Nano AI: MCP Toolbox für Alle!

In den letzten Jahren hat der Bereich der künstlichen Intelligenz rasante technologische Fortschritte erlebt, die zu einer Vielzahl neuer Begriffe wie MoE, Reinforcement Learning, Agents, Computer-Use und A2A geführt haben. Für normale Benutzer ohne technischen Hintergrund können diese Begriffe und technologischen Konzepte überwältigend sein, was zu einer erheblichen kognitiven Belastung führt. Infolgedessen beschränkt sich ihre Interaktion mit KI oft auf einfache Frage-und-Antwort-Austausche innerhalb von Chatboxen.

MCP oder Model Context Protocol ist eines dieser technischen Konzepte. Im Laufe des letzten Jahres haben sich KI-Agenten rasant weiterentwickelt, und MCP-Protokolle haben sich als eine wichtige zugrunde liegende Fähigkeit herauskristallisiert, die die Automatisierung komplexer Aufgaben unterstützt. Die aktuelle MCP-Revolution scheint jedoch immer noch die exklusive Domäne der Entwickler zu sein, mit obskurer Protokolldokumentation, komplexer Tool-Registrierung und hohen Hürden für die personalisierte Konfiguration. Infolgedessen können die meisten normalen Benutzer nur aus der Ferne zusehen und es schwierig finden, wirklich praktische Erfahrungen zu sammeln.

Diese Situation ändert sich jedoch. Am 23. April kündigte Nano AI, eine Tochtergesellschaft von 360, die Einführung der ‘MCP Toolbox‘ an, die für einzelne Benutzer entwickelt wurde. Dieses Produkt ist auf normale Benutzer ohne technischen Hintergrund zugeschnitten und ermöglicht es jedem, modernste KI-Nutzung mit minimalen Lernkosten zu beherrschen.

Dieses Produkt unterstützt nicht nur das MCP-Protokoll vollständig, sondern kann auch Agent-Aufgaben basierend auf verschiedenen großen Modellinfrastrukturen ausführen. Darüber hinaus verfügt es über leistungsstarke Funktionen wie das automatische Aufrufen externer Tools, den Zugriff auf KI-Wissensdatenbanken und die Unterstützung benutzerdefinierter Aufgabenabläufe. Entscheidend ist, dass die operative Schwelle deutlich gesenkt wurde, keine Programmierkenntnisse erforderlich sind und sie einfach durch Öffnen einer Chatbox verwendet werden kann.

Derzeit hat Super Agent öffentliche Tests gestartet. Von Modellen über Protokolle, Tool-Ökosysteme bis hin zu personalisierter Aufgabenorchestrierung scheint Nano AI auf eine Produktinnovation abzuzielen, die KI-Agenten wirklich in den Alltag aller Menschen integriert.

Wie gut ist also die ‘MCP Toolbox’ von Nano AI? Um diese Frage zu beantworten, führte das Machine Heart Team, das interne Testqualifikationen erworben hatte, eine Reihe von Tests durch.

Praxiserfahrung mit der Toolbox: MCP einfach gemacht

Die Verwendung der Nano AI ‘MCP Toolbox’ hat eine sehr niedrige Eintrittsbarriere. Benutzer müssen lediglich die Nano AI-Anwendung herunterladen und installieren und sich dann registrieren und anmelden, ohne zusätzliche Konfiguration.

Beim Betreten der aktualisierten ‘Agent’-Seite können wir sehen, dass Nano AI bestehende Agenten in verschiedene breite Kategorien eingeteilt hat, darunter eingehende Forschung, Arbeit und Effizienz sowie Lebensassistenten. Gleichzeitig bietet es auch Zugriff auf die Toolbox und ein Fallstudienquadrat.

Beim Betreten der Toolbox können wir sehen, dass Nano AI bereits über 100 MCP-Server konfiguriert hat (diese Zahl stieg während des Schreibens dieses Artikels von 120 auf 132), darunter ein Dutzend MCP-Tools, die von Nano AI selbst entwickelt wurden, und Hunderte von MCP-Tools von Drittanbietern, die verschiedene Szenarien wie Bürokooperation, Akademiker, Lebensdienste, Suchmaschinen, Finanzen, Medienunterhaltung und Datencrawling abdecken und es zum größten MCP-Ökosystem in China machen. Darüber hinaus unterstützt Nano AI Benutzer auch bei der Konfiguration ihrer eigenen MCP-Server. Im Folgenden verwenden wir den Begriff ‘Tool‘ anstelle von ‘MCP Server’, und der Grund dafür wird später ausführlich erläutert.

Testen wir zunächst eine Anwendung, die Leser von Machine Heart am ansprechendsten finden werden: das Suchen und Organisieren aktueller Forschungsergebnisse zu arXiv zu einem bestimmten Forschungsthema.

Suchen wir zunächst in der Toolbox und stellen wir fest, dass die voreingestellten Tools von Nano AI bereits ‘arXiv Search’ enthalten, sodass wir sie nicht selbst konfigurieren müssen. Wenn wir zurückblicken, können wir auch sehen, dass Nano AI bereits viele Agenten hat, die das Abrufen von arXiv-Papieren unterstützen. Wir wählen ‘Professional Paper Search’ als unseren ersten Schritt. Wir können sehen, dass dieser Agent mit vier Tools konfiguriert ist: Nano AI Super Search, arXiv Search, Google Scholar und Academic Search, was unsere Bedürfnisse perfekt erfüllt. Schreiben Sie eine Eingabeaufforderung und führen Sie sie aus:

Rufen Sie Forschungsergebnisse zum Thema Reinforcement Learning auf arXiv im letzten Monat ab, klassifizieren Sie sie nach theoretischer Forschung, technologischen Verbesserungen und Anwendungen und geben Sie eine einfache Interpretation der wichtigen Fortschritte.

Der Arbeitsprozess von ‘Professional Paper Search’ ist wie folgt:

Diese Aufgabe ist sehr einfach. Der Agent hat das Tool ‘arXiv Search’ nur einmal aufgerufen und die Aufgabe daher in weniger als einer halben Minute erledigt, wobei er in jeder der drei Kategorien zwei repräsentative Forschungsergebnisse ausgewählt hat.

Versuchen Sie als Nächstes den Fahrradplaner-Agenten mit dem Befehl: ‘Gibt es gute Fahrradrouten in der Nähe der Guanyin-Brücke in Chongqing?’

Wir können sehen, dass dieser Agent drei Tools verwendet hat: maps_weather von amapmcpserver-cloud (zum Abrufen von Wetterdaten) und maps_direction_bicycling (zum Festlegen von Routen) und gen_html (zum Generieren von Webseiten), die insgesamt 362 Sekunden lang ausgeführt wurden, und schließlich die oben gezeigte dynamische Webseite erhalten hat. Sie können auch über diesen Link darauf zugreifen: . Ja, Sie können die generierte Webseite öffentlich freigeben!

Erhöhen wir als Nächstes den Schwierigkeitsgrad. Diesmal lautet unsere Anforderung ‘Durchsuchen Sie das Netzwerk, analysieren Sie die aktuellen Modetrends für Frauen und erstellen Sie einen Analysebericht über Modeelemente für Frauen’. Diesmal verwenden wir direkt den ‘In-Depth Research Agent’ von Nano AI, der je nach den spezifischen Bedürfnissen des Benutzers geeignete Tools verwenden kann, darunter MCP-Server und den eingebauten Browser, um verschiedene Computer-Use-Aufgaben zu erledigen. Daher dauert die Ausführung einer Aufgabe durch den In-Depth Research Agent oft viel länger, bis zu zehn Minuten.

Bei der Ausführung der Aufgabe plant der In-Depth Research Agent zunächst die auszuführenden Schritte gemäß den Aufgabenanforderungen und führt die Schritte dann Schritt für Schritt gemäß dem Plan aus.

Die Ausführungsschritte, die der In-Depth Research Agent für diese spezielle Aufgabe generiert hat, sind in der folgenden Abbildung dargestellt.

Zuerst suchte er auf mehreren Websites nach Inhalten zu den aktuellen Modetrends für Frauen, analysierte dann die gesuchten Inhalte und visualisierte die Ergebnisse. Schließlich gab er den Abschlussbericht.

In diesem Prozess rief er das lokale Suchtool aiso_do_search dreimal, das Datencrawling-Tool 360_crawl einmal, das Cloud-Code-Sandbox-Tool cloud-sandbox neunmal, das Zusammenfassungstool summary einmal und das Webseitengenerierungs-Tool gen_html einmal auf.

Am Ende erhielten wir einen 30-seitigen ausführlichen Bericht, der sechs Hauptabschnitte abdeckt: Analyse beliebter Stile, beliebte Farbtrends, Analyse beliebter Stile und Elemente, umfassende Bewertung beliebter Elemente, Stoff- und Technologietrends sowie passende Vorschläge und Anwendungen, die unsere ursprüngliche Ein-Satz-Aufgabe bei weitem übertreffen.

Mehrere Seiten mit Inhalten, die aus dem Bericht extrahiert wurden

Das folgende Video zeigt den gesamten Prozess, wie der In-Depth Research Agent von Nano AI die Aufgabe erledigt:

Mit 4-facher Geschwindigkeit abgespielt

Darüber hinaus generierte Nano AI auch eine dynamische Webseite, die die erzielten Analyseergebnisse anschaulicher darstellen kann:

Da Google kürzlich seinen Finanzbericht für das erste Quartal veröffentlicht hat, können wir Nano AI’s ‘Chief Industry Insight Officer’ Agent auch helfen lassen, ihn zu interpretieren.

Die Webseitenversion ist unter erreichbar, und der gesamte Arbeitsprozess ist im folgenden Video zu sehen:

Versuchen wir, Nano AI zu verwenden, um eine Filmkritik zu schreiben, die sich für das Posten auf Xiaohongshu für die kürzlich beliebte Fernsehserie ‘The Good Life’ eignet, und der voreingestellte Xiaohongshu-Browsing-Roboter kann die Aufgabe gut erledigen.

Vorsicht! Der Inhalt enthält Spoiler.

Das folgende Video zeigt den gesamten Arbeitsprozess von Nano AI.

Wir können sehen, dass Nano AI in diesem Prozess zwei Tools im Zusammenhang mit Xiaohongshu verwendet hat, darunter collect_relate_info_redbook zum Sammeln von Informationen auf Xiaohongshu und red_book_generate zum Generieren von Xiaohongshu-Inhalten; Darüber hinaus wurde auch browser_automation_task verwendet - dieses Tool kann den eingebauten Browser in der Nano AI-Anwendung öffnen, um Aufgaben auszuführen. Mit den entsprechenden Anweisungen können Sie dieses Tool auch verwenden, um Aufgaben wie das Buchen von Bahntickets, das Posten auf Weibo und das Erstellen von Notizen in einem Satz zu erledigen.

Schließlich können Benutzer auf Nano AI auch ganz einfach ihre eigenen MCP konfigurieren. Hier haben wir beispielsweise erfolgreich ein Tool zum Abfragen und Analysieren von Obsidian-Notizen mit nur wenigen Parametereinstellungen konfiguriert.

Konfigurieren Sie dann einfach einen Agenten, der das Tool aufruft, und wir können unsere gesammelten Notizen in Nano AI intelligent abrufen und analysieren. Das folgende Video zeigt ein Beispiel:

Die obigen Fälle sind nur die Spitze des Eisbergs der Fähigkeiten von Nano AI. Mit der MCP Toolbox gibt es viele andere Dinge, die Benutzer tun können, wie z. B. das Crawlen und Suchen von Informationen, das Generieren von Bild- und Videoinhalten, das Organisieren Ihrer Flomo-Fragmentnotizen durch KI und das Einfügen der Ergebnisse in den Notion-Arbeitsbereich, das Analysieren von Aktien, das Finden der kostengünstigsten Flugroute für Reisen nach Portugal, das Festlegen von Reise- oder Fitnessplänen, das Erstellen von Unternehmensberichten, das Verwalten von Cloud-Speicher-Repositories oder lokalen Dateien… Die einzige Grenze ist Ihre Vorstellungskraft!

MCP in der Toolbox verstecken: Wie Nano AI es macht

MCP oder Model Context Protocol wurde erstmals im November 2024 von Anthropic veröffentlicht. Es kann als eine wichtige ‘Brücke’ bezeichnet werden, die große Modelle mit der realen Welt verbindet - es ermöglicht Modellen, nicht nur Fragen zu beantworten, sondern auch Tools aufzurufen, Daten abzurufen und Aufgaben wie Menschen auszuführen. In diesem Jahr hat sich das Protokoll mit der zunehmenden Akzeptanz durch immer mehr Unternehmen zu einem De-facto-Standard bei der Verwendung von Tools durch LLM entwickelt, wodurch das Potenzial von KI-Agenten weiter freigesetzt wird.

Für die meisten Benutzer sind die typischen Bezeichnungen des MCP-Protokolls jedoch ‘Komplexität’, ‘hohe technische Schwelle’ und ‘exklusiv für Entwickler’. Wie kann diese Fähigkeit, die ursprünglich professionellen Ingenieuren gehörte, an jeden normalen Menschen weitergegeben werden?

Als Antwort auf dieses reale Problem lautet die Antwort von 360: Lehren Sie nicht mehr, MCP zu verstehen, sondern kapseln Sie es direkt in eine Reihe von ‘sichtbaren, anklickbaren und ergebnisvorhersagbaren’ Toolboxen ein.

1. Von der Konzeptvereinfachung zur Interaktionsdimensionsreduzierung

Das Nano AI-Team hat zunächst die Übersetzung von Konzepten vorgenommen: Benutzer müssen nicht verstehen, was MCP Server oder API Key ist, sie müssen nur wissen, dass dies ein verwendbares ‘Tool‘ oder eine ‘Fähigkeit‘ ist - weshalb wir den Begriff ‘Tool’ zuvor verwendet haben. Das Verpacken der ursprünglich obskuren Protokollschnittstelle in leicht verständliche Tool-Bezeichnungen wie ‘Suche’, ‘Schreiben’ und ‘Datenanalyse’ reduziert die kognitive Schwelle des Benutzers erheblich und ermöglicht es Benutzern, die Bedeutung des sogenannten MCP Servers für große KI-Modelle intuitiver zu verstehen. Dies ist die Designphilosophie der Nano AI Toolbox. Dahinter verbirgt sich die erneute Verkapselung des MCP-Protokolls und die technische Rekonstruktion der Schnittstellenschicht durch Nano AI.

Was Benutzer auf der Benutzeroberfläche sehen, ist eine einfache Auswahl und ein einfaches Ziehen, aber in Wirklichkeit ist es die Planung von mehr als 100 MCP-Servern, die von Nano AI selbst entwickelt wurden, oder eine sorgfältig ausgewählte Integration. Diese Tools decken Szenarien wie Büro, Akademiker, Finanzen, Suchmaschinen, Web-Crawling und Bildverarbeitung ab. Benutzer können große Modelle automatisch diese ‘externen Gehirne’ aufrufen lassen, um komplexe Aufgabenketten zu erledigen, ohne eine einzige Zeile Code zu schreiben.

Nano AI verfügt sogar über integrierte API-Schlüssel für mehrere MCP-Tools wie Firecrawl, Brava Search und AutoNavi Maps.

2. Durchbrechen der ‘letzten Meile’ zwischen Modellen und Tools

In der Vergangenheit waren große Modelle selbst mit leistungsstarken Sprachverständnisfähigkeiten immer noch im ‘Tool-Aufruf’-Inseleffekt gefangen. Der Ansatz von Nano AI besteht darin, das MCP-Protokoll als Zwischensprache zu verwenden, um den Zusammenarbeitsmechanismus von ‘großem Modell + Tool’ grundlegend zu durchbrechen.

Dies löst nicht nur das Problem des Aufrufs, sondern erweitert auch die tatsächliche Fähigkeitsgrenze des Modells erheblich. Benutzer müssen dem Agenten beispielsweise nur sagen ‘Hilf mir, einen NVIDIA-Aktienkursanalysebericht zu erstellen’, und der Agent kann die Aufgabenschritte automatisch aufschlüsseln, Suchmaschinen mobilisieren, Seiteninhalte crawlen, Analysecharts erstellen und einen klar strukturierten Bericht ausgeben. Während des Zeitraums können 5 bis 7 Tools aufgerufen werden, aber der Benutzer sieht nur eine Ergebnisseeite.

Dies ist genau die Verkörperung der ‘Tool-Kombinations’-Fähigkeit von MCP: Es ermöglicht es Agenten, Ressourcen unabhängig zu planen, Prozesse zu planen und während des Betriebs Trial-and-Error-Feedback und Selbstoptimierung durchzuführen, wodurch ein stark anthropomorphisierter Aufgabenlösungspfad entsteht.

3. Lokaler Betrieb, sicher und zuverlässig: Eingehende Politur des Technology Stack

Im Gegensatz zu vielen ‘Cloud Intelligent Bodies’ hat Nano AI einen schwierigeren, aber vielversprechenderen Weg gewählt: das lokale Bereitstellen von MCP-Clients, wodurch Benutzern eine größere Kontrolle erhalten.

Dies bringt mindestens drei wesentliche Vorteile mit sich:

• Anruffreiheit: Lokale intelligente Körper können auf das Dateisystem des Benutzers zugreifen, den Browser aufrufen und die Datenbank abrufen, um eine wirklich personalisierte Aufgabenverarbeitung zu erreichen.
• Durchbrechen von Barrieren: Als Reaktion auf die besonderen Bedürfnisse von KI hat 360 einen speziellen KI-Browser für Nano AI erstellt und ihn an die Mainstream-Plattformen in China angepasst. Er kann Anmeldebarrieren, Mensch-Maschine-Verifizierung und Informationsflussstörungen durchbrechen und Vorgänge wie die Anmeldung und das Schieben der Verifizierung automatisch abschließen.
• Sandbox-Garantie: Basierend auf der Sicherheitstechnologie von 360 wird Nano AI in Zukunft auch eine lokale Runtime-Sandbox einführen, die das große Modell überwachen, frühzeitig warnen und einschränken kann, um möglicherweise lokale Dateien in Echtzeit falsch zu bedienen, um die Datensicherheit zu gewährleisten.

Dieses gesamte System ermöglicht es Benutzern nicht nur, es zu ‘verwenden’, sondern es auch ‘sicher, effizient und skalierbar zu verwenden’.

4. Gegenüber massive Benutzer: Aufbau eines wirklich offenen MCP-Ökosystems

Nano AI kapselt nicht nur MCP-Tools, sondern hat auch die Führung bei der Erschließung eines offenen Kompetenzökosystems übernommen. Derzeit sind auf dieser Plattform mit einem monatlichen Besuchsvolumen von mehr als 400 Millionen mehr als 100 hochwertige MCP-Tools online, und es werden weitere MCP-Server von Drittanbietern eingegeben. Benutzer können Tool-Kompetenzen frei hochladen, wiederverwenden und kombinieren, um ihren eigenen KI-Agenten zu erstellen.

Für normale Benutzer bedeutet dies, dass es nicht mehr darum geht, ‘von anderen festgelegte KI zu verwenden’, sondern einen personalisierten KI-Assistenten nach ihren eigenen Bedürfnissen zu erstellen. Papieranalyse, Datengenerierung, Trendüberwachung, Webseitenkonstruktion, Aktienprognose… Solange eine Nachfrage besteht, gibt es Tools, die in Kombination verwendet werden können, und es gibt Aufgaben, die automatisch ausgeführt werden können.

Für die gesamte Branche bedeutet dies, dass sich die Agent-Technologie vom ‘geschlossenen System’ zum ‘ökologischen Netzwerk’-Stadium bewegt. Tools, Modelle und Aufgaben werden nicht mehr isoliert, sondern werden durch MCP als gemeinsame Sprache verbunden, wodurch ein beispielloses intelligentes Zusammenarbeitsmuster entsteht.

Technische Barrieren wurden durchbrochen: Intelligente Körper sinken zum C-Ende

Einst war die Schwelle für die Verwendung intelligenter Körper immer noch hoch am Türrahmen von Entwicklern. Mit der Einführung der Nano AI ‘MCP Toolbox’ hat MCP, ein Protokoll, das als KI-Automatisierungsinfrastruktur bekannt ist, zum ersten Mal in fast ‘narrensicherer’ Form Einzug in die Vision normaler Benutzer gehalten. Wie Zhou Hongyi, Vorsitzender der 360 Group, auf dem Sharing-Meeting vor der Veröffentlichung sagte: ‘Was MCP Server im Agenten automatisch aufgerufen wird, müssen Benutzer nicht wissen.’ Mit der Toolbox durchbricht Nano AI die technischen Barrieren von MCP und ermöglicht es intelligenten Körpern, weiter zum C-Ende abzusinken.

MCP in eine ‘Toolbox’ zu verwandeln klingt einfach, ist aber schwer zu bewerkstelligen. Dies testet nicht nur die Fähigkeit zur Integration von Technologie, sondern auch die ‘Empathie’ des Produktdenkens und des Benutzerverständnisses. Was Nano AI tut, ist, Komplexität im Kern zu verkapseln und den Benutzern Freiheit zu geben - so dass jede normale Person die Erlaubnis hat, wie Entwickler die ‘KI-Welt aufzurufen’.

Dieser Prozess ist keine einfache Konstruktion einer visuellen Oberfläche, sondern ein tiefgreifender Paradigmenwechsel der KI-Anwendung: Intelligente Körper sind nicht mehr nur Modelle, die sprechen und antworten können, sondern echte Partner mit der Fähigkeit, Fähigkeiten zu planen, Tools aufzurufen und Aufgaben zu erledigen.

Seitdem hat MCP wirklich begonnen, sich auf C-End-Benutzer zuzubewegen, was möglicherweise ein historischer Ausgangspunkt ist, an den man sich erinnern sollte.