> ## 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. # MCP、AI代理和API - URL: https://www.hubwiz.com/blog/mcp-ai-agents-and-api/ - Published: 2025-04-18T02:47:32.000Z - Updated: 2025-04-18T02:47:37.000Z - Description: 有人在AI巨轮的外围暗示，AI代理的兴起，特别是模型上下文协议（MCP）的出现，标志着API时代的终结。 - Author: admin - Tags: APPLICATION, MCP, #Import 2026-10-14 14:41 有人在AI巨轮的外围暗示，AI代理的兴起，特别是模型上下文协议（MCP）的出现，标志着API时代的终结。但事实恰恰相反——AI代理和MCP服务将增加对API的需求，并推动对良好建模和良好治理的API的需求。 **注意：** *本文中的观察总结主要来源于“有趣参考”部分的内容。* ## 1、AI代理需要实时访问API 为了让AI代理能够实时与业务流程和数据交互，并快速访问大量业务数据，它们需要访问低延迟的API。 目前，大多数业务系统会向其组织内的应用程序暴露API，然而这些API通常文档不全且建模不佳，导致API难以理解、响应缓慢且不易组合。企业API必须进化，否则将被绕过——这对所有利益相关者都是不利的。 另一方面，结合了良好建模和可组合API的AI代理可以简化集成、优化工作流和响应时间，并为读取模型和复合API的形状提供快速反馈循环。API允许代理利用API管理平台提供的额外安全层、治理、文档和可观测性，这在评估和控制AI驱动系统的影响力和成本时将变得至关重要。 ## 2、模型上下文协议（MCP） 模型上下文协议（MCP）是一种新兴的标准协议，旨在连接AI系统与外部系统和数据源。MCP允许AI代理以标准化的方式共享通用工具并与其交互，而不管底层框架/接口是什么——例如文件系统、数据库或API等。 为了使API对LLMs或代理来说易于理解，可能需要为每个消费代理为每个所需的API编写一个包装器。这增加了每个新模型或代理的复杂性和开发开销。或者我们可以以一种方式包装API，使其能够与任何LLM/代理互操作。这就是MCP的方法。 当API通过MCP服务器公开时，消费者（可以是代理或人类提示）可以直接用自然语言提问。MCP服务器本质上是一个自然语言适配器，减少了消费侧的摩擦，促进了AI融合解决方案的快速实验、推广和演变，这反过来又推动了生产侧的API使用。 ## 3、Arazzo和MCP/代理API消费 创建不仅易于开发者消费，而且易于代理和MCP服务器消费的文档将变得至关重要。行业内有些人提出，通过改进的API文档，丰富领域和工作流语义，适当配备的代理和/或MCP服务器将能够自动发现并连接到它们需要完成用户请求的API。 [**Arazzo规范**](https://confluence.intranet.db.com/display/DBAPIT/OAI+Arazzo+Specification?ref=hubwiz.com) 是开放API计划（OpenAPI Initiative）中的一个开放规范，并与OpenAPI协同工作，提供确定性的API工作流层，使MCP和代理API发现成为可能，并提高消费效率。Arazzo确保MCP和代理可以以结构化、可靠的方式与API交互——这一概念由术语“代理体验”（AX）捕捉。它允许API提供商交付可被各种代理或MCP技术栈访问和互操作的工作流。提供商可以在多个API操作中定义面向用例的消费语义，涵盖单一OpenAPI文档或多份独立的OpenAPI文档。 此外，Arazzo的可扩展性允许包含基于使用量或SLA的元数据，这些元数据可以在API网关上执行并在可观测性层进行治理，以确保可预测的规模、成本管理和对MCP/代理使用API的审计，随着组织寻求了解新的AI融合工作流的总拥有成本（TCO），这一点将变得越来越重要。 ## 4、企业API：影响和副作用 ### API调用数量增加 通常，用户的单个操作对应于一个API调用。相比之下，AI代理在单个用户请求的基础上没有调用次数限制。代理将继续迭代，根据需要进行任意多次调用，直到满足用户请求。 ### 超低延迟API 首次令牌时间（TTFT）是一个性能指标，衡量LLM在接受用户查询后开始生成输出的速度。它包括网络和API延迟等多个因素。TTFT占总延迟的很大一部分，影响应用的响应速度。低TTFT对于实时交互至关重要，低延迟、可组合的API将是降低TTFT的关键因素。 ### 更严格的API数据模型治理 需要加强对暴露给MCP服务和代理的数据模型的治理，包括数据分类、语义域、谱系、限制和最小化。在某些情况下，可能需要特定用例的读取模型。在设计阶段应考虑如可组合性等AI友好的模型质量。受治理的[API设计实践](http://127.0.0.1:8000/api-center/api-design-practice-7fce69e6336c?ref=hubwiz.com)将允许及时参与并获得企业利益相关者的监督。 ### 精细的访问范围 认证模式将发生变化。代理和MCP可能在用户离线时工作，代表用户请求访问API的代理/MCP数量将动态扩展和增长。无约束的冒名顶替或授权API级别的委托会带来过度的安全风险——代理/MCP可能仅被授予临时的、精细的任务特定访问权限。预计IDP将积极约束[OAuth令牌受众和范围](http://127.0.0.1:8000/api-center/protecting-resource-apis-with-api-scopes-4f0e819763d7?ref=hubwiz.com)，并严格强制执行受众和范围声明（按OAuth 2.1）。OAuth规范本身可能会演进以应对代理的委托和离线授权带来的挑战。 ### 高质量、高度确定性的API文档 经过良好治理的高质量API文档——可能是针对AI用例“认证”的文档——将加速集成。AI就绪的OpenAPI文档将在标准元数据中捕获语义域和数据分类，并在操作级别定义特定用例的API访问范围。Arazzo将作为一种表达API工作流和依赖关系的方式，用于AI工具的发现和消费，从而获得吸引力。 --- 原文链接：[MCP, AI Agents and APIs](https://medium.com/api-center/mcp-ai-agents-and-apis-7d4b3052084a?ref=hubwiz.com) 汇智网翻译整理，转载请标明出处