npx https://plugin-marketplace.bmaws-infra.com/api/cli login
npx https://plugin-marketplace.bmaws-infra.com/api/cli install --tool cursor standalone-repo-agent
npx https://plugin-marketplace.bmaws-infra.com/api/cli list

A1 · Web UI 创建 PAT

A2 · 终端 login

A3 · install + list

此时还是模板 nodes/run.py 里的 run_node 在做回声 demo · 输出 (echo · 未接 LLM)你好（见下方「run.py 是什么？」）

修改顺序（建议按此顺序，避免 import 报错）:
  ① prompts/__init__.py
  ② state.py
  ③ nodes/fetch.py      ← 新建
  ④ nodes/broadcast.py  ← 新建
  ⑤ nodes/__init__.py
  ⑥ builder.py
  ⑦ core.py             ← Skill 步骤 5 telemetry
  ⑧ tests/test_smoke.py ← Skill 步骤 7

RUN_SYSTEM = "你是一个有用的助手,简洁、准确地回答用户的问题。"

BROADCAST_SYSTEM = """你是「AI 最新资讯每日播报」编辑...
📢 AI 资讯每日播报 · {date}
【今日要闻】1. ... 2. ...
【值得跟进】- ...
【一句话展望】..."""

class AgentState(TypedDict, total=False):
    input: str
    output: str
    raw_items: list        # fetch 写入
    headlines_text: str    # fetch → broadcast

数据流:
CLI {"input":"2026-07-13"}
  → fetch 写 raw_items + headlines_text
  → broadcast 读 input + headlines_text → 写 output
  → core 读 output + headlines_text 判 success

def fetch_node(state: AgentState) -> AgentState:
    items = _fetch_rss(HN_RSS) or FALLBACK
    headlines_text = "\n".join(f"- {x['title']}" for x in items[:8])
    return {"raw_items": items, "headlines_text": headlines_text}

def broadcast_node(state: AgentState) -> AgentState:
    headlines = state.get("headlines_text", "")
    # get_llm("sonnet").invoke([SystemMessage(BROADCAST_SYSTEM), ...])
    return {"output": out}

from .broadcast import broadcast_node
from .fetch import fetch_node
__all__ = ["fetch_node", "broadcast_node"]

nodes/run.py          ← def run_node(state): 读 input · 调 LLM · 写 output
builder.py            ← add_node("run", run_node) · run → END

def build_graph() -> Any:
    from langgraph.graph import END, StateGraph

    g = StateGraph(AgentState)
    g.add_node("fetch", fetch_node)
    g.add_node("broadcast", broadcast_node)
    g.set_entry_point("fetch")
    g.add_edge("fetch", "broadcast")
    g.add_edge("broadcast", END)
    return g.compile()

执行顺序:
invoke({"input":"..."}) → fetch → broadcast → END → 返回含 output 的 state

success = bool(final.get("output")) and bool(final.get("headlines_text"))
record_effect("briefing_sent", 1)

调用链:
cli run "..." → run_agent({"input":...}) → build_graph().invoke() → 打印 final_state["output"]

def test_daily_briefing():
    out = build_graph().invoke({"input": "2026-07-13"})
    assert out.get("output") and out.get("headlines_text")

uv run ai-daily-news run "2026-07-13"
uv run --extra test pytest -v

截图 · 📢 每日播报 · 8 条 RSS · success=True

形态	模板里有没有	谁在用	要不要部署服务
CLI	✅ cli.py 已有	本机 / cron / 脚本	否
Pod	✅ server.py 骨架已有	定时任务 / 其他系统 HTTP 调	是（uvicorn 或 obelisk）
MCP	❌ 需另建 ai-daily-news-mcp	Cursor / Claude Code 里当 tool	否（本机 stdio 进程）

有 cli.py 就能直接执行该文件吗？ 可以但不推荐作为主方式。模板设计是：

• 推荐：uv run ai-daily-news run "..."（走 pyproject.toml 里 [project.scripts] 注册的命令）
• 开发调试：uv run python -m ai_daily_news.cli run "..."
• 可但不常用：uv run python ai_daily_news/cli.py run "..."（文件底部有 if __name__ == "__main__"）
• 发给队友：pipx install ai-daily-news 后全局命令 ai-daily-news run "..."

模板自带入口文件:
ai_daily_news/cli.py      ← Typer CLI · 调 core.run_agent(form="cli")
ai_daily_news/server.py   ← build_router() · Pod 时 HTTP POST
ai_daily_news/core.py     ← 三种形态共用 · 真正跑图的地方

方式 A · CLI（默认 · Agent 创建好即可用）

模板里已有、不用新建的文件：

ai_daily_news/cli.py pyproject.toml → [project.scripts] ai-daily-news = "ai_daily_news.cli:app"

从创建到访问 · 逐步操作：

步	做什么	命令 / 文件
1	Skill 步骤 1–3 起仓、uv sync	模板已带 cli.py
2	步骤 4 改业务图	一般不改 cli.py
3	配 LLM（可选）	.env 里 ANTHROPIC_API_KEY=...
4	本机访问 Agent	uv run ai-daily-news run "2026-07-13"
5	调试不上报 Portal	加 --no-telemetry
6	定时每日播报（可选）	cron: 0 9 * * * cd .../ai-daily-news && uv run ai-daily-news run "$(date +\%F)"
7	发 Nexus 给队友（步骤 9）	pipx install --index-url .../local-pipy/simple/ ai-daily-news

# 本 Demo 访问示例
cd /Users/bitmart/work/codes/tmp/ai-daily-news
uv run ai-daily-news run "2026-07-13"
uv run ai-daily-news run "2026-07-13" --no-telemetry

方式 B · Pod / HTTP（常驻服务 · 需改 2 个文件）

要改的文件：

pyproject.toml ai_daily_news/server.py

从创建到 HTTP 访问 · 逐步操作：

步	做什么	怎么改
1	前提：CLI 已跑通	步骤 3–4 完成
2	加 HTTP 依赖	pyproject.toml dependencies 加 "fastapi>=0.110", "uvicorn>=0.30"
3	启用 app	server.py 底部 app = None → app = _make_app()
4	核对路由（通常已写好）	POST /agents/ai-daily-news/run body {"input":"..."}
5	uv sync 装新依赖	—
6	起服务	uv run uvicorn ai_daily_news.server:app --host 0.0.0.0 --port 8080
7	HTTP 访问 Agent	见下方 curl
8	生产上线（步骤 9）	build 镜像 → obelisk 部署 · 涉权下游 → 安全 7 问

server.py 底部改一行

app = _make_app()   # 原: app = None

uv sync
uv run uvicorn ai_daily_news.server:app --host 127.0.0.1 --port 8080

curl -s -X POST http://127.0.0.1:8080/agents/ai-daily-news/run \
  -H 'Content-Type: application/json' \
  -d '{"input":"2026-07-13"}'

方式 C · MCP（给 Cursor / Claude Code · 需另建包）

和 CLI 的区别：CLI 是终端命令；MCP 是 IDE 通过 stdio 协议调一个常驻小进程，进程内部仍调同一个 core.run_agent。

从创建到 IDE 访问 · 逐步操作：

步	做什么	说明
1	前提：ai-daily-news CLI 已跑通	主包先发布或本机 editable 可 import
2	新建 MCP 包目录	例如 ai-daily-news-mcp/（可与主仓同级或 monorepo 里单独 app）
3	依赖	mcp>=1.0 + 依赖主包 ai-daily-news
4	写 MCP server	照 bmc-agent-mcp/bmc_agent_mcp/server.py：用 FastMCP 暴露 tool，tool 内 from ai_daily_news.core import run_agent
5	注册 scripts	pyproject.toml：ai-daily-news-mcp = "ai_daily_news_mcp.server:main"
6	安装	pipx install ai-daily-news-mcp 或 uv run 开发
7	配 Cursor	设置 → MCP → 添加 stdio server，command 指向 mcp 入口
8	IDE 里访问	对话中让 Agent 调你的 MCP tool（如 run_daily_briefing）

MCP tool 示意（逻辑等价，非完整代码）

# ai_daily_news_mcp/server.py（新包 · 参考 bmc-agent-mcp）
from mcp.server.fastmcp import FastMCP
from ai_daily_news.core import run_agent

mcp = FastMCP("ai-daily-news")

@mcp.tool()
def run_daily_briefing(date: str = "") -> str:
    """生成 AI 资讯每日播报"""
    res = run_agent({"input": date or "today"}, form="mcp")
    return res.final_state.get("output", "")

Cursor MCP 配置示意（~/.cursor/mcp.json 或项目 .cursor/mcp.json）：

{
  "mcpServers": {
    "ai-daily-news": {
      "command": "ai-daily-news-mcp",
      "args": []
    }
  }
}