2026-10
MCP SDK：协议兼容与工具输入验证
modelcontextprotocol/python-sdk · v2.3.0 · 原站发布 2026-10-02
前置日课：Day 80 · Day 127 · 建议 60–90 分钟
MCP协议、SDK和业务工具是三个不同层次。SDK升级可能改变握手、工具清单、输入校验或传输边界；先确认官方文档所针对的协议版本，再验证原有服务是否仍能被同一客户端调用。
本次版本阅读重点
官方发布说明中的可定位片段（原文）：
`httpx2>=2.10.0` is now required** (#3600)
阅读完整变更，区分新增能力、兼容变化与修复；本片段不代表所有变化。
官方发布与完整变更 · 官方教程与用法
学习目标
- 区分协议版本、SDK版本和工具schema
- 定位一项新增能力或行为变化并复现
- 用成功与失败请求证明兼容边界
动手练习
- 记录本次官方版本 v2.3.0 的发布日和完整变更；从原文选一项新增或行为变化，注明链接与条目。
- 在两个独立虚拟环境分别锁定原课所用SDK和本次版本，保存依赖清单；不要在生产工具服务上试升级。
- 照官方示例建立只读工具，例如返回一份本地测试记录；用固定输入记录tools/list和tools/call结果。
- 选取发布说明中的一项校验或传输变化，构造合法输入和边界输入各一个，记录返回值、错误类型和日志。
- 对比两版结果，指出差异发生在协议、SDK还是业务代码；为现有客户端写一项回归测试。
验收
提交两份锁文件、一个只读工具、两组请求/响应及一页兼容性结论。结论须区分官方事实、实测结果和未验证项。
自测
这个版本改变了哪一项行为？你的证据来自官方说明还是自己的实验？原课程中的哪个例子可能受影响？失败时如何回到旧环境？
Agent SDK：工具调用、状态与可观测性
openai/openai-agents-python · v0.23.0 · 原站发布 2026-10-02
前置日课：Day 62 · Day 79 · Day 127 · 建议 60–90 分钟
Agent的可靠性依赖工具边界、运行状态和可追查的执行轨迹，不只依赖一次模型回答。SDK升级实验需要固定输入、工具返回和终止条件，才能区分新行为与模型随机性。
本次版本阅读重点
官方发布说明中的可定位片段（原文）：
mcp:** add configurable MCP listing page limits (#5133) (9a21ab1)
阅读完整变更，区分新增能力、兼容变化与修复；本片段不代表所有变化。
官方发布与完整变更 · 官方教程与用法
学习目标
- 识别版本变化对工具/运行器的影响
- 建立固定案例的Agent回归集
- 以执行轨迹解释失败和终止
动手练习
- 记录本次官方版本 v0.23.0 的发布日和完整变更；从原文选一项新增或行为变化，注明链接与条目。
- 创建隔离项目并锁定官方SDK本次版本；按官方教程运行最小示例，模型服务凭据由学习者自行提供。
- 设计一个只读查询工具和一个模拟失败工具，准备5个固定问题，记录工具schema与期望行为。
- 挑选本次新增或改动的一项功能，仅改变这一处，保持模型参数和测试输入相同。
- 记录工具调用次数、错误、重试与停止原因；检查没有凭据的运行是否给出明确错误而不是伪造答案。
- 把一个失败案例转为可重复测试，说明哪些结果受模型随机性影响、不能归因于SDK升级。
验收
提交最小项目、版本锁定、5例测试表与一份脱敏执行轨迹。每项功能判断都要能回指官方变更或实测日志。
自测
这个版本改变了哪一项行为？你的证据来自官方说明还是自己的实验？原课程中的哪个例子可能受影响？失败时如何回到旧环境？
推理引擎升级：接口、吞吐与显存验证
vllm-project/vllm · v0.31.0 · 原站发布 2026-10-05
前置日课：Day 53 · Day 124 · 建议 60–90 分钟
推理引擎的模型支持、执行路径与缓存行为会随版本变化。吞吐、首token延迟、输出token延迟和显存不是同一个指标，升级收益只能在相同模型、输入长度、并发和硬件条件下测量。
本次版本阅读重点
官方发布说明中的可定位片段（原文）：
DeepSeek-V4.1-Flash performance**: FlashMLA mega attention with the V4.1 NVFP4 compressed KV cache is now the SM100 default (#56935); DeepGEMM sparse
阅读完整变更，区分新增能力、兼容变化与修复；本片段不代表所有变化。
官方发布与完整变更 · 官方教程与用法
学习目标
- 从变更说明定位模型支持或推理能力的变化
- 设计可比的推理基准
- 说明硬件限制与结果外推边界
动手练习
- 记录本次官方版本 v0.31.0 的发布日和完整变更；从原文选一项新增或行为变化，注明链接与条目。
- 阅读本次版本的安装要求和硬件兼容条件；记录GPU、驱动、CUDA、Python与模型权重版本。
- 在隔离环境锁定新旧引擎，以同一小模型与固定提示词集启动测试服务；资源不足时先完成实验设计，不虚构跑分。
- 选取本次新增的一项参数或能力，先用单请求验证功能，再进行固定并发实验。
- 分别记录首token延迟、生成速度、总吞吐与峰值显存；预热后重复至少3轮，保留原始数据。
- 比较错误率和输出完整性，再解释性能；为OOM、超时与不兼容模型写回退方案。
验收
提交环境表、可复现基准配置、原始结果和误差说明。无合适硬件时交实验设计并明确“尚未实测”，不能填写假结果。
自测
这个版本改变了哪一项行为？你的证据来自官方说明还是自己的实验？原课程中的哪个例子可能受影响？失败时如何回到旧环境？
模型框架升级：加载、tokenizer与输出兼容
huggingface/transformers · v5.19.0 · 原站发布 2026-10-06
前置日课：Day 47 · Day 53 · 建议 60–90 分钟
同一个模型名称不足以保证实验可重复：框架版本、权重revision、tokenizer与生成参数都影响行为。新增模型支持需要从官方模型文档确认，不能仅从版本号推断架构或性能。
本次版本阅读重点
官方发布说明中的可定位片段（原文）：
EmbeddingGemma 2 is a multimodal embedding model from Google built on the Gemma 4 architecture. It encodes text, images, audio,
阅读完整变更，区分新增能力、兼容变化与修复；本片段不代表所有变化。
官方发布与完整变更 · 官方教程与用法
学习目标
- 固定模型与tokenizer版本
- 复现一项官方新增或兼容变化
- 分开解释加载错误、输入变化和生成差异
动手练习
- 记录本次官方版本 v5.19.0 的发布日和完整变更；从原文选一项新增或行为变化，注明链接与条目。
- 创建两个独立环境，锁定新旧transformers及后端依赖；选择许可允许、资源可承受的同一小模型。
- 保存模型revision、tokenizer配置和5条固定输入；先比较编码结果，再比较模型输出。
- 从本次变更中选一个新能力或API变化，找到对应官方文档并运行最小示例。
- 保持随机种子与生成参数相同，记录加载告警、异常、token数和结果差异。
- 为升级后发生变化的一项行为写断言；把尚未验证的模型支持与性能标成待验证。
验收
提交两版环境锁文件、模型revision、固定输入/编码/输出对照和一个回归测试。
自测
这个版本改变了哪一项行为？你的证据来自官方说明还是自己的实验？原课程中的哪个例子可能受影响？失败时如何回到旧环境？
训练框架升级：数值、算子与性能回归
pytorch/pytorch · v2.14.0 · 原站发布 2026-09-02
前置日课：Day 47 · Day 53 · 建议 60–90 分钟
框架的新算子、编译与执行能力需要结合具体设备和数据类型验证。优化后的速度不能掩盖数值偏差；训练实验要同时检查损失、梯度、输出误差和运行成本。
本次版本阅读重点
官方发布说明中的可定位片段（原文）：
NVGEMM brings CuTeDSL-generated CUTLASS kernels to Inductor, with epilogue fusion, scaled and NVFP4 GEMM, and grouped-reduction epilogues autotuned alongside Triton
阅读完整变更，区分新增能力、兼容变化与修复；本片段不代表所有变化。
官方发布与完整变更 · 官方教程与用法
学习目标
- 定位一项算子/编译或训练能力变化
- 控制数值与性能实验变量
- 建立可复现的训练回归
动手练习
- 记录本次官方版本 v2.14.0 的发布日和完整变更；从原文选一项新增或行为变化，注明链接与条目。
- 按官方安装表选择适配设备的本次版本，在隔离环境记录Python、框架、设备和数据类型。
- 用固定随机种子生成小数据集与一个两层网络，保存基线输出、损失和梯度。
- 从本次变更选择一项可在当前设备运行的功能，用最小示例与基线路径对比。
- 分别测量预热后的耗时、峰值内存及数值误差，控制批量、设备和精度不变。
- 为一个错误输入和一项数值容差写回归测试；解释实验规模与设备对结论的限制。
验收
提交版本/设备记录、最小代码、数值对照、原始计时和测试。若性能无提升，同样保留真实结果。
自测
这个版本改变了哪一项行为？你的证据来自官方说明还是自己的实验？原课程中的哪个例子可能受影响？失败时如何回到旧环境？