OpenSpace助力自进化AI代理，低成本技能复用全流程实战

环境搭建与代码准备

• 在Colab中克隆 OpenSpace 仓库，使用 sparse checkout 只下载核心代码，避免冗余资产。
• 通过 pip install -e . 将项目以可编辑模式安装，确保后续代码修改即时生效。
• 配置 .env 环境变量，指定模型（如 anthropic/claude-sonnet-4-5）以及工作空间路径，自动检测是否提供了 API Key，以决定是否执行实时 LLM 任务。

自定义 Skill 与能力进化

• 在 my_agent_skills 目录下创建 SKILL.md，定义 CSV 报告生成能力：读取 CSV、输出摘要统计、列出关键观察。
• 将 OpenSpace 自带的 host skills（delegate-task、skill-discovery）复制到同一目录，使新建 Skill 能被代理自动发现。
• 通过异步 Python API 调用 OpenSpace().execute(query)，在首次任务（如工资计算）后，框架会在 SQLite 数据库中记录 evolved_skills，并标注来源（FIX、DERIVED、CAPTURED）。

MCP 服务与低成本复用

• 启动 openspace-mcp --transport streamable-http，在本地 8081 端口暴露 MCP 接口，支持外部系统通过 HTTP 与代理交互。
• 使用 urllib 简单探活，确认 MCP 返回预期的协议响应。
• 通过生成的 mcpServers 配置文件，外部微服务可直接读取工作空间与技能目录，实现 技能即服务（Skill-as-a-Service）模式，显著降低重复调用大模型的费用。

SQLite 血缘库与演化分析

• OpenSpace 将每一次技能演化写入 openspace.db，表结构包括 origin、name、metadata 等字段。
• 通过 SQL 查询可统计不同来源的技能数量，例如 SELECT origin, COUNT(*) FROM skill_table GROUP BY origin;，帮助研发团队快速定位哪些技能是手工编写、哪些是模型自发生成。
• 进一步对比 FIX（固定技能）与 DERIVE（派生技能）的使用频率，评估复用策略的成本节约效果。

实验结论与行业意义

• 完整流程展示了从 环境搭建 → Skill 编写 → 任务执行 → MCP 部署 → 血缘追踪 的闭环，验证了 OpenSpace 在自进化代理场景下的可操作性。
• 通过 SQLite 血缘记录，研发团队能够在不破坏已有工作流的前提下，持续迭代技能，形成 低成本、可追溯 的智能体生态。
• 该方法对企业内部知识库自动化、跨部门任务编排以及 SaaS 化 AI 代理产品具有直接借鉴价值，预示着开源代理框架将在生成式 AI 应用落地阶段扮演关键角色。