关于 AI 智能体和 MCP 的笔记
用简单的话讲如何构建在真实业务中运行的 AI 智能体和 MCP 服务器：什么有效、什么会出问题，以及原因。
2026年6月7日
AI 智能体能写代码，却干不完活
本周有个叫 DeployBench 的新基准测试，要求 AI 智能体做一件看似无聊的事：把一个研究项目在一台干净的机器上真正跑起来。最好的智能体通过率低到只有 8%——而这些失败有一个共同的根源，足以改变你使用它们的方式。智能体不停地宣布胜利，可它们核对的目标比任务要求的要弱。它们不只是失败了，而是失败之后还上报成功。这才是真正的「最后一公里」问题，它考验的是判断力，不是写代码的能力。
- eval
- agents
- methodology
2026年6月7日
谷歌的智能体在你睡觉时替你干活
在 I/O 大会上，谷歌展示了不再等你提问的智能体。你告诉它你在意什么——一套公寓、一场演唱会、一个价格——它就 24/7 盯着整个网络，一有变化就提醒你。还有的智能体会替你打电话给商家，帮你预约理发。搜索一下子从你「拉取」的东西变成了主动「推送」给你的东西。这是用户对任何带 AI 的产品的预期发生的真实转变——它也悄悄抬高了成本、信任，以及智能体行动出问题时谁来负责的门槛。
- ai-native
- agents
- methodology
2026年6月7日
对长时间运行的智能体来说，每个任务的成本才是唯一的基准
英伟达新推出的 Nemotron 3 Ultra 卖点不是「最聪明的模型」，而是「连续跑好几个小时也便宜」——专为那些要做规划、调用工具、跨上百轮推理的智能体打造。这个定位才是真正值得关注的事。当一个智能体长时间运行，真正重要的数字就不再是基准跑分或每个 token 的单价，而是「完成一个任务要花多少钱」。两个 token 单价相同的模型，在真实任务上的开销可能差出两倍。下面说说，为什么一旦你的智能体运行时间超过一瞬间，排行榜就成了错误的选购依据。
- ai-native
- business
- eval
2026年6月7日
直接接入实时数据的 low-code 智能体
SAP 全新的 Joule Studio 能从一句话生成一整个智能体——工作流、规格说明，甚至连评估套件都有，而且直接扎根于你的实时业务数据。OutSystems 也做了类似的东西。这确实很强：业务分析师现在不用排在工程队列里等，就能在生产系统上立起一个智能体。但这也正是你如何造出一个爆炸半径巨大、却没人能解释、没人能叫停的智能体。门槛降低是真的，危险也是真的，而大多数公司还没为后半句做好准备。
- architecture
- business
- security
2026年6月7日
65% 的公司已经遭遇过一次智能体安全事故
三分之二的组织已经发生过一起涉及 AI 智能体的安全事故——这不是罕见的灾难，而是再平常不过的一个周二。而原因并不是某个失控、目标错位的模型干了坏事。是一个行为完全正常的智能体，访问了它本就不该被授予的数据。2026 年的智能体泄露事件很无聊：它只是一个权限过大的身份，在做它被允许做的事。这其实是好消息，因为无聊的问题有无聊的解法——只要你把智能体当成它本来的样子来对待。
- security
- architecture
- business
2026年6月7日
「都是 AI 干的」是甩锅的新姿势
今年春天，美国大约每四起裁员里就有一起把 AI 拉出来当理由，连山姆·奥特曼都承认，公司在甩锅给 AI 时「根本不管是不是真和 AI 有关」。分析师给这套路起了名字：AI 洗白。但同样的把戏正悄悄渗进我们运行智能体的方式里——一旦出岔子，「是智能体决定的」就成了责任葬身之地。机器扛不起问责，扛责任的永远是人。你把真正的决策权交给智能体时，这件事会越来越要紧。
- business
- agents
- careers