Agent 之后是什么？概念 MCP(Model Context Protocol) 是个什么东东？ Context,

概念

在所有模型厂商中 Anthropic 构建 OS 的决心要更明显、更强，从 computer use 到 MCP，持续尝试搭建数据和工具的连接层，MCP 就是这个时代的 TCP/IP。我们预计在 Agent 大爆发后，其他 LLM 供应商大概率也要推各自的协议。

Anthropic

MCP(Model Context Protocol) 是个什么东东？ Context, 也就是模型运行的环境、上下文,外围系统、数据；Context layer 成为 Agent 的秘密武器：数据、推理、行动三元素重新组织的 Context 是 Agent 落地基础设施。其实任何一个软件系统都不是独立存在，不管是和底层OS，还是外部系统都得进行交互。而为了让 Agents 更好、更主动地完成多步骤复杂任务，简单的 RAG 已经无法满足需求，context 会成为这个场景下优先级最高的 infra 能力。如何获取企业 context，并更好地构建 context layer 的能力会成为 AI 应用或数据公司竞争的关键。和外围流程、数据集成，其实在企业级架构由来已久；数据的有 Airflow, 流程就更多了，有专门的：Enterprise Integration Patterns 实现有 Apache Camel, Spring Integration；更不用说古早的BPM了，更有新秀kestra 把数据和流程都统御了（Alternative to Zapier, Rundeck, Camunda, Airflow）。可谓非常成熟，通过MCP 接入 LLM 世界可以说是分分钟钟事情！在大模型如何发挥现有组织资产，无意让LLM 在企业应用中更容易落地，这个也是"传统"平台优势。下面是 Saleforce 的看法：

LLM作为智能的组成部分：
- LLM（大型语言模型）不是完整的智能系统，而只是组成部分，类似于蛋糕中的配料。它们作为输入-输出搜索引擎，根据其综合数据集和算法处理提示并生成响应.
数据和模型的局限性：
- LLM不作为数据存储机制。它们不存储企业数据、元数据、共享模型或安全模型。这意味着它们不能仅通过访问企业数据就自动增强公司的智能或运营能力.
直接将企业数据整合的误解：
- 存在一个误解，即仅仅将企业数据输入到LLM中，公司就会自动变得更聪明或更好。实际上并非如此.
通过企业平台有效整合：
- 通过将LLM整合到更广泛的企业软件平台架构中，可以真正实现LLM的潜力。这涉及将LLM与企业数据、元数据、共享模型、安全模型以及其他重要的企业软件组件结合起来.
人类员工与数字员工之间的无缝交接：
- 为了使整合有效，必须在人类员工和数字员工（如LLM）之间实现无缝交接。这确保了整个系统能够协同工作，以实现预期的结果.
增强企业智能的承诺：
- 当正确整合时，LLM与其他企业软件元素的结合可以显著增强公司的能力，并实现提高智能和运营效率的愿景.

这个是 AgengForce 生态的很大优势：

Agentforce can also take action in any system or workflow by connecting to existing API’s or with MuleSoft’s pre-built connectors to over 40 systems.

Agentforce.com

MuleSofte 你可以理解成 Camel 的商业版，属于saleforce旗下。而AI 这边也没有闲着，Perplexity 最新收购的 Carbon 可以帮助 Perplexity 实现和 Google Docs、Slack、Notion 等生产力工具的数据连接。

So

这个貌似可以整合统一的区域，先内部整合下....

参考

ApiSmart

ApiSmart 是ApiHug 插件内置 AI 支持功能； ApiSmart 作为一个入门AI智能编码，和本地AI 学习调试工具，做到练学习操一体；

一边练习，一边增加你对AI 体验，一边提升你的工作效率，一箭三雕。

精准携上下文，代码片段位置
识别语言，当然IDEA内非常简单
精炼的prompt，当然你也可以覆盖他

# ApiHug - API design Copilot

ApiHug 的 ApiSmart 利用 Langchain4j 与大型语言模型（LLM）供应商进行通信；因此基本上任何 Langchain4j 支持的供应商都可以被 ApiSmart 支持；

apihug.com/zhCN-docs/c…