专业的CAD软件中进行进一步编辑。
02 机器人描述文件自动生成。
URDF中links、joints、limits等容易出错的地方，它会自动写入到XML里去。
关节限位、坐标系、惯性参数等都进行了合法性校验。
配合CAD...
构建AI代理很容易，管理和信任它们才是真正的问题。
现在每个人都在构建AI代理。
n8n代理。Cursor代理。Claude Code代理。MCP设置。LangChain脚本。个人助手。客户自动化。
但没有人有一个干净的地方来回答这些基本问题：
我有哪些代理？ 它们做什么？ 它们能访问哪些工具和数据？ 哪些是危险的？ 哪些是经过测试的？ 哪些在浪费钱？ 哪些已经准备好分享、销售或部署？
这就是差距。
目前，代理分散在n8n工作流、GitHub仓库、Cursor项目、Claude聊天、Notion文档和随机截图中。
这很混乱。随着代理变得越来越强大，混乱就变成了风险。
所以我正在开发一个代理控制中心。
一个仪表板，每个AI代理都有一个代理护照：
目的 工具 数据访问 权限 风险 测试清单 成本估算 版本/状态 可共享文档
对于业余构建者来说，这是所有代理的清晰概览。
对于创作者来说，这是模板的信任层。
对于代理机构来说，这是面向客户的交接报告。
对于团队来说，这是现有代理及其权限的清单。
你在任何地方构建代理。你在一个地方控制它们。
你会使用这个吗？什么会让它成为你的必备品？