Agent 设计用于共享,但现有工具并不适用
摘要
作者讨论了跨团队共享 AI Agent 工作流的困难,并介绍了 Nairi,这是一款用于在 Slack 中部署基于 Claude Code 的 Agent 且支持共享访问的工具。
前一段时间,我在公司负责技术支持时收到了一张工单,报告某个功能无法正常工作。我没有亲自去翻查日志,而是让 Claude Code 来处理。我赋予了它访问我们支持工作区的权限、只读的 AWS 凭据,几分钟后它就给出了答案。这非常酷,我想把这种模式分享给团队。但这比我想象的要难得多。团队中有一半人使用的是 Cursor 或 Codex,而不是 Claude Code。而且最能从中受益的人甚至不在工程部门,而是销售和运营人员。我们曾尝试使用 Cursor 的后台 Agent,最初在我们的 Slack 中可用,但效果并不理想。每个人都需要付费席位,即使是那些从不打开 Cursor 的人。而且每个会话都绑定在一个用户身上,其他人无法在对话中途介入来纠正 Agent 的行为。于是我去构建了 Nairi (nairi.ai)。这是一个允许你在 Slack 中部署基于 Claude Code 的 Agent 的工具,团队成员可以共享使用。整个团队只需一个订阅。其他人是如何处理这个问题的?有什么好用的工具能让你在 Slack 中共享 Agent,或者你们也在自己构建这样的工具吗?我还写了一篇关于这个问题的博客文章,链接在评论区。
相似文章
AI 代理依然拉胯,于是我自己造了一个
作者构建了一款自定义 AI 代理应用,封装了 Claude Code 并即将支持 Codex,侧重于可组合的工作流,并期待社区反馈。
利用智能体编写高效的工具——借助智能体本身
Anthropic 分享了为 AI 智能体设计、评估和优化工具的工程最佳实践,特别介绍了如何利用模型上下文协议(MCP)和 Claude Code 来提升智能体的性能。
我厌倦了AI开发工具把一切都困在云端,所以我构建了...
AgentBuddy 是一个本地优先、开源的 AI 工作流沙盒,支持持久化代理线程、实时执行追踪和事件驱动工作流,集成了 Claude Code,旨在让 AI 开发保持本地化和透明化。
智能体市场
讨论了在将AI智能体投入生产时尚未解决的关键问题,并探索了智能体市场的构想——即通过标准化的输入输出和共享评估体系,将离散的工作单元进行交易。
@hwchase17: https://x.com/hwchase17/status/2053157547985834227
文章概述了一个系统的“智能体开发生命周期”(构建、测试、部署、监控),以有效创建和管理 AI 智能体,重点介绍了 LangChain、LangGraph 和 CrewAI 等关键框架。