騎單車荷蘭一日游，竟然改變了我對AI的看法：MCP、A2A應(yīng)該是這樣！原創(chuàng)

51CTO技術(shù)棧

發(fā)布于 2025-6-9 17:52

瀏覽

0收藏

作者 | Natasha Wijesekare

編譯 | 云昭

智慧總是藏在自然之中。而作為人工制造的AI，更不例外。

然而對于感悟 AI 而言，有時(shí)候卻需要我們換個(gè)環(huán)境去散散心。

近日，小編讀到一篇散文式的“半旅行半感悟”的神人文章：《從自行車到 AI 智能體：阿姆斯特丹如何改變了我對 AI 的看法》。

這篇文章奇妙之處，就在于作者借“一日游”中我們經(jīng)常遇到的情形，諸如：騎單車、導(dǎo)航問路、剎車、修車等，來描述現(xiàn)在由大模型帶來的各種看似很熱但又很模糊的概念——智能體、RAG、AI Coding、MCP、A2A。

你可能會(huì)反駁：這有什么，不就是概念科普嗎？其實(shí)你想當(dāng)然了。

這里作者的構(gòu)思角度非常新奇但句句切中要害。它并不是純科普，而是對于現(xiàn)在的這些新詞兒提出了自己的看法。比如：

關(guān)于 AI Coding，人們只注意到了 AI for Code，卻忽略了真正重要的基礎(chǔ)設(shè)施反而是 Code for AI。

再比如，我們開發(fā)者如何看待 MCP 帶來的新增機(jī)會(huì)？作者一語中的：訓(xùn)練模型是教人騎車，而 MCP 是給他們地圖和交通規(guī)則。

精彩而引人發(fā)醒的內(nèi)容還有很多。話不多說，這就為大家奉上，建議收藏細(xì)品。

1.阿姆斯特丹的AI感悟之旅：從咖啡館開始

不久前，我去了趟阿姆斯特丹（小編這里注一下：荷蘭首都，有“運(yùn)河之都”的美譽(yù)）——那種你會(huì)說“我需要休息一下，但我們姑且叫它‘找靈感’”的旅行。我漫步在運(yùn)河邊，手里拿著一杯好到離譜的咖啡，出自一家看起來像是由明信片收藏愛好者裝飾的小咖啡館——椅子全都不配套。那一刻我并沒有想著工作，或者說我告訴自己沒有。

在 Jordaan 附近的一個(gè)十字路口，我駐足觀看來來往往的騎行者——有個(gè)女孩雙手不扶把，一手拿著咖啡，一手刷著手機(jī)，在游客與有軌電車交織的混亂中依舊穩(wěn)穩(wěn)穿梭，像是理所當(dāng)然。這一幕讓我驚呆了：沒有標(biāo)志、沒有指令、沒人指揮交通，但每個(gè)人都能各自行進(jìn)，卻又奇妙地協(xié)調(diào)一致。

我不知道為什么，但這一刻讓我想到 AI 智能體——理想狀態(tài)下它們應(yīng)該如何運(yùn)作：流暢、靈活、反應(yīng)迅速、不需要過度管理，安靜地完成自己的任務(wù)。

2.智能體就像有任務(wù)在身的騎行者

你如果在上下班高峰看過阿姆斯特丹的騎行場景，就知道那是一場芭蕾——混亂卻有平衡。幾十人各自行動(dòng)，卻保持和諧。沒有復(fù)雜指令、沒有中央調(diào)度，卻人人都知道要去哪，怎么走。

AI 智能體也該如此——不是那種靠逐步指令驅(qū)動(dòng)的機(jī)器人，而是能理解模糊目標(biāo)、自主完成任務(wù)的系統(tǒng)。你不用告訴它每一步該做什么，只需要給出明確的目標(biāo)，比如：“根據(jù)這些提交記錄寫一個(gè)用戶友好的更新日志”、“找出下周五三班不早于上午十點(diǎn)到達(dá)的好航班”或“清理這個(gè)表格并標(biāo)記看起來異常的項(xiàng)”。然后，它自己去搞定：規(guī)劃路徑、權(quán)衡取舍、調(diào)用工具、必要時(shí)再回來確認(rèn)。就像騎行者途中靈活繞開人群，找條近路。

3.RAG：邊騎邊問路

阿姆斯特丹的騎行者并不是每條街都背得滾瓜爛熟。但他們也不會(huì)因?yàn)榈搅四吧謪^(qū)就停下來。他們會(huì)看一眼路標(biāo)、低頭瞄手機(jī)、問問路，但整個(gè)過程中腳沒停下過。

這就是檢索增強(qiáng)生成（RAG）在 AI 中的作用。傳統(tǒng)模型只能依賴訓(xùn)練時(shí)學(xué)到的內(nèi)容，但那會(huì)過時(shí)。而 RAG 讓智能體可以實(shí)時(shí)“查詢”最新的信息來源：公司 wiki、實(shí)時(shí)文檔、聊天記錄或 API。模型無需記住一切，它只要知道何時(shí)、如何去獲取關(guān)鍵信息。

比如你問助手：“能把最新的休假政策發(fā)給團(tuán)隊(duì)嗎？”沒有 RAG，它可能胡亂編造或者引用舊內(nèi)容；但有了 RAG，它會(huì)真正從 Google Drive 中檢索最新政策，并準(zhǔn)確發(fā)送。這就像是讓你的 AI 接入整個(gè)組織的“記憶庫”——不只是聽起來自信，而是真的準(zhǔn)確。

區(qū)別在于：盲猜路線 vs. 途中查圖。騎行者不會(huì)因?yàn)椴淮_定就僵住——他們調(diào)整。這也是 RAG 的精神：保持好奇、靈活響應(yīng)、不死守劇本，而是勇敢迎接未知。

4.AI 寫代碼，代碼強(qiáng) AI：邊騎邊修車

在鵝卵石街道上騎一輛老舊的自行車，你就知道：再好的系統(tǒng)也需要維護(hù)。在阿姆斯特丹，騎行者隨時(shí)可能停下來修點(diǎn)小問題：潤滑剎車、緊一下座椅。街邊到處都是工具，比如充氣泵和小型維修站。這一切只是為了“保持運(yùn)轉(zhuǎn)”。

這就是“AI 寫代碼（AI for Code）”和“為 AI 編碼（Code for AI）”之間的雙人舞。

一方面，Copilot、ChatGPT、Cody 這樣的工具徹底改變了寫代碼的方式：生成樣板代碼、發(fā)現(xiàn) bug、寫測試、解釋復(fù)雜邏輯。就像你有個(gè)懂行的修車工坐在后座，隨時(shí)幫你緊螺絲。

但反過來，“為 AI 編碼”才是基礎(chǔ)設(shè)施真正搭建的地方。你要在這里定義智能體的行為方式、約束、可用工具和行為規(guī)范。你給它一副車架、一套傳動(dòng)系統(tǒng)、一份規(guī)則手冊——防止它騎錯(cuò)道。

令人興奮的是，這兩者正在形成正向飛輪：AI 越來越會(huì)寫代碼，開發(fā)者也就能更輕松地構(gòu)建更聰明、更可靠的智能體；而這些智能體又反過來幫助我們寫出更高質(zhì)量的代碼。

這不僅是為了提速，更是為了持久。你不只是需要一輛會(huì)沖刺的 AI，而是要能長途騎行、途中還能自我修復(fù)的 AI。

5.MCP：支撐一切的“默契規(guī)則”

阿姆斯特丹真正的魔力不只是滿街的自行車，而是人們之間的默契節(jié)奏。大家自覺減速、自覺讓行，自然打手勢——不是靠嚴(yán)苛的交通規(guī)則或無盡的標(biāo)志牌，而是一種文化內(nèi)化的“理解”。正是這種共識(shí)，維持了在高密度交通中的流暢秩序。

這就是 Model Context Protocol（MCP）對 AI 的意義。MCP 定義了智能體如何與工具、系統(tǒng)、用戶互動(dòng)。它為智能體提供結(jié)構(gòu)化的上下文：可用資源、禁區(qū)、行為規(guī)范。就像一個(gè)無聲的規(guī)則手冊，每個(gè)智能體在入場前都已熟知。

沒有 MCP，就像一個(gè)菜鳥騎手被扔進(jìn)阿姆斯特丹街頭：沒地圖、看不懂紅綠燈，注定亂撞。而有了 MCP，每個(gè)智能體都帶著“地圖和交通規(guī)則”上路，不僅知道自己該怎么行動(dòng)，也理解整個(gè)系統(tǒng)是如何運(yùn)作的。

AI 的未來不僅是讓模型變得更聰明，而是構(gòu)建共同的標(biāo)準(zhǔn)和框架，讓它們在現(xiàn)實(shí)世界中協(xié)作得更流暢、更安全。換個(gè)比喻：訓(xùn)練模型是教人騎車，而 MCP 是給他們地圖和交通規(guī)則。

6.Agent2Agent：像車隊(duì)一樣協(xié)作

當(dāng)你看到一組騎行者以整齊的隊(duì)形同步前進(jìn)、調(diào)整速度與間距、順暢過彎時(shí)，那種默契會(huì)讓人著迷。沒有喊話、沒有指令，只有安靜的配合。一個(gè)稍微減速，另一個(gè)提速，他們就這樣一起順利拐過街角。

這正是 agent-to-agent 協(xié)作所釋放的力量。你不需要一個(gè)巨大的“萬能智能體”來包辦一切，而是一群各司其職的“小能手”：一個(gè)管日程，一個(gè)寫提案，一個(gè)確保流程合規(guī)。就像一支騎行隊(duì)伍，每人有不同任務(wù)，但因?yàn)榛ハ嚓P(guān)注、彼此配合，整隊(duì)流暢前行。

當(dāng)智能體之間能共享狀態(tài)、委托任務(wù)、升級決策、動(dòng)態(tài)協(xié)作時(shí)，它們不再只是工具，而真正變成了“隊(duì)友”。