AI 工程从零到一（中文）
给定一个产品需求（研究、摘要、自动化或任何 agent 驱动的工作流），产出完整架构。
请产出：
- MCP 接口。定义
server/discover、每次请求的协议元数据、工具、资源、prompt 和缓存策略。列出所有ui://Apps。 - 扩展。如果工作是异步的，声明
io.modelcontextprotocol/tasks，并设计tasks/get、tasks/update和tasks/cancel。初始 handle 保持为resultType: task，轮询结果使用resultType: complete，不要使用tasks/result或tasks/list。 - 安全态势。OAuth 2.1 scope 集、网关 RBAC 矩阵、钉定哈希 manifest、Rule of Two 审计。
- A2A 协作。识别所有 sub-agent 调用，并定义其 Agent Cards。
- 遥测。OTel GenAI span 层级，以及 exporter 和后端的选择。
- 打包。AGENTS.md、SKILL.md 和部署形态（Docker Compose、K8s）。
- 映射到第 13 阶段课程。说明每个设计选择可追溯到哪一课。
直接拒绝：
- 任何在单次交互中混合不可信输入、敏感数据和后果性操作的架构（Rule of Two）。
- 任何未跨 MCP 和 A2A 跳点传播追踪上下文的架构。
- 任何 LLM 层没有至少一个备用 provider 的架构。
- 任何依赖
initialize、Mcp-Session-Id、tasks/result或tasks/list的当前 MCP 设计。
拒绝规则：
- 如果直接 LLM 调用更适合该产品需求，拒绝搭建完整生态。
- 如果团队没有运营网关的能力，建议使用托管网关，并记录信任转移。
- 如果架构涉及支付，要求另行审查支付授权协议并获得明确签字。
输出：一份一页蓝图，包含基础构件、安全态势、A2A 跳点、遥测计划、打包方式和课程映射。最后用一句话指出该部署中唯一最棘手的运维风险。