> ## Content Index > Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt > Use this file to discover other available public pages before exploring further. # 智能体接入现实世界的3种方式 - URL: https://www.hubwiz.com/blog/3-ways-for-agents-to-interact-with-the-real-world/ - Published: 2026-04-23T17:20:45.000Z - Updated: 2026-10-13T16:17:29.000Z - Description: Agent 的能力取决于它能触及的系统。团队通常会选择三种方式将 Agent 连接到外部系统——直接 API 调用、CLI 和 MCP。 - Author: admin - Tags: AGENT, #Import 2026-10-14 14:41 Agent 的能力取决于它能触及的系统。团队通常会选择三种方式将 Agent 连接到外部系统——直接 API 调用、CLI 和 MCP。本文将阐述每种方式的适用场景、为什么生产级 Agent 倾向于选择 MCP，以及构建这些集成的有效模式。 ## 1、将 Agent 连接到外部系统 我们通常看到三种将 Agent 连接到外部系统的路径：直接 API 调用、CLI 和 MCP。每种方式都有其适用场景，取决于你在构建什么。关键区别在于 Agent 和服务之间是否存在一个公共层，以及这个公共层能覆盖多大范围。 ### 1.1 直接 API 调用 Agent 直接调用你的 API——要么在代码执行沙箱中编写发出 HTTP 请求的代码，要么通过通用的函数调用工具。这是大多数团队的起点，对于一个 Agent 与一个服务通信，或者少量不需要跨 Agent 平台复用的集成来说，效果不错。 规模扩大后挑战就来了。Agent 和服务之间没有公共层，每对 Agent-服务组合都会变成一个定制集成，各自处理认证、工具描述和边缘情况——这就是 M×N 集成问题。 ### 1.2 命令行界面（CLI） Agent 在 shell 中运行你的命令行工具。这种方式快速、轻量，且利用了已有的工具生态。它非常适合本地环境和沙箱容器——任何有文件系统和 shell 的地方。这提供了一个公共层，但很薄。 CLI 在触达移动端、Web 端或不暴露容器的云托管平台时会遇到硬性限制，认证由 CLI 自身的机制处理——通常是磁盘上的凭证文件。这种方式最适合本地环境中的快速、宽松集成。 ### 1.3 模型上下文协议（MCP） MCP 将公共层作为协议提供。Agent 连接到一个暴露你系统能力的服务器，认证、发现和丰富的语义都已标准化。一个远程服务器可以触达任何兼容的客户端（Claude、ChatGPT、Cursor、VS Code 等），在任何部署环境中。 它需要稍多的前期投入。回报是集成具有可移植性，并提供了功能丰富的 Agent 集成所需的语义。 ## 2、生产级 Agent 运行在云端 生产级 Agent 越来越多地运行在云端，以便扩展和持续运行。它们需要触达的系统也托管在云端：你的数据所在之处、工作追踪之处以及基础设施运行之处。这些系统通常是远程的，需要认证，而 MCP 正是提供公共层的解决方案。 我们已经从采用趋势中看到了这一点。[MCP SDK](https://modelcontextprotocol.io/docs/sdk?ref=hubwiz.com) 的月下载量最近超过了 3 亿次，从年初的 1 亿次增长而来，企业和主流 Agent 平台的采用率都很高。每天都有数百万人使用 MCP 与 Claude 交互，该协议是我们最近发布的许多功能的基础，包括 [Claude Cowork](https://claude.com/product/cowork?ref=hubwiz.com)、[Claude Managed Agents](https://claude.com/blog/claude-managed-agents?ref=hubwiz.com) 和 [Claude Code 中的 channels](https://code.claude.com/docs/en/channels?ref=hubwiz.com)。 随着 MCP 持续支持生产级 Agent 系统，我们正在分享构建这些集成的最佳模式：从构建高级服务器到上下文高效的客户端，以及技能如何与协议互补。 ## 3、构建高效的 MCP 服务器 我们的[目录](https://claude.ai/directory/connectors?ref=hubwiz.com)中有超过 200 个 MCP 服务器，每天被数百万人使用。通过与在协议上构建的企业和开发者密切合作，我们发现了一些决定 Agent 能否可靠使用服务器的设计模式。 ### 3.1 构建远程服务器以实现最大覆盖 远程服务器是实现分发能力的关键——它是唯一能在 Web、移动和云托管 Agent 上运行的配置，也是每个主流客户端优化消费的目标。构建远程服务器，让 Agent 能在任何运行环境中使用你的系统。 ### 3.2 按意图而非端点组织工具 更少、描述良好的工具始终优于穷举式的 API 镜像。不要将 API 一对一地封装为 MCP 服务器——按意图组织工具，让 Agent 可以通过几次调用完成任务，而不是拼凑多个原语操作。一个 `create_issue_from_thread` 工具胜过 `get_thread` \+ `parse_messages` \+ `create_issue` \+ `link_attachment`。参阅[为 Agent 编写有效的工具](https://www.anthropic.com/engineering/writing-tools-for-agents?ref=hubwiz.com)了解完整模式。 ### 3.3 当操作面很大时，设计代码编排方案 如果你的服务需要数百个不同的操作（如 Cloudflare、AWS 或 Kubernetes），按意图组织的工具集可能无法覆盖。相反，暴露一个接受代码的薄工具层：Agent 编写一个简短的脚本，你的服务器在沙箱中针对 API 运行它，只返回结果。[Cloudflare 的 MCP 服务器](https://github.com/cloudflare/mcp?ref=hubwiz.com)是参考示例——两个工具（search 和 execute）以大约 1K token 覆盖了约 2,500 个端点。 ### 3.4 在有帮助的地方提供丰富的语义 [MCP Apps](https://modelcontextprotocol.io/extensions/apps/overview?ref=hubwiz.com) 是第一个官方协议扩展，允许工具返回交互式界面，如图表、表单或仪表板，全部在聊天界面中内联渲染。提供 MCP Apps 的服务器通常比仅返回文本的服务器有显著更高的采用率和留存率。利用它在关键时刻将你的产品 UI 展示在 Agent 或最终用户面前——该扩展已在 Claude.ai、Claude Cowork 和许多其他主流 AI 工具中得到支持。 [Elicitation](https://modelcontextprotocol.io/specification/2025-11-25/client/elicitation?ref=hubwiz.com) 允许你的服务器在工具调用过程中暂停并向用户请求输入。[表单模式](https://modelcontextprotocol.io/specification/2025-11-25/client/elicitation?ref=hubwiz.com#form-mode-elicitation-requests)发送一个简单的 schema，客户端渲染原生表单——用于请求缺失的参数、确认破坏性操作或消除选项歧义。[URL 模式](https://modelcontextprotocol.io/specification/2025-11-25/client/elicitation?ref=hubwiz.com#url-mode-elicitation-requests)将用户引导到浏览器——用于完成下游 OAuth、收款或收集任何不应经过 MCP 客户端的凭证。两者都让用户保持在流程中，而不是跳转到设置页面。表单模式已被广泛支持；URL 模式在 Claude Code 中得到支持，更多客户端正在开发中。 ### 3.5 依赖标准化认证 标准化认证使 MCP 对云托管 Agent 来说更实用。如果你的服务器需要 OAuth，最新的 [MCP 规范](https://modelcontextprotocol.io/specification/2025-11-25?ref=hubwiz.com)支持 [CIMD](https://modelcontextprotocol.io/specification/2025-11-25/basic/authorization?ref=hubwiz.com#client-id-metadata-documents)（客户端 ID 元数据文档）用于客户端注册——它为用户提供快速的首次认证流程，大大减少意外的重新认证提示。这是我们推荐的认证方法，该功能在 MCP SDK、Claude.ai 和 Claude Code 中得到支持，并正在业界广泛采用。 一旦用户完成授权，下一个问题是云托管 Agent 如何在运行时持有和复用这些令牌。[Claude Managed Agents](https://platform.claude.com/docs/en/managed-agents/overview?ref=hubwiz.com) 中的 [Vaults](https://platform.claude.com/docs/en/managed-agents/vaults?ref=hubwiz.com#mcp-oauth-credential) 解决了这个问题：注册一次用户的 OAuth 令牌，在创建会话时通过 ID 引用 vault，平台会自动将正确的凭证注入每个 MCP 连接并代你刷新——无需构建密钥存储，无需在每次调用时传递令牌。 ## 4、让 MCP 客户端更上下文高效 MCP 标准化了 AI [**客户端**](https://modelcontextprotocol.io/docs/develop/build-client?ref=hubwiz.com#python)连接和使用其所需的工具和数据源（[**服务器**](https://modelcontextprotocol.io/docs/develop/build-server?ref=hubwiz.com)）的方式。服务器安全地暴露一系列能力，而客户端负责编排它们并管理上下文。如果你正在构建 MCP 客户端，可以通过渐进式披露模式使其更加上下文高效。 ### 4.1 使用工具搜索按需加载工具定义 [工具搜索](https://platform.claude.com/docs/en/agents-and-tools/tool-use/tool-search-tool?ref=hubwiz.com)延迟将所有工具加载到上下文中，而不是预先加载。这允许 Agent 在运行时搜索目录，在需要时拉取相关工具。在我们的[测试](https://www.anthropic.com/engineering/advanced-tool-use?ref=hubwiz.com)中，工具搜索通常可以减少 85% 以上的工具定义 token，同时保持较高的选择准确率。 ![](https://www.hubwiz.com/blog/content/images/2026/04/context-usage.png) 通过工具搜索减少上下文使用 ### 4.2 使用编程式工具调用在代码中处理工具结果 [编程式工具调用](https://www.anthropic.com/engineering/code-execution-with-mcp?ref=hubwiz.com)在代码执行沙箱中处理工具结果，而不是将原始结果返回给模型。这允许 Agent 在代码中跨调用进行循环、过滤和聚合，只有最终输出进入上下文。在我们的测试中，这在复杂的多步骤工作流上减少了约 [37%](https://platform.claude.com/docs/en/agents-and-tools/tool-use/programmatic-tool-calling?ref=hubwiz.com) 的 token 使用量。 这些模式可以自然地跨多个服务器组合：更精简的上下文、更少的往返、更快的响应。参阅[**高级工具使用**](https://www.anthropic.com/engineering/advanced-tool-use?ref=hubwiz.com)了解完整分解。 ## 5、将 MCP 服务器与技能配对 [技能和 MCP 是互补的](https://claude.com/blog/skills-explained?ref=hubwiz.com)。MCP 让 Agent 可以访问外部系统的工具和数据，而技能教会 Agent *如何*使用这些工具来完成实际工作的过程性知识。最强大的 Agent 同时使用两者，技能使 MCP 服务器能够扩展到更多连接。有两种通用的组合模式： ### 5.1 将技能和 MCP 服务器打包为插件 Claude 的[插件](https://code.claude.com/docs/en/plugins-reference?ref=hubwiz.com#plugin-components-reference)是一个有用的抽象，允许开发者将技能、MCP 服务器、钩子、LSP 服务器和专门的子 Agent 打包为一种易于消费的分发方式。使用这种方法是以最小摩擦统一多个上下文提供者的最佳方式。 将 MCP 服务器与技能结合使用，让 Claude 可以更像一个领域专家。通过 MCP 获取工具，并通过技能赋予 Claude 端到端编排工作流的能力。以我们 Cowork 的[数据插件](https://claude.ai/directory/plugins/data%40knowledge-work-plugins?ref=hubwiz.com)为例，它包含 10 个技能和 8 个 MCP 服务器，覆盖 Snowflake、Databricks、BigQuery、Hex 等应用。 ![](https://www.hubwiz.com/blog/content/images/2026/04/6945b3dfa8f134d0104e4e23_How-20Skills-20and-20MCP-20work-20together-20--20v3B-402x-20-2-.png) 将技能与 MCP 结合使用 ### 5.2 从 MCP 服务器分发技能 越来越多的提供商会与其 MCP 服务器一起发布技能，这样 Agent 既能获得原始能力，又能获得使用它们的最佳实践指南。[Canva](https://claude.com/connectors/atlassian?ref=hubwiz.com)、[Notion](https://claude.com/connectors/notion?ref=hubwiz.com)、[Sentry](https://claude.com/connectors/sentry?ref=hubwiz.com) 等都在 Claude 中这样做，在我们的 [Web 目录](https://claude.com/connectors?ref=hubwiz.com)中将技能列在连接器旁边。 为了使这种配对在每个客户端都可移植，MCP 社区正在积极开发一个[扩展](https://github.com/modelcontextprotocol/experimental-ext-skills?ref=hubwiz.com)，用于直接从服务器交付技能。这样客户端会自动继承相关的专业知识，并与所依赖的 API 一起版本化。我们预计随着该扩展的稳定，这种模式将得到广泛采用。 ## 6、复合层 我们开头提到了连接 Agent 到外部系统的三种路径。在实践中，成熟的集成会同时提供这三种方式：API 作为基础、CLI 用于本地优先环境、MCP 用于基于云的 Agent。 随着生产级 Agent 迁移到云端，MCP 成为关键层，而且是具有复合效应的那一层。今天，一个远程服务器可以触达任何兼容客户端，覆盖任何部署环境，认证、交互性和丰富语义都由协议处理。随着更多客户端采用该规范、更多扩展落地，同一个服务器无需你发布任何新东西就能变得更强。 在构建集成时，如果你的目标是让云端的 Agent 触达你的系统，就构建一个 MCP 服务器，并用上述模式把它做到极致。每一个基于 MCP 构建的集成都在增强生态系统：更少的边缘情况需要独自解决，更少的定制集成需要维护。 --- 原文链接: [Building agents that reach production systems with MCP](https://claude.com/blog/building-agents-that-reach-production-systems-with-mcp?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处 > **这是「Agent / MCP」专题的一部分。**完整地图见：[Agent / MCP / 自动化完全指南](https://www.hubwiz.com/blog/agent-stack/)