Agent 与 MCP —— AI 从"回答问题"到"替你干活"

来源：Agent 思想 2023 年由 AutoGPT 引爆（当时太不可靠，凉了一阵），2024–2025 模型变强 + 工具标准化（MCP）后才真正实用；MCP 由 Anthropic 于 2024 年 11 月发布
一句话：Agent = 给模型一个目标，它自己规划步骤、调用工具、查看结果、循环直到干完；MCP 则是让"工具"能被所有 AI 共用的统一接口标准。

1. Agent：给模型加一个"循环"

前面几篇的积木：LLM 会思考（第 1 篇）、上下文承载记忆（第 2 篇）、Function Calling 能点菜（第 3 篇）、RAG 能查资料（第 4 篇）。Agent 就是把这些全拼起来，再加一个循环：

目标："给我的博客加一个 AI 摘要功能"
   ↓
┌─→ 思考：下一步该干什么（ReAct：Reason + Act）
│     ↓
│   行动：读代码 / 写文件 / 跑命令 / 查资料（Function Calling）
│     ↓
│   观察：结果对不对？报错了？
│     ↓
└── 不对就换个方法再来，直到完成

和 Function Calling 的本质区别：

历史小插曲：2023 年 AutoGPT 火了一周就凉——模型太弱，循环跑几步就跑偏。2024 年后模型推理能力质变，加上 Claude Code、Cursor 这类编程智能体验证了价值，Agent 才从概念变成生产力。

2. MCP：给工具世界定一个 USB-C

MCP 出现之前的尴尬：

M 个 AI 应用 × N 个工具 = M×N 份适配代码
Cursor 要接 GitHub、Notion 要接 GitHub、某 Agent 也要接 GitHub……
每个工具 × 每个应用，各自写一遍，累死。

MCP（Model Context Protocol，模型上下文协议）定了一个开放标准：

工具方：把功能包成一个 MCP Server（发布一次）
AI 方：只要支持 MCP 协议（如 Claude、Cursor、各类 Agent 客户端）
      → 自动发现并调用所有 MCP Server 上的工具
M×N 问题 → M + N 问题

类比：Function Calling 是"这家餐厅的菜单"，MCP 是"全城统一的外卖平台协议"——餐厅上架一次，所有 App 都能点到。

MCP Server 能提供三类东西：工具（可执行的动作，如查数据库）、资源（可读取的内容，如文件）、提示模板。

3. 怎么用：今天就体验

① 用现成的 MCP 生态：在支持 MCP 的客户端（Cursor、Claude Desktop 等）里配置一个 MCP Server，比如文件系统、GitHub、数据库，配置就是一段 JSON：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "D:/我的文档"]
    }
  }
}

保存后 AI 就能直接读你指定目录里的文件——不用写一行调用代码。

② 感受真 Agent：在 Cursor / Claude Code 里说：

把项目里所有中文注释翻译成英文，改完跑一遍构建，报错就修

它会：扫描文件 → 逐个修改 → 运行构建 → 读报错 → 修复 → 再构建 → 汇报。你只管提需求和验收。

4. 全系列概念总对账

下一篇（系列完结）：把这些全部接到你自己的系统上——博客怎么加 AI 摘要、AI 问答，Key 放哪、钱怎么算、怎么不花钱。