1. 从家政机器人到AI架构:理解Agent核心三要素
乌萨奇的故事生动展示了现代AI系统面临的三大核心挑战。作为一名长期从事AI架构设计的工程师,我发现很多刚入行的开发者经常混淆MCP、Agent Skills和Function Call这三个概念。让我们用专业视角重新解析这个家政机器人的例子。
1.1 物理连接层:MCP的标准化价值
MCP(Model Context Protocol)本质上是一种通信协议规范。就像不同国家的电源插座标准不同(中国用GB2099,美国用NEMA5-15),AI系统接入外部服务也需要统一的"插头标准"。
在实际开发中,我们遇到过这样的典型问题:
- 为ChatGPT开发Notion插件需要一套OAuth流程
- 同样的功能在Claude上又要重新实现一遍SSE长连接
- 本地文件访问在Cursor里用虚拟文件系统,在其它IDE又变成REST API
MCP通过定义统一的资源描述格式解决了这个问题。其技术实现包含三个关键组件:
- 资源发现机制:通过
.mcp.yml文件声明服务能力
yaml复制# 典型MCP服务描述文件
name: github-service
protocol: http/sse
resources:
- type: repository
operations: [read, search]
- type: issue
operations: [create, update]
- 鉴权流程标准化:支持OAuth2.0、API Key等多种方式
- 数据交换格式:统一使用JSON Schema定义输入输出
提示:MCP最新v1.2版本已支持gRPC流式传输,这对实时日志监控等场景至关重要
1.2 能力封装层:Agent Skills的模块化设计
Agent Skills让我想起早期开发电商推荐系统时,我们把"用户画像分析"、"商品匹配"、"排序策略"等能力封装成独立模块。现代AI Skills的设计理念如出一辙。
一个优秀的Skill应该具备以下特征:
- 自包含性:所有依赖明确声明
- 可组合性:能与其他Skill协同工作
- 上下文感知:根据运行环境调整行为
以代码审
