智能体接入现实世界的3种方式

AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | PLC在线仿真器 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

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 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、Claude Managed Agents 和 Claude Code 中的 channels。

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 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 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 规范支持 CIMD（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 中的 Vaults 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 客户端连接和使用其所需的工具和数据源（服务器）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。

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% 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。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。

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、Notion、Sentry 等都在 Claude 中这样做，在我们的 Web 目录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，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

汇智网翻译整理，转载请标明出处