Anthropic Agent Skills：把专业流程封装为按需加载的能力包

适合处理长文档与结构化写作的 AI 助手，可用于阅读材料梳理、量规起草、综合比较和分步骤反馈。

用于 PDF 文本提取、拆分合并、OCR 检查和阅读前整理的文档处理 Skill。

在课堂使用前，从语言、事实、文化表述、难度、版权和任务可行性检查 AI 生成教学材料的方法。

MCP 是连接 AI 应用与外部数据、工具和工作流的开放标准，区分客户端、服务器及可暴露的工具、资源和提示。它适合借鉴为本站的“能力连接层”：资源条目不仅指向网页，还可说明如何以只读、最小权限和人工审批方式接入教学或科研工作流。

Pydantic AI 是面向 Python 的模型无关代理框架，突出类型安全、依赖注入、结构化输出、工具、MCP、人工审批、耐久执行、观测和 evals。它适合作为“先定义可验证数据契约，再让模型生成”的实现案例。

该 Python SDK 在 Responses API 之上提供代理循环、工具、代理交接、护栏、会话、MCP、追踪和人工介入。它的借鉴重点不是让代理自由替代教师，而是把不同专业检查拆成明确角色，并让高风险工具调用暂停等待人工批准。