2024 年我们做了演示。2025 年我们做了编码代理。2026 年我们要把通用型知识工作者真正投入生产环境。Anthropic 的 David Soria Parra 称Model Context ProtocolMCP的月下载量已达到惊人的 1.1 亿——达成这一里程碑的速度比 React 还快。但当我们将代理扩展到跨多个 SaaS 应用与共享网盘处理复杂的企业级工作流时一个关键的认识浮现出来连接不是单一的东西。如果有人告诉你有一种方案能包打所有连接问题——不论是 computer use、MCP还是 CLI——那就是错的。顶级代理不会在工具之间二选一而是同时、毫不费力地使用整个 Connectivity Stack。以下是掌握 2026 年 Connectivity StackSkills、MCP 与 CLI的逐步指南。注文中 MCP、CLI、Skills、JSON-RPC、OAuth、REPL、SSO 等专业术语保留英文原文首次出现处酌情附中文释义。理解 Connectivity Stack在写代码之前你必须先理解现代代理连接的三个不同层次。Skills、CLI 和 MCP 到底是什么它们又是如何构成的Skills领域知识可复用的流程性说明与 Markdown 文档教模型如何使用工具。它们可在不同客户端之间移植并为复杂任务提供必要上下文。Skills 通常由人类编写或由代理生成可从本地.claude/skills/目录或远程仓库加载。我个人喜欢的项目有 superpowers 和 everything-claude-code。CLI / Computer Use本地执行类 Unix 的连接方式。高度可组合、token 高效每次响应约 ~200 tokens并能利用模型在git、gh、curl等现有工具上的预训练知识。CLI 工具通常通过包管理器安装标准二进制而形成。MCP连接“组织”/Connective Tissue提供丰富语义、平台无关性以及企业必需能力如 OAuth、治理策略与审计追踪audit trails的集成协议。MCP 服务器通过在代码中如server.py或server.ts定义 tools、resources 与 prompts并使用 JSON-RPC 2.0基于 HTTP 或 SSE进行通信而形成。使用 MCP 执行任务当你需要丰富语义、授权authorisation与平台无关性时MCP 是合适的工具。它提供以 schema 为先、确定性的工具选择方式。MCP 提供确定性的 schema-first以 schema 为先方法并内置治理与审计追踪。但这也有取舍。在朴素实现中预先加载所有工具 schema 会极大消耗上下文例如 44,000–55,000 个 token。响应会是完整、带类型的 JSON 对象虽然非常利于程序化解析却也较为“吃 token”。专业提示给 Server 作者始终使用有描述性的函数名、参数名并为参数添加描述。若 LLM 明确知道预期它会更快且更容易成功。# Annotated Tool Definitions from typing import Annotated from datetime import date from enum import Enum class Category(str, Enum): TRAVEL travel MEALS meals OFFICE office def submit_expense( amount: Annotated[float, The expense amount in USD], date: Annotated[date, Date of the expense in YYYY-MM-DD format], category: Annotated[Category, The expense category] ) - str: Submits a new expense report for approval. pass使用 CLI 执行任务当工具已在模型的预训练数据中如 GitHub CLI 或 GitCLI 执行就会非常强大。它允许模型使用管道与重定向来组合命令并以 token 高效的方式在错误上迭代。CLI 执行利用预训练知识实现 token 高效、可组合的工作流。与其返回庞大的 JSON 负载模型可以使用jq等工具精确筛选所需内容将响应压缩到约 ~200 tokens。Progressive Discovery我们必须对代理“harness”运行框架做的首要改进就是 Progressive Discovery渐进式发现。与其把所有工具一次性塞进上下文窗口不如把工具加载延后到模型真正需要它们的时候。通过工具搜索按需加载渐进式发现能降低上下文膨胀。提供tool_search能力后模型可以动态查找工具。这个模式可将上下文使用量减少约 5 倍。Programmatic Tool CallingCode Mode如果你希望模型编排多个工具不要强迫它进行串行的逐次工具调用。串行调用会让编排的每一步都依赖推理时延。改为使用 Programmatic Tool Calling或 Code Mode。为模型提供一个 REPLRead-Eval-Print Loop环境——如 V8 isolate 或 Python 沙箱——让它编写脚本来将工具组合在一起。Code Mode 让模型编写编排脚本大幅降低时延。// Programmatic Tool Calling (Code Mode) // Instead of multiple sequential LLM turns, the model writes this script once: const issue await mcp.call_tool(linear_get_issue, { id: ENG-5121 }); const prs await mcp.call_tool(github_list_prs, { repo: frontend }); // Use structured output to enforce types const expectedType z.object({ title: z.string(), status: z.string() }).passthrough(); const typedIssue await extract(claude-haiku-4-5, expectedType, issue);py为代理而建作为 Server 作者我们必须停止把 REST API 一比一地机械映射成 MCP servers。我们需要自底向上以“为代理而设计”的方式来构建。以清晰意图设计工具暴露用于编排的沙箱并下发 UI 资源。为代理而设计像为人类设计界面一样以清晰的意图来构建工具。倾向使用 Code Mode暴露执行环境如 Cloudflare MCP让模型可以编排复杂工作流。下发一个 MCP App利用 MCP 的丰富语义直接通过“线”发送 UI 资源HTML JS CSS让服务器能在客户端渲染自己的界面。MCP 今年动向——接下来有什么MCP 生态正在快速演进以满足企业需求并扩展规模。2026 年的路线图包括 Stateless Transport、Cross-App Access以及 Skills over MCP。Improved Core全新的 Stateless Transport 协议由 Google 提议将使 MCP servers 更易部署到 Kubernetes 与 Cloud Run。预计会有 TypeScript 与 Python SDK v2.0 的发布。Integrate EverywhereCross-App Access 将允许基于公司身份提供商进行单点登录SSO跨 MCP servers 访问。通过.well-known/mcp-server-card/server.json实现自动化的服务器发现。Pushing the BoundarySkills over MCP 将允许 servers 通过skills/list与skills/getendpoints 随工具一并下发领域知识。应根据上下文与需求在 MCP、CLI 与 Skills 之间做出选择。下图展示了端到端流程。要点2026 年代理连接方式的演进证明并不存在“银弹”。关于 MCP 与 CLI 的争论是个伪二分现实是达到生产级的代理需要一种细腻、多层次的路径。对 MCP 的质疑——token 开销、认证缺口与 server 质量——确实存在但都是可解的工程问题而非生存威胁。生态系统已经在自我校正。像 Progressive Discovery 与 Programmatic Tool CallingCode Mode这样的技术能显著降低 token 膨胀与时延证明我们可以在不放弃标准的情况下对其优化。此外在企业环境中放弃 MCP 只会带来更糟的问题认证碎片化、零审计追踪以及厂商锁定。MCP 所提供的连接纽带对规模化治理与安全至关重要。未来属于这样一类代理它们无缝融合 Skills 的领域知识、MCP 的安全连接能力以及 CLI 的 token 高效执行。最好的代理会把这些全部用起来。这里给大家精心整理了一份全面的AI大模型学习资源包括AI大模型全套学习路线图从入门到实战、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等资料免费分享扫码免费领取全部内容1. 成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。2. 大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF3. 大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。4. 2026行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5. 大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。6. 大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。7. 资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容