我们如何用 Quire MCP 和 Claude Managed Agents 构建每周更新日志智能体

最后更新：2026 年 5 月 25 日

TL;DR：我们用一个 Claude Managed Agent 取代了周一的复盘会议，它通过 Quire MCP 读取我们的 Dev_Changelog Quire 项目，把最近七天完成的工作按 tag 分组，并以一份新的 Quire 文档形式写出一份面向客户可读的每周简报。在 Haiku 4.5 上的运行时间不到 30 秒。最不显眼但最关键的胜利是激进的工具过滤，它把每次运行的输入 token 从约 82,000 降到了约 12,000，让任务在不升级 API 的前提下仍然能保持在 Tier 1 限速以内。

周一早上 9 点 04 分。团队频道里有人问：「嘿，能不能快速回顾一下上周发布了哪些东西？」三个人打开自己的标签页，翻滚动看板，努力回忆四十个已关闭的任务里哪几个其实是有意义的，二十分钟后回来时只带着两条要点和一个无奈的耸肩。原本应该十分钟的复盘会拖成了四十分钟。到周二，所有人已经不记得里面讲了什么。

我们把这个循环替换掉了。我们基于 Quire MCP 和 Claude Managed Agents 搭了一个智能体，它每周一早上读取我们的 Dev_Changelog 项目，找出过去七天内所有已完成的内容，按团队分组，把开发的内部简写翻译成客户读得懂的话，再把整份简报写进一份全新的 Quire 文档里。总运行时间：不到三十秒。持续维护成本：零。

这篇文章是完整的构建过程，包括途中坏掉的三件事和我们是怎么修的。如果你曾经想要一个能对你的项目数据真正执行工作而不是只会聊天的 AI 智能体，这就是一份可以直接照着做的方案。

这个智能体究竟产出什么？

每周一太平洋时间上午 9 点，一个 Claude 会话会被唤醒，查询 Quire，并在我们的 Dev_Changelog 项目中创建一份新文档，标题为 Weekly Brief: May 15 to May 21, 2026。文档包含五个部分，顺序如下：

• Highlights：列出用户影响最大的前三项
• Features Shipped：每个新能力都被翻译成对用户的好处
• Bugs Fixed：描述用户在修复前的体验
• Design Updates：聚焦在视觉上发生了哪些变化
• Social and Marketing：当任务描述里有互动数据时，把这些数字也包括进来

空白章节会静默跳过。底部有一行条目数量的小结。整篇大约 400 字，读起来像一份内部摘要，而不是一份营销更新日志，因为系统提示词要求的就是这个效果。

看看真实示例：智能体从已过滤的 Dev_Changelog 源项目中读取数据，而 Weekly Brief: May 15 to May 21, 2026 就是它实际产出的那份文档。

团队在站会上花两分钟就读完了。没人需要写。也没人需要记着去写。

Quire MCP 和 Claude Managed Agents 各自带来了什么？

Quire MCP 是一个托管在 https://mcp.quire.app/mcp 的 Model Context Protocol 服务器。它把 Quire 的 API 暴露为一组标准化工具，任何兼容 MCP 的客户端都可以调用。一共大约九十五个工具，覆盖从 search_tasks 到 create_document 再到 bulk_create_tasks 的方方面面。智能体根本不需要了解 Quire 的 REST API 长什么样，它只看到一份工具目录，然后调用自己需要的那些。

Claude Managed Agents 是 Anthropic 提供的、用于运行自主智能体的托管运行时。你定义一个智能体（模型 + 系统提示词 + 工具配置）、一个环境（带网络策略的沙箱容器），再创建实际执行工作的会话。Anthropic 负责沙箱、凭据代理、执行循环和审计日志，这些代码你都不用自己写。

这两者的组合之所以重要，是因为单看任何一边都只是管道。没有智能体的 Quire MCP 只是一份没人调用的工具目录；没有领域 MCP 的 Claude Managed Agents 则是一个无事可做的沙箱。把它们接在一起，你就拥有了一个能对真实生产数据执行真实操作的智能体，并且认证和沙箱机制都已内建好。

没在用 Claude Managed Agents？Quire MCP 也兼容开源的 MCP 客户端 Open Claw。一样的工具目录，一样的 OAuth 流程，一样可以在上面搭建工作流。选适合你技术栈的那个运行时就好。

为什么这件事重要：大多数项目管理工具目前还没提供公开的 MCP 服务器。Asana、Monday 和 ClickUp 都暴露了 REST API，但没有 MCP，所以你得自己封装并处理认证。Notion 有 MCP，但它的工具面是围绕文档和页面构建的，而不是项目自动化真正需要的任务和子任务结构。Quire MCP 是围绕智能体实际操作的工作单元（task、subtask、status、tag、sublist）来设计的，这也是为什么这次搭建只用了一个下午，而不是一个季度。

一步步搭起来

整个搭建大约花了一个小时，其中大部分时间都在跟一个配置坑作斗争，等下我会讲到。下面是实际的步骤。

1. 智能体定义

智能体就是一份 YAML 文件。系统提示词是最重要的部分，因为正是它把一个通用的 Claude 会话变成了一个更新日志撰写者：

name: Dev Changelog Writer
model:
  id: claude-haiku-4-5
  speed: standard
system: |-
  You are the weekly changelog writer for the Quire project
  "Dev_Changelog" (https://quire.io/w/Dev_Changelog).
  When invoked:
  1. Use the Quire MCP to search Dev_Changelog for tasks where status
     is completed and the `toggled` timestamp falls within the last 7
     days. Pull name, description, priority, tags, and subtasks.
  2. Group results by tag: feature, bugfix, design, social. Within
     each group, sort by priority (urgent, high, medium, low).
  3. Translate each task from internal dev shorthand into plain
     language a customer would understand. Features: lead with the
     user-facing benefit. Bugfixes: lead with what the user was
     experiencing. Design: describe what visibly changed. Social:
     include engagement numbers if mentioned.
  4. Create a new document in Dev_Changelog using `create_document`.
     Title: "Weekly Brief: [start date] to [end date]". Sections:
     Highlights, Features Shipped, Bugs Fixed, Design Updates,
     Social and Marketing, plus a footer with item counts.
  5. If zero completed tasks are found, do not create a document.
mcp_servers:
  - name: quire
    type: url
    url: https://mcp.quire.app/mcp

我们选 Haiku 4.5 是因为这项工作并不烧推理。智能体只做分组、筛选和排版，Haiku 完全能胜任，每 token 成本大约只有 Sonnet 的十分之一，限速额度也明显更高。对于无人值守的每周任务，这种限速余量比那点边际推理能力增益重要得多。

2. 工具过滤，这才是真正省钱的地方

默认情况下，当你给智能体接上 Quire MCP 服务器时，每一次模型调用都会把全部九十五个工具定义加载进上下文。那是相当多的 token，而当你的智能体只需要读取任务、创建文档时，里面大多数都是浪费。

要狠狠地过滤：

tools:
  - mcp_server_name: quire
    type: mcp_toolset
    default_config:
      enabled: false
      permission_policy:
        type: always_allow
    configs:
      - name: search_tasks
        enabled: true
      - name: create_document
        enabled: true
      - name: list_tags
        enabled: true
      - name: resolve_quire_url
        enabled: true

default_config.enabled: false 的含义是「默认什么都不开」，而 configs 块则显式启用智能体真正会用到的四个工具。仅这一处改动，就把我们每次运行的输入 token 数从约 82,000 降到了 12,000 以下，让我们稳稳地落在 Tier 1 限速之内。（更多内容看下面的踩坑实录。）

这里还有一个安全上的好处。在只启用 search_tasks、create_document、list_tags 和 resolve_quire_url 的情况下，智能体在字面意义上无法删除、归档或修改任何已有数据，哪怕 prompt injection 试图让它这么做也办不到。Quire 的 bulk_delete_tasks 工具不在它的工具集里，所以模型根本调不到。

3. 环境

Managed Agents 把每个会话都跑在一个 gVisor 沙箱里，网络策略由你控制。默认是「Limited」，没有任何外部网络访问权限，这会让你的智能体连不上 Quire MCP。最干净的修法是最小权限：类型保持为 Limited，但显式放行你需要的那一个主机名。

在 Claude 控制台中：Manage Environments → 你的环境 → Networking → 启用 Allow MCP server network access → 把 mcp.quire.app 加入到 Allowed hosts。把 package manager network access 保留为关闭状态，因为这个智能体不会安装任何东西。

4. 凭据保险库

Quire 通过 OAuth 进行认证。在 Managed Agents 中，OAuth token 存放在一个位于沙箱之外的凭据保险库里。当智能体调用 Quire MCP 时，凭据代理会在服务端注入 token。模型本身永远看不到 token，这意味着 prompt injection 即便成功也无法把它泄露出去。

创建一个保险库，点击 Add credential，把它指向 https://mcp.quire.app/mcp，类型选 OAuth，并完成授权流程。一旦凭据状态显示为 Active，保险库就准备好了。

5. 定时调度

Managed Agents 的会话是一次性的。它们不会自动重复。要让智能体每周一运行，把任何调度器对接到 sessions.create 这个 API 端点，使用 cron 表达式 0 9 * * 1。我们用的是一个简单的 Cloudflare Workers Cron Trigger，每周调用一次 Anthropic API，但 GitHub Actions 的定时任务也同样好用，任何云函数平台也都行。

哪里出过问题，我们是怎么发现的？

在通往一次干净的每周运行的路上，有三件事跑偏过。这些值得一一点名，因为如果你也搭类似的东西，至少会踩到其中一个。

MCP URL 写错了。Quire 的产品域名是 quire.io，但 MCP 服务器在 quire.app 上。我们把所有地方（智能体、环境允许主机、凭据保险库）都指向了 mcp.quire.io/mcp，结果先是收到一个让人摸不着头脑的 OAuth 错误，等绕过那个之后，又拿到了一个上游返回的 HTTP 502。修复方法很无聊但值得强调一下：所有指向 MCP 的引用都必须用 mcp.quire.app，而不是 quire.io。三处里只要有一处主机写错，运行就会失败。

智能体工具集臃肿。Anthropic 默认的 agent_toolset_20260401 会把所有通用工具（bash、文件操作、web 搜索、代码执行）都装进上下文。我们的智能体一个也用不上。在 Quire MCP 服务器之外仍然启用默认工具集，会把每次模型调用的输入 token 数推过 80,000，我们瞬间撞上了 Tier 1 限速。把默认工具集关掉、再过滤 Quire 的工具（如上所示）后，token 数降到了大约 12,000。教训是：智能体上下文中的每一个工具都是税，哪怕智能体从不调用它。

限速恐慌。在我们搞清楚臃肿问题之前，第一反应是「得升级 API 等级」。等级升级是要花钱的。真正的问题是智能体加载了 70,000 个永远用不上的工具定义 token。在认定自己需要更大的限额之前，先看看你的上下文窗口里到底装了什么。

Quire MCP 除了每周更新日志，还能解锁什么？

每周更新日志是一个有用的入门智能体，但它主要还是概念验证。这种模式（一个 Managed Agent + Quire MCP + 一个定时触发器）可以扩展到很多场景。

我们正在试做的几个：

• 一份每日 sprint 启动简报：读取昨晚被移到「进行中」的任务，把摘要发到 Slack。
• 一个事故复盘草拟器：盯住某个 Quire 项目中已完成的 incident 任务，从子任务里抽出时间线、贡献因素和后续行动，组装成一份复盘草稿。
• 一份客户状态摘要：每周五下午为每个客户项目运行一次，用适合直接转发给客户的语言总结一周的交付物。

形式每次都一样。一个定时触发器、一个聚焦的智能体、一小组 Quire MCP 工具、一份文档或一条消息作为输出。沉重的部分（沙箱、凭据、智能体循环）都在 Managed Agents 里。领域部分（要查询哪些 Quire 数据、用它做什么）都在系统提示词里。

什么时候这不是合适的方案？

对一次性的问题来说，Managed Agent 就是杀鸡用牛刀。如果你想要一次性地总结「本季度发布了什么」，直接在聊天窗口里问 Claude 并把 Quire 数据贴进去，比部署一个智能体要快。智能体这种形态只在同一项任务无人监督地反复运行时才划算。

当工作本身就是推理密集型时（比如基于同样的数据写一份深思熟虑的产品战略），它也是错误的形态。Haiku 适合「总结和排版」。要做「我们应该针对这件事做什么决定」，你需要 Sonnet 或 Opus，而且到那一步你大概率还想要一个人在回路里。

还有，如果你的项目数据本身就稀疏（比如每周只有寥寥几个已完成任务、且都没有描述），那智能体也就没什么可总结的。输出的质量只能和你团队认真撰写真正任务描述的纪律一样好。我们早期的一次测试运行就吃过这个亏：它产出了一份在技术上完全正确但完全没什么信息量的简报，因为有一半的任务名就只是工单 ID。

关键要点

这个每周更新日志智能体范围很小、回报很大，因为它在没有任何人需要记着去做的前提下，剔除掉了一项反复出现的税（周一的复盘会）。让它跑起来的是几个具体选择：用 Haiku 4.5 换取成本和限速余量、用激进的工具过滤把上下文窗口收紧、用最小权限的环境策略只放行通往 mcp.quire.app 的流量、用凭据保险库让智能体永远碰不到真正的 OAuth token。

更普遍的一课是：Quire MCP 加上 Claude Managed Agents，可以让你在不搭建任何基础设施的情况下，把一个自主智能体快速放到自己的项目数据面前。难做的部分（沙箱、认证、调度、审计日志）都已经被解决了。你要带来的是提示词、工具选择，以及把项目数据写到一开始就值得被总结的那份纪律。

常见问题

什么是 Quire MCP？

Quire MCP 是一个 Model Context Protocol 服务器，让 AI 智能体可以通过标准化的工具接口从你的 Quire 工作区读取数据并写入数据。它部署在 https://mcp.quire.app/mcp，对外暴露约九十五个工具，覆盖搜索、任务和文档创建、批量操作等场景。任何兼容 MCP 的客户端（Claude、Cursor、基于 Anthropic SDK 自建的智能体）都可以连接到它。

什么是 Claude Managed Agents？

Claude Managed Agents 是 Anthropic 提供的托管运行时，用于在云端运行长期自主的智能体。你定义一个智能体（模型、系统提示词、工具）、一个环境（带网络策略的沙箱容器），并创建会话来执行工作。Anthropic 负责沙箱隔离、凭据代理和执行循环，这样你就不必自己搭建这套基础设施。

为什么这类自动化要选 Haiku 4.5 而不是 Sonnet 或 Opus？

把结构化的任务数据汇总成一份文档不是一项推理密集型工作，它的本质是分组、筛选和排版。Haiku 4.5 完全能胜任这种质量要求，每 token 成本大约只有 Sonnet 的十分之一，并且在每一个 API 等级上的限速额度都明显更高。对于一个无人值守的每周任务来说，成本和限速余量比那点边际的推理能力增益更重要。

智能体生成一份每周简报需要多长时间？

对于一个时间窗内大约有二十个已完成任务的项目，整个端到端运行不到三十秒。这包括在 Quire 中搜索、处理结果、撰写文档正文，以及把文档回写到项目中。其中大部分时间花在模型调用上，而不是工具往返。

智能体能否编辑或删除我项目中已有的任务？

只有当你显式授予这些工具权限时才可以。Quire MCP 服务器对外暴露大约九十五个工具，但 Claude Managed Agents 允许你针对每个智能体只启用其中的一个子集。在更新日志这个用例中，我们只启用了四个只读和创建类工具，所以即便有人试图通过 prompt injection 让它修改或删除已有数据，智能体也做不到。

如果智能体运行的那一周没有任务被完成，会发生什么？

智能体的提示词中包含了一个兜底指令：如果搜索返回零条已完成任务，就不要创建文档，而是只记录一行日志，说明这周是空的。这可以避免在团队那一周没有发布任何东西时，仍然产出一份空白或具有误导性的每周简报。

要使用 Quire MCP，是否必须订阅 Quire 的付费计划？

Quire MCP 适用于任何带有 API 访问权限的计划。可以在 quire.io/pricing 查看当前的 API 配额。对于一个每周运行一次、每次只发起少量工具调用的智能体而言，免费版或入门版的限制通常就够用了。

我可以用同一个智能体对接多个 Quire 项目吗？

可以。最干净的模式是按工作流定义一个智能体，按项目创建一个会话。项目 URL 就成了在创建会话时传入的参数。如果你想要一份覆盖多个项目的每周简报，可以重构提示词，让它依次查询每个项目，再把结果合并到一份文档中。

准备好基于 Quire MCP 构建自己的智能体了吗？

到 quire.io/signup 开启 30 天免费试用，并查阅 Quire 开发者文档 浏览完整的 MCP 工具目录。无需信用卡，全功能开放。