给你的 Agent 一台电脑：Nico Albanese 的 Vercel AI SDK 实战 workshop

📌 One-Sentence Summary

Nico Albanese 用 Vercel AI SDK 演示如何构建持久化 tool-loop Agent，覆盖 web search、sandbox、bash 执行、文件式 memory、context pruning 和 sub-agent 模式。

📝 Summary

这是一次很扎实的技术 workshop，主题是如何用 Vercel AI SDK 6 和 Vercel Sandboxes 构建能使用工具和持久计算环境的 Agent。它最有价值的地方，是从简单 chat completion 进入真实 Agent 系统架构：定义可复用的 toolLoopAgent，连接流式 Next.js route，加入 provider-executed web search，在 UI 中渲染工具状态，并给 Agent 一个持久文件系统。Nico 对 2026 年 Agent 核心构件的总结很有用：agent runtime、tools，以及一台 computer 或 sandbox file system。workshop 还把 context engineering 讲得很具体，包括 message pruning、prepareStep callback、sub-agent，以及用确定性代码从文件中读取 memory。bash tool 和自生成 Python 脚本的例子，也让 Agent memory 和可重复工作不再停留在抽象概念。主要不足是它是长 workshop，包含较多环境配置和 Vercel 生态假设，因此不如精心剪辑的技术讲座凝练。但对正在做生产级 Agent 的开发者来说，它提供了难得的实现细节。

💡 Main Points

1. 生产级 Agent 需要 runtime、tools 和一台持久化 computer Nico 把 Agent 技术栈概括为可复用运行时、工具集成，以及能跨会话保留状态的 sandbox 文件系统。
2. Vercel AI SDK 正在走向可复用的面向对象 Agent 定义 workshop 展示了如何避免把模型逻辑和工具定义塞进巨大的 route handler，而是把 Agent 行为抽象成可复用结构。
3. 持久化 sandbox 让 Agent memory 和重复工作变得现实 Vercel 可以在空闲后关闭 sandbox，同时快照文件系统，让 Agent 保留 memory 文件和生成脚本等状态。
4. context engineering 是 Agent 设计的显式组成部分 视频讲到了裁剪 message history、使用 prepareStep，以及把大规模处理任务交给 sub-agent 来管理上下文窗口。
5. 文件式 memory 比隐藏模型记忆更可控 memory 示例把结构化信息保存在 markdown 类文件中，再用确定性代码拉入 Agent 上下文。

💬 Key Quotes

• 我今天想讲清楚，我认为 2026 年构建 Agent 的核心构件是 agent runtime、工具本身，以及一台 computer 或某种 sandbox 文件系统。
• Vercel 会在一段时间无活动后把它关闭，但会快照文件系统，所以状态会保持不变。
• 我的 hot take 是，memory 就是你存在 sandbox 里的一个文件，然后用某种确定性代码把它拉进来。

📊 Article Meta

Play Full Video