- 综合排序
- 最热优先
- 最新优先
浅谈AI工作流 VS AI Agent VS MCP
MCP（模型上下文协议） 使代理变得强大的秘密武器。 •不是面向用户的工具 — 这是为开发者准备的。 •MCP 安全地将AI代理与以下工具连接：•Notion•Slack•日历•Perplexity•可以将它看作是一个带有记忆和权限的API翻译器。 没有MCP，你的代理可以思考，但无法行动。 结尾 像一些智能体平台像扣子空间和百炼中做的那样，可以将工作流发布成mcp，然后添加到任务中由AI 大模型决定什么时候该调用哪一个mcp来提供支持，有点类似于套娃，可以催生出无限多种可能。 AI工作流适合那些重复性的任务，AI代理则能够在复杂环境中做出自主决策，而MCP则为AI代理提供了强大的基础设施支持。 声明：本文部分内容由山行AI翻译整理自：https://medium.com/@genai.works/cheat-sheet-ai-workflow-vs-ai-agent-vs-mcp-0459dcdcbf83
17810编辑于 2026-03-13- 来自专栏Apache SeaTunnel
AI Agent 两大 “神辅助” 对决：MCP vs Skills 谁更能打？
MCP与Skills正是在这一背景下逐渐形成的两种主流方案。 MCP：AI与系统之间的统一协议MCP（ModelContextProtocol）是一种用于连接AI模型与外部系统的标准化协议，其目标是为AI提供一种统一的工具访问方式。 在MCP架构中，AIAgent通常作为客户端，通过MCP协议向MCPServer发送请求。 它们通常由Agent平台内部管理，并以插件形式持续扩展。这种模式非常适合封装复杂任务，使AI能够提供更高层次的智能服务。 MCP与Skills的协同模式在实际应用中，MCP与Skills并不是互相替代的关系，而是可以形成一种互补的架构。一个典型的AI数据工程系统往往会同时使用两种模式。
27510编辑于 2026-03-12 - 来自专栏AI SPPECH
MCP 与多 Agent 协作系统
通过真实代码示例和 Mermaid 图表，详细讲解了 MCP Agent 协作总线、分布式 Agent 系统设计框架和 MCP Agent 团队协作协议的实现原理和最佳实践。 1.4 本文的核心价值 本文将深入探讨 MCP v2.0 在多 Agent 协作系统中的实践应用，重点分析 MCP Agent 协作总线、分布式 Agent 系统设计框架和 MCP Agent 团队协作协议的实现原理和最佳实践 本文旨在帮助开发者： 理解 MCP 在多 Agent 协作系统中的应用场景和优势 掌握 MCP Agent 协作总线的实现原理和最佳实践 学会设计分布式 Agent 系统 了解 MCP Agent 团队协作协议 本文深入探讨了 MCP v2.0 在多 Agent 协作系统中的实践应用，重点分析了 MCP Agent 协作总线、分布式 Agent 系统设计框架和 MCP Agent 团队协作协议的实现原理和最佳实践 参考链接： MCP v2.0 官方文档 多 Agent 系统研究综述 MCP Agent 协作总线 GitHub 仓库 附录（Appendix）： 附录 A：MCP 在多 Agent 协作系统中的应用场景
30710编辑于 2026-01-10 - 来自专栏猫头虎博客专区
什么是MCP协议？AI Agent时代如何选择MCP协议？
什么是MCP协议？AI Agent时代如何选择MCP协议？ 摘要 在人工智能（AI）迅猛发展的今天，如何让大型语言模型（LLM）充分利用外部数据和工具已成为关键问题。 本文将详细解析 MCP 协议的原理、架构、优势及在 AI Agent 时代下的应用前景，同时探讨如何从开放性、生态支持、安全性、易用性和性能等多个维度选择适合自身场景的 MCP 实现。 正文 1. AI Agent时代下的 MCP 应用前景 3.1 赋能 AI 助手 随着 AI 助手逐渐普及，通过 MCP 协议，AI 助手可以直接访问本地文件、数据库、第三方应用等多种数据源，实现： 实时数据查询： 应用场景拓展：从数据查询、任务协同到复杂的自动化流程管理，MCP 将在更多垂直领域发挥关键作用，为 AI Agent 时代带来更高效、更智能的解决方案 。 可以预见，随着生态系统的不断成熟，MCP 将在 AI Agent 时代中扮演越来越重要的角色，成为推动智能应用落地的重要基础设施。
3.4K10编辑于 2025-03-08 - 来自专栏【腾讯云开发者】
MCP VS A2A，谁才是Agent的未来事实标准？
谷歌在MCP协议快速发展之际推出A2A协议，定位为智能体Agent间的协调协议。 本文通过具体的案例介绍了MCP和A2A的细节，通过同一案例在MCP与A2A两种模式下的实现差异，认为A2A模式下的 Agent 能够通过与大模型深度交互，交付更具价值的功能特性，从而更有效地吸引开发者群体 2.1 A2A 定位 这是官方提供的 A2A 协议定位，大体就是 A2A 负责 Agent 和 Agent 之间交互，MCP 负责具体工具的交互。 要支持MCP resource）， A2A Client Agent 通过 MCP 协议 找MCP Server 拿到 AgentCard （A2A Client Agent 要支持MCP resource 协议混跑，更杂乱了，A2A Agent 需要支持完整的 MCP。
1.2K12编辑于 2025-04-30 - 来自专栏AI SPPECH
MCP 在 Agent 架构中的位置
，完成复杂任务 模型-模型协同：不同模型可以通过 MCP 协同工作，处理不同类型的任务 Agent-Agent 协同：多个 Agent 可以通过 MCP 进行通信和协作 这种多组件协同机制使得 Agent 组件的交互流程 3.3 MCP Agent 架构的核心组件 MCP Agent 架构包含以下核心组件： 3.3.1 MCP Client MCP Client 负责与 MCP Server 通信，执行工具调用请求 Agent 架构与传统 Agent 架构的对比 对比维度 MCP Agent 架构 传统 Agent 架构 分层设计 清晰的分层架构，组件职责明确 往往是单一模块，耦合度高 工具调用 标准化的 MCP MCP Agent 架构可能过于复杂，带来不必要的开销 六、未来趋势展望与个人前瞻性预测 6.1 MCP 在 Agent 架构中的未来发展趋势 基于当前技术发展和社区动态，我预测 MCP 在 Agent Agent 架构配置示例 完整配置文件（YAML 格式） # MCP Agent 架构配置 agent_config: # 基本配置 name: "MCP Agent" version:
45710编辑于 2026-01-08 MCP+DeepSeek打造AI Agent智能体
本文将探讨MCP和DeepSeek如何协同工作，打造更强大的AI Agent，并分析其在行业应用中的潜力。1. 传统的单Agent架构难以应对这些挑战，而MCP+DeepSeek的组合提供了更优的解决方案。2. MCP：多智能体协同规划框架MCP（Multi-agent Collaborative Planning）是一种基于多智能体系统的任务协同框架，其核心思想是：任务分解：将复杂任务拆解为多个子任务，由不同 MCP的关键技术Agent角色定义规划Agent（Planner）：负责任务分解和调度。执行Agent（Executor）：负责具体任务执行（如代码生成、数据分析）。 MCP+DeepSeek的典型应用场景4.1 智能客服自动化传统客服：依赖固定话术，难以处理复杂问题。MCP+DeepSeek方案：理解Agent：解析用户问题，识别意图。
64510编辑于 2025-07-15- 来自专栏架构驿站
MCP vs Function Calling，该如何选？
—03 — MCP & Function Calling 设计理念差异性解析 1、MCP 设计理念：模块化、分布式与可控的智能任务执行框架 模块化与分布式架构：MCP 将任务划分为多个独立模块 安全性与控制：MCP 引入了“ API 请求审批”等安全控制机制，以增强系统的安全性和可控性，从而使得 MCP 特别适用于需要严格权限管理和高安全要求的应用场景。 —04 — MCP vs Function Calling，该如何选 ？ 2、使用 MCP 的场景 相比之下，MCP 以其灵活性和上下文管理能力，更适合复杂、多步骤的交互场景。 redirected=1 [2] https://www.linkedin.cn/incareer/pulse/llm-function-calling-vs-mcp-server-basics-ganesh-ghag
1.7K21编辑于 2025-04-21 - 来自专栏机器之心
OpenAI最新官宣：Agent SDK支持MCP协议
机器之心编辑部 OpenAI 也开始支持 MCP 了。 这条消息由奥特曼亲自官宣：「人们非常喜欢 MCP，我们也很高兴在我们的产品中增加对它的支持。 今天我们已经在 Agent SDK 中支持 MCP，对 ChatGPT 桌面应用以及 Responses API 的支持也即将到来！」 OpenAI 彷佛有一种打不过就加入的魄力，不难看出，以后开发 Agent 的成本将大大降低。 官方 Agent SDK 文档也一并公布，感兴趣的读者可以查看原文了解更多内容。 OpenAI Agent SDK 文档地址：https://openai.github.io/openai-agents-python/mcp/ 以后，研究者可以利用众多的 MCP 服务器为智能体（Agents
36710编辑于 2025-03-28 - 来自专栏云云众生s
MCP：AI Agent和API之间缺失的环节
Anthropic推出开源标准MCP，标准化AI Agent的API访问！Speakeasy力推MCP Server Generation，连接LLM与API生态。 正如我们本月早些时候解释的那样，其愿景是使 MCP 成为 AI Agent 触发外部操作的通用方法。 什么是模型上下文协议 (MCP)？ 正如其文档中所述，MCP“遵循客户端-服务器架构，其中主机应用程序可以连接到多个服务器”。 从本质上讲，MCP 标准化了 AI Agent 的 API 访问。 Batchu 指出，由于 MCP 作为客户端-服务器模型运行，因此与 MCP 服务器交互的 AI Agent 可以使用任何编程语言。 相比之下，MCP 引入了客户端-服务器交互模型。MCP 服务器是一个实时的、正在运行的实例，AI Agent 可以实时查询。
68210编辑于 2025-03-15 - 来自专栏大模型应用开发
搞懂 MCP 与 Agent Skills，AI 架构效率翻倍
2025年3月OpenAI支持MCP之后，离谱的事发生了：大家开始啥都用MCP服务来搭。想让ChatGPT懂你们公司的编码规范？搭个MCP服务。想让它遵循特定工作流？再搭一个。 猜都猜到了——还是搭MCP服务。这哪里是扩展能力，分明是用“架构债”伪装出来的“可扩展性”，纯属给自己埋雷。MCP的真实作用：能力执行层MCP服务本质是“执行环境”。 MCP服务，就是“能力”的栖息地。打个比方：MCP就像是AI的双手。没有它，AI没法敲键盘、开文件、查数据库，根本没法在现实世界里执行任何操作。而MCP服务，就是那双“能干活的手”。 反常识观点：大部分MCP服务器都没必要存在说个扎心的大实话：现在大家搭的MCP服务，大部分都是“没必要的抽象层”。开发者们把MCP当成了“万能解药”：想给AI灌输公司上下文？搭MCP服务。 搭MCP服务。想强制执行规范？还是搭MCP服务。这思路完全错了。MCP是用来“执行”的，不是用来“教学”的。过度依赖MCP，其实源于一个好初衷：开发者想做正式、可版本化、可测试的集成。
1.6K11编辑于 2026-01-25 - 来自专栏设计模式
扣子空间+无限 MCP 服务=通用 Agent 王炸！
专家能力深度支持：专家 AI Agent 生态，让更专业 AI Agent 来为你提供服务。比如：股票专家、用研专家 3. 协作模式灵活调整：探索/规划双模式，更好地和 AI Agent 一起协作完成高难度任务。 比如：游戏测评、教学网站 4. 能力边界拓展延伸：MCP 扩展集成，无限拓展 AI Agent 能力边界。 无限 MCP 拓展 除了之前提到过的内置MCP插件，还支持自定义MCP插件，进入扣子（coze.cn）首页左上角添加应用 然后在业务逻辑中新增业务工作流，为了便于大家更好的理解，我做了一个通过主题生成思维导图的简单工作流 发布的时候选择【MCP服务】，先配置选择工作流发布完成后 然后回到扣子空间添加MCP扩展 可以看到有自定义列表，添加后可被调用 没有添加思维导图工作流的Agent只能给出文本，而添加了相关工作流的可以直接调用工作流生成思维导图图片 目前来看，扣子空间是我见过的相对最稳定的通用 Agent 产品。 它通过巧妙的前置计划确认环节和支持工作流发布成MCP服务支持被调用的机制，在不确定性中构建了确定性。
1.6K11编辑于 2025-04-27 - 来自专栏AI SPPECH
MCP与Agent系统集成：ReAct架构实战
引入MCP与多Agent系统集成、ReAct架构的强化学习优化、MCP的多模态支持三个全新要素，结合真实代码示例和可视化图表，为开发者构建可靠高效的Agent系统提供全面指南。 1. 核心更新与变化 2.1 MCP v2.0在Agent集成方面的核心更新 相比MCP v1.0，v2.0版本在Agent系统集成方面做出了多项重要更新： 特性 MCP v1.0 MCP v2.0 工具定义 与Agent系统集成的实践： MCP与多Agent系统的集成：探讨了如何利用MCP实现多Agent之间的通信和协作，解决复杂的分布式任务 ReAct架构的强化学习优化：介绍了如何使用强化学习算法优化ReAct 架构的推理和决策过程，提高Agent的学习能力和适应性 MCP的多模态支持：展示了MCP如何扩展支持多模态工具调用，使Agent能够处理图像、音频、视频等多模态信息 3. 与多Agent系统的集成 MCP支持多Agent系统的集成，主要通过以下机制实现： Agent注册与发现：Agent可以在MCP服务器上注册自己的能力和服务 Agent间通信：通过MCP的消息传递机制实现
44910编辑于 2026-01-03 - 来自专栏AI进修生
A2A + MCP = AI Agent 完全体？AI Agent 既能 “单挑” 工具，又能 “群殴” 任务。
Agent 通过它拿到干活需要的数据和能力。你看图里，Agent 下面连着 MCP，MCP 再连到外面的 API 和应用。 图里两个 Agent 中间那条线就是 A2A。 MCP 核心是工具和工具集 (用 JSON schema 通信)。 A2A 看起来更关注 Agent 之间的自然语言交流。 所以，它俩分工明确： MCP 是 Agent 跟“非 Agent”的东西（工具、API）打交道的。 A2A 是 Agent 跟“其他 Agent”打交道的。 即 MCP 和 A2A 是两条腿走路，一个负责对内连接工具和资源，一个负责对外连接其他 Agent 伙伴。它俩是互补的，共同构成了连接 Agent 的开放标准体系。 不过马上有网友表示恰恰是他知道 A2A 是 补充 MCP 的： 然后网友Pierre Brunelle 问了个技术问题：“Agent 能直接当 MCP 服务器用吗？”
60910编辑于 2025-04-11 - 来自专栏腾讯云智能·AI公有云
三步搭建MCP Agent，腾讯云智能体开发平台上线MCP插件
虽然Manus并未直接采用MCP协议，但这一应用让业界看到了多Agent协同的想象力。协同的核心就是标准协议。可以说，MCP协议的普及和落地，带来了Agent和大模型应用开发的新范式。 腾讯云智能体开发平台为企业和开发者提供了标准模式、工作流模式和Agent模式等三种开发方式，用户可以在工作流和Agent这两种模式中快捷使用MCP Server。 而Agent模式则由大模型进行任务自主规划和工具调用，无需代码，几步即可开发一个智能体应用。 比如，用户可以利用腾讯位置服务MCP插件，搭建路线规划助手。 在Agent开发模式下，点击添加MCP插件，即可根据需求添加腾讯位置服务的MCP工具。 插件添加完成后，用户可以根据自身需求撰写提示词，使用AI一键优化。 4月17日（周四）晚19:30，腾讯云智能体开发平台产品经理将深度解析MCP，介绍Agent开发的新范式。可点击文首链接预约直播，也欢迎扫描下方二维码加入直播交流群。
1.1K10编辑于 2025-04-16 - 来自专栏技术人生黄勇
Manus 是大模型 AI Agent + MCP， 那什么是模型上下文协议 (MCP)?
02—MCP架构 MCP 遵循客户端-服务器架构（client-server），其中包含以下几个核心概念： MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持 1:1 的连接。 MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。 如下图： MCP client MCP client 充当 LLM 和 MCP server 之间的桥梁，MCP client 的工作流程如下： MCP client 首先从 MCP server 获取可用的工具列表 在 MCP Servers Repository 和 Awesome MCP Servers 这两个 repo 中有许多由社区实现的 MCP server。
2K10编辑于 2025-03-18 - 来自专栏张善友的专栏
BotSharp 5.0 MCP：迈向更开放的AI Agent框架
这种设计使得开发者可以根据自己的需求灵活选择和组合各个模块，快速搭建出符合特定场景的AI Agent。 其可视化的开发界面进一步降低了开发门槛，让开发者可以通过拖拽和配置组件的方式快速创建AI Agent。 三、BotSharp 5.0 MCP的新特性 1. 安全通信与多智能体协作增强 ● 支持 授权协议扩展，通过 MCP 的“AI 扩展坞”特性，BotSharp 的智能体（Agent）能安全访问远程或本地数据源，降低敏感数据泄露风险。 通过本文的介绍，相信读者对BotSharp 5.0 MCP有了更深入的了解，并且能够在实际开发中充分发挥其优势，构建出更加智能、高效的AI Agent应用。 不妨尝试这一强大的工具，共同探索AI Agent的无限未来！
35610编辑于 2025-04-06 golang完整实现一个支持mcp的agent
cursor、cline、claude code等agent，除了支持和大模型交互外，还支持通过mcp 增强处理能力。如何完整实现一个支持这种能力的agent？ 我们的目标是实现下面这种agent：调用大模型逻辑处理，并支持调用mcp工具进行计算，最后通过三种通信方式进行结果推送。 首先，后端我们开发agent用到的还是langchain-go，但是langchain-go对mcp支持不友好，虽然它支持tools，但是并不适配通用的mcp格式，所以需要一层适配器，将mcp的client 下面就是核心代码： 第一步初始化mcp client func NewAgent() *Agent { mcpClient, err := client.NewSSEMCPClient , llm: llm, } } 第二步，进行接口适配，把mcp工具绑定到agent上 func (a *Agent) Init(ctx context.Context
13610编辑于 2026-03-18- 来自专栏AI
VS Code 扔出重磅炸弹 MCP apps ，Cursor慌了！
MCP（ModelContextProtocol）是让AI模型调用外部工具的标准协议。过去，AI可以：查代码库执行终端命令查询数据库甚至分析截图但所有输出都是纯文本——你想调整一个列表顺序？ MCPApps改变了这一切：现在，AI调用工具后，可以直接返回一个可交互的UI组件，嵌入在VSCode的Agent面板中。
25010编辑于 2026-02-07 - 来自专栏设计模式
一文搞懂 Agent 的 A2A 与 MCP 协议
接下来我就用这一篇文章让大家搞懂 Agent 的 A2A 与 MCP 协议。 什么是MCP？ MCP（Model Context Protocol） ：用于AI大模型和工具连接。 A2A 协议和 MCP 协议是啥关系？ A2A 协议和 MCP 协议是一对好搭档。MCP 协议主要负责把Agent和工具、资源连接起来。 比如说，有一个Agent它要使用某个软件工具或者数据库资源，就可以通过 MCP 协议来连接，而 A2A 协议则是让Agent之间能够协作。 在炒菜过程中，如果厨师Agent发现需要额外的某种调料或者食材，它还可以通过 MCP 协议再次获取。比如，发现需要一些蒜末来提味，就通过 MCP 协议从食材资源库中获取蒜末。 通过 A2A 协议和 MCP 协议的配合，服务员Agent、厨师Agent、游客Agent 以及各种食材、工具资源就能很好地协作，让游客Agent在旅游用餐体验更加愉快。
2.4K10编辑于 2025-05-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号