轉眼間，鐵人賽已經邁入第 20 天。這近 10 天的內容從基礎的 Agent 工具與協定開始，一步步走向整合的實作內容，最後使用本地模型環境，在這個過程中，對 ADK、MCP、LangGraph 等工具有了更多的了解，也逐漸實作出一個可實際運作的 Agent 範例。以下就來快速回顧這幾天的重點：

工具與協定介紹（Day 11–13）

• Day 11｜Agent Development Kit 簡介

• 認識 ADK，了解如何使用這套工具來簡化與加速 Agent 的開發流程。

• Day 12｜Model Context Protocol（MCP）簡介

• 探索 MCP，讓模型與外部系統能夠有「標準語言」進行溝通的協定，理解這套協定就打通了 Agent 與外部交流的通道。

• Day 13｜透過 FastMCP 開發 MCP Server

• 實際實作了一個 MCP Server，把協定從理論變成可用的服務，為後續整合打下基礎。

串接與整合實作（Day 14–16）

• Day 14｜使用 ADK 串接 FastMCP Server

• 將前面學到的 ADK 與 MCP Server 結合，實現 Agent 與自建的server的溝通。

• Day 15｜使用 LangGraph 串接 FastMCP Server

• 引入 LangGraph，將 Agent 架構模組化，實現 Agent 與自建的server的溝通。

• Day 16｜Streamlit 與 LangGraph Agent 的結合

• 把整個流程搬上 Streamlit，讓 Agent 有了使用介面，使日後的應用可以進行互動。

技術與本地模型應用（Day 17–19）

• Day 17｜LLM 與 SLM 的優勢、挑戰與應用場景

• 審視不同模型的特性，思考在各種應用場景下該如何選擇、如何取長補短。

• Day 18｜Ollama 是什麼？讓大語言模型走進本地

• 介紹 Ollama，讓模型可以簡單的本地部署，不再完全依賴雲端服務。

• Day 19｜使用 Ollama API 與 ChatOllama 串接本地模型

• 實作將本地模型串接進現有架構，讓 Agent 系統可以更自主、更靈活。

這一階段讓我收穫格外豐富。從零開始摸索 MCP Server，到成功的讓本地模型與 LangGraph、ADK 串接起來，中間讓我踩了不少坑，但也逐漸了解各個元件之間的定位與任務。這些工具與實作，構成一個可運行的 AI Agent 開發骨架。