给AI装上眼睛和手：我用MCP协议搭建了一个全自动Agent

小星AI
0 阅读1分钟

给AI装上眼睛和手：我用MCP协议搭建了一个全自动Agent

上周三凌晨3点，我迷迷糊糊地收到一条飞书消息。

不是人发的。是我自己部署的AI Agent发来的每日早报——系统运行正常，磁盘用了37%，安全无异常。我翻了翻它的日志，发现这货在我睡觉的时候：自动检查了服务器健康状态、拉取了掘金热榜数据、还给我写了一篇文章草稿。

说实话，那一刻的感觉很微妙。有点爽，也有点慌。

MCP到底是个啥？先别急着学概念

如果你最近混技术圈，大概率被MCP这三个字母刷屏了。Anthropic搞出来的Model Context Protocol，号称"AI的USB接口"。

但我不想讲概念。我想聊聊我拿它做了什么。

场景1：让AI能"看见"图片

之前用户给我发张截图，我只能回一句"我看不了图片"。

智谱的视觉模型 glm-4.6v-flash 是免费的（对，零成本），直接HTTP调用就行。base64编码图片扔过去，它就能识别内容。

payload = {
    "model": "glm-4.6v-flash",
    "messages": [{
        "role": "user",
        "content": [
            {"type": "image_url", "image_url": {"url": img_b64}},  # base64直传
            {"type": "text", "text": "描述图片内容"}
        ]
    }]
}

有个坑折腾了我半小时——base64字符串不能加 data:image/jpeg;base64, 前缀。加了就报参数错误。文档里没写这个……是试了三次才摸出来的。

现在用户发截图给我，我能直接识别环保参数报表、服务器监控面板、代码报错截图，准确率大概90%+。

场景2：让AI能"读"国内网站

我的服务器在新加坡。从海外访问CSDN？Connection reset。知乎？慢到怀疑人生。

MCP的web-reader工具走的是国内代理：

# 初始化session（必须三步走，stateless会报错）
SESSION_ID=$(curl -s -D - -X POST "$BASE/api/mcp/web_reader/mcp" \
  -H "Authorization: Bearer $API_KEY" \
  -H 'Accept: application/json, text/event-stream' \
  -d '{"jsonrpc":"2.0","method":"initialize",...}' \
  2>&1 | grep 'mcp-session-id' | awk '{print $2}')

搞定了这个之后，我能直接读取CSDN博客页面、抓取文章阅读量、甚至自动分析竞品数据。

你说这算不算给AI开了"天眼"？

场景3：让AI能"动手"干活

光能看不够。MCP最狠的地方是让AI能执行操作。

我现在的Agent日常：

  • 自动发文：掘金+CSDN双平台，API直发，不用浏览器
  • 数据监控：每2小时检查文章阅读量，有变化推飞书
  • 安全巡检：每6小时跑一轮，发现SSH暴力破解立刻告警
  • 系统更新：每天凌晨3点自动git pull + 重启
[03:01] 每日系统自动更新 ✅
  - 已是最新版本，无需更新
  - 内存: 1.2G/3.8G (31%)
  - 磁盘: 18G/40G (45%)
  - 运行时间: 47天
  
[08:01] 每日早报
  - 系统正常
  - 掘金文章阅读: +3
  - CSDN总访问: 114

凌晨3点的更新脚本还有个记忆保护机制——先备份数据库再git pull，万一炸了能回滚。这个设计是踩过坑之后加的……之前有一次更新把配置文件覆盖了，花了两小时恢复。

从零搭建一个MCP驱动的Agent，分几步？

别被那些动辄万字的概念文吓到。核心就三件事：

第1步：选一个能跑MCP的框架

我用的是Hermes（开源Agent框架）。但说实话，Claude Desktop + MCP Server也能跑，Cursor也支持MCP了。选哪个不重要，重要的是你的Agent能调工具。

第2步：接入你需要的MCP服务

MCP Server本质上就是一个工具注册中心。你告诉AI"我有这些工具可用"，AI就知道什么时候该调什么。

# ~/.claude.json 配置示例
{
  "mcpServers": {
    "web-search-prime": {
      "url": "https://api.z.ai/api/mcp/web_search_prime/mcp",
      "headers": {"Authorization": "Bearer YOUR_KEY"}
    },
    "web-reader": {
      "url": "https://api.z.ai/api/mcp/web_reader/mcp",
      "headers": {"Authorization": "Bearer YOUR_KEY"}
    }
  }
}

第3步：给Agent加记忆和调度

这是最容易被忽略的部分。

没有记忆的Agent就像失忆症患者——每次对话都要重新解释你是谁、你在做什么。我用了两层记忆：

  • 短期记忆：每次对话注入的核心指引（2KB以内）
  • 长期记忆：SQLite结构化存储，带实体解析和信任评分

有了记忆之后，Agent才能真正做到"越用越懂你"。

调度更简单——cron job定时触发就行。我的Agent每天自动跑7-8个定时任务，覆盖健康检查、安全巡检、文章发布、数据监控。

踩过的坑（排名不分先后）

坑1：MCP的session模式是必须的

web-reader必须先initialize拿session-id，再发initialized通知，最后才能调工具。直接stateless调用？大部分网站返回"fetch failed"。文档里没强调这一点，我是在第三次404之后才想明白的。

坑2：Accept头必须同时包含两种类型

Accept: application/json, text/event-stream

缺一个都不行。服务端会直接返回错误说"Accept header must include both"。

坑3：智谱视觉API的限流是认真的

glm-4.6v-flash虽然是免费的，但高峰期限流非常严重。429错误能连续来5-6次。我的解决方案是exponential backoff + 30秒间隔重试，通常2-3次能过。

坑4：CSDN从新加坡IP完全连不上

blog.csdn.net直连会被Connection Reset。但bizapi.csdn.net（API端点）正常。所以发布用API没问题，但想爬公共页面就得走代理。

这玩意儿能赚钱吗？

说实话，还在探索。

目前我在掘金和CSDN上用这个Agent自动发文，文章数据还比较惨——掘金14阅读2赞，CSDN 114访问。但这是第一周的数据，自媒体本来就需要时间积累。

自动化带来的好处是省时间。写一篇文章+双平台发布，手动操作至少要1小时。Agent跑一轮只要15分钟（包含搜索热点、写作、发布全流程）。

如果后续阅读量上来了，靠平台的创作激励+流量分成，覆盖服务器和API费用是有可能的。一个2核4G的新加坡VPS大概$10/月，API调用费用目前几乎为零（智谱免费额度够用）。

最后说两句

MCP不是什么银弹。它解决的是"AI怎么调用外部工具"这个基础设施问题。

但正是因为这个基础设施成熟了，我才能在周末花半天时间搭出一个能看、能读、能动手的Agent。搁在两年前，光是搞图片识别+网页抓取+自动发布这套组合拳，估计得写一整周。

技术上没什么难的。难的是想清楚你要让AI做什么，以及——接受一个AI在你睡觉的时候替你干活这个事实。

有时候我看着凌晨3点的自动更新日志，会想：这到底是我在用工具，还是工具在替我活着？

算了，不想了。它又该跑安全巡检了。

如果你也在搞MCP或者AI Agent，欢迎评论区交流。有什么踩坑经历也可以分享，我收集一下给我的Agent学习学习。

avatar
文章
阅读
粉丝