En los últimos años, el campo de la Inteligencia Artificial ha sido testigo de rápidos avances tecnológicos, dando lugar a una plétora de nuevos términos como MoE, Reinforcement Learning, Agents, computer-use y A2A. Para los usuarios comunes que carecen de una formación técnica, estos términos y conceptos tecnológicos pueden ser abrumadores, lo que conlleva una importante carga cognitiva. En consecuencia, su interacción con la IA se limita a menudo a simples intercambios de preguntas y respuestas dentro de los cuadros de chat.
MCP, o Model Context Protocol, es uno de estos conceptos técnicos. Durante el último año, los agentes de IA han evolucionado rápidamente, y los protocolos MCP han surgido como una capacidad subyacente crítica que soporta la automatización de tareas complejas. Sin embargo, la actual revolución de MCP todavía parece ser el dominio exclusivo de los desarrolladores, con documentación de protocolo oscura, registro de herramientas complejas y altas barreras para la configuración personalizada. Como resultado, la mayoría de los usuarios comunes sólo pueden observar desde la distancia y les resulta difícil obtener una experiencia práctica real.
Sin embargo, esta situación está cambiando. El 23 de abril, Nano AI, una subsidiaria de 360, anunció el lanzamiento de la ‘MCP Toolbox‘ diseñada para usuarios individuales. Este producto está hecho a medida para usuarios comunes sin conocimientos técnicos, lo que permite a todos dominar el uso de la IA de vanguardia con costos mínimos de aprendizaje.
Este producto no sólo es totalmente compatible con el protocolo MCP, sino que también puede ejecutar tareas de agentes basadas en diversas infraestructuras de modelos grandes. Además, cuenta con potentes capacidades como la invocación automática de herramientas externas, el acceso a bases de conocimiento de IA y el soporte de flujos de tareas definidos por el usuario. Crucialmente, el umbral operativo se ha reducido significativamente, no requiere habilidades de codificación, y se puede utilizar simplemente abriendo un cuadro de chat.
Actualmente, Super Agent ha lanzado pruebas públicas. Desde modelos a protocolos, ecosistemas de herramientas y orquestación de tareas personalizadas, Nano AI parece estar apuntando a una innovación a nivel de producto que realmente lleve los agentes de IA a la vida diaria de todos.
Entonces, ¿cuán buena es la ‘MCP Toolbox’ de Nano AI? Para responder a esta pregunta, el equipo de Machine Heart, tras obtener las cualificaciones de pruebas internas, llevó a cabo una serie de pruebas.
Experiencia práctica con la Toolbox: MCP simplificado
El uso de la ‘MCP Toolbox’ de Nano AI tiene una barrera de entrada muy baja. Los usuarios sólo necesitan descargar e instalar la aplicación Nano AI y, a continuación, registrarse e iniciar sesión, sin ninguna configuración adicional.
Al entrar en la página actualizada ‘Agent’, podemos ver que Nano AI ha clasificado los agentes existentes en varias categorías amplias, incluyendo la investigación en profundidad, el trabajo y la eficiencia, y los asistentes de vida. Al mismo tiempo, también proporciona acceso a la Toolbox y a un cuadrado de estudios de caso.
Al entrar en la Toolbox, podemos ver que Nano AI ya ha configurado más de 100 MCP Servers (este número aumentó de 120 a 132 durante la escritura de este artículo), incluyendo una docena de herramientas MCP desarrolladas por la propia Nano AI y cientos de herramientas MCP de terceros, que cubren varios escenarios como la colaboración en la oficina, la academia, los servicios de vida, los motores de búsqueda, las finanzas, el entretenimiento multimedia y el rastreo de datos, lo que lo convierte en el mayor ecosistema MCP de China. Además, Nano AI también permite a los usuarios configurar sus propios MCP Servers. A continuación, utilizaremos el término ‘Herramienta‘ en lugar de ‘MCP Server’, y la razón de ello se explicará en detalle más adelante.
En primer lugar, probemos una aplicación que a los lectores de Machine Heart les resultará más atractiva: buscar y organizar los resultados de investigaciones recientes en arXiv relacionados con un tema de investigación específico.
Primero busquemos en la Toolbox y descubramos que las herramientas preestablecidas de Nano AI ya incluyen ‘arXiv Search’, por lo que no necesitamos configurarlo nosotros mismos. Mirando hacia atrás, también podemos ver que Nano AI ya tiene muchos agentes que soportan la recuperación de documentos arXiv. Elegiremos ‘Professional Paper Search’ como nuestro primer paso. Podemos ver que este agente está configurado con cuatro herramientas: Nano AI Super Search, arXiv Search, Google Scholar y Academic Search, lo que satisface perfectamente nuestras necesidades. Escriba un prompt y ejecute:
Recuperar los resultados de la investigación relacionados con el aprendizaje por refuerzo en arXiv en el último mes, clasificarlos según la investigación teórica, las mejoras tecnológicas y las aplicaciones, y proporcionar una interpretación sencilla de los avances importantes.
El proceso de trabajo de ‘Professional Paper Search’ es el siguiente:
Esta tarea es muy sencilla. El agente sólo llamó a la herramienta ‘arXiv Search’ una vez, y por lo tanto completó la tarea en menos de medio minuto, seleccionando dos resultados de investigación representativos en cada una de las tres categorías.
A continuación, pruebe el agente de planificación de ciclismo utilizando el comando: ‘¿Hay alguna buena ruta de ciclismo cerca del puente de Guanyin en Chongqing?’
Podemos ver que este agente utilizó tres herramientas: mapas_weather de amapmcpserver-cloud (para consultar el tiempo) y maps_direction_bicycling (para establecer rutas) y gen_html (para generar páginas web), ejecutando durante un total de 362 segundos, y finalmente obtuvo la página web dinámica que se muestra arriba. También puede acceder a ella a través de este enlace: . Sí, ¡puede compartir públicamente la página web generada!
A continuación, vamos a aumentar la dificultad. Esta vez nuestro requisito es ‘Buscar en la red, analizar las tendencias actuales de la moda femenina y emitir un informe de análisis de elementos de la moda femenina’. Esta vez utilizaremos directamente el ‘Agente de Investigación en Profundidad’ de Nano AI, que puede elegir utilizar las herramientas apropiadas de acuerdo con las necesidades específicas del usuario, incluyendo los Servidores MCP y el navegador incorporado para completar varias tareas de uso de la computadora. Por supuesto, por lo tanto, el Agente de Investigación en Profundidad a menudo tarda mucho más en ejecutar una tarea, hasta decenas de minutos.
Al ejecutar la tarea, el Agente de Investigación en Profundidad primero planificará los pasos a ejecutar de acuerdo con los requisitos de la tarea, y luego ejecutará los pasos paso a paso de acuerdo con el plan.
Los pasos de ejecución generados por el Agente de Investigación en Profundidad para esta tarea específica se muestran en la siguiente figura.
En primer lugar, buscó contenido relacionado con las tendencias actuales de la moda femenina en varios sitios web, luego analizó el contenido buscado y visualizó los resultados. Finalmente, dio el informe final.
En este proceso, llamó a la herramienta de búsqueda local aiso_do_search tres veces, a la herramienta de rastreo de datos 360_crawl una vez, a la herramienta de sandbox de código en la nube cloud-sandbox nueve veces, a la herramienta de resumen summary una vez y a la herramienta de generación de páginas web gen_html una vez.
Al final, obtuvimos un informe en profundidad de 30 páginas, que abarca seis secciones principales: análisis temático de estilo popular, tendencias de color popular, análisis de estilos y elementos popular, evaluación exhaustiva de elementos popular, tendencias de tejidos y tecnología, y sugerencias de combinación y aplicaciones, superando con creces nuestra tarea inicial de una frase.
Varias páginas de contenido extraídas del informe
El siguiente vídeo muestra todo el proceso del Agente de Investigación en Profundidad de Nano AI completando la tarea:
Reproducido a 4x velocidad
No sólo eso, Nano AI también generó una página web dinámica que puede mostrar más vívidamente los resultados del análisis obtenidos:
Además, teniendo en cuenta que Google publicó recientemente su informe financiero del primer trimestre, también podemos dejar que el agente ‘Chief Industry Insight Officer’ de Nano AI nos ayude a interpretarlo.
Se puede acceder a su versión de página web en: , y todo el proceso de trabajo se puede ver en el siguiente vídeo:
Vamos a intentar usar Nano AI para escribir una reseña de película adecuada para publicar en Xiaohongshu para la serie de televisión recientemente popular ‘The Good Life’, y el robot de navegación Xiaohongshu preestablecido puede hacer bien el trabajo.
¡Cuidado! El contenido contendrá spoilers.
El siguiente vídeo muestra todo el proceso de trabajo de Nano AI.
Podemos ver que en este proceso, Nano AI utilizó dos herramientas relacionadas con Xiaohongshu, incluyendo collect_relate_info_redbook para recopilar información en Xiaohongshu y red_book_generate para generar contenido Xiaohongshu; además, también utilizó browser_automation_task - esta herramienta puede abrir el navegador incorporado en la aplicación Nano AI para realizar tareas. Con las instrucciones adecuadas, también puede utilizar esta herramienta para completar tareas como reservar billetes de tren, publicar en Weibo y tomar notas en una frase.
Finalmente, en Nano AI, los usuarios también pueden configurar fácilmente su propio MCP. Por ejemplo, aquí, configuramos con éxito una herramienta para consultar y analizar notas de Obsidian con sólo unos pocos ajustes de parámetros.
Entonces, sólo tiene que configurar un agente que llame a la herramienta, y podemos recuperar y analizar inteligentemente nuestras notas recogidas en Nano AI. El siguiente vídeo muestra un ejemplo:
Los casos anteriores son sólo la punta del iceberg de las capacidades de Nano AI. Con la MCP Toolbox, hay muchas otras cosas que los usuarios pueden hacer, tales como rastrear y buscar información, generar imágenes y contenido de vídeo, dejar que la IA organice sus notas de fragmentos de flomo y poner los resultados en el espacio de trabajo Notion, analizar las acciones, encontrar la ruta de vuelo más rentable para viajar a Portugal, especificar los planes de viaje o de fitness, crear informes de la empresa, gestionar los repositorios de almacenamiento en la nube o los archivos locales… ¡El único límite es su imaginación!
Ocultar MCP en la Toolbox: Cómo lo hace Nano AI
MCP, o Model Context Protocol, fue lanzado por primera vez por Anthropic en noviembre de 2024. Se puede decir que es un ‘puente’ importante que conecta los grandes modelos con el mundo real - permite a los modelos no sólo responder a las preguntas, sino también llamar a las herramientas, obtener datos y ejecutar tareas como los humanos. Este año, a medida que más y más empresas adoptan el protocolo, se ha convertido en un estándar de facto en el uso de herramientas de LLM, liberando aún más el potencial de los agentes de IA.
Sin embargo, para la mayoría de los usuarios, las etiquetas típicas del protocolo MCP son ‘complejidad’, ‘alto umbral técnico’ y ‘exclusivo para desarrolladores’. ¿Cómo entregar esta capacidad, que originalmente pertenecía a los ingenieros profesionales, a todas las personas comunes?
En respuesta a este problema real, la respuesta de 360 es: ya no le enseñe a entender MCP, sino que directamente lo encapsule en un conjunto de toolbox ‘visibles, clicables y con resultados predecibles’.
1. De la simplificación de conceptos a la reducción de la dimensión de la interacción
El equipo de Nano AI primero hizo la traducción de conceptos: los usuarios no necesitan entender qué es MCP Server o API Key, sólo necesitan saber que esta es una ‘herramienta‘ o ‘habilidad‘ utilizable - que es por qué utilizamos el término ‘herramienta’ antes. Empaquetar la interfaz del protocolo originalmente oscura en etiquetas de herramientas fáciles de entender como ‘búsqueda’, ‘escritura’ y ‘análisis de datos’ reduce en gran medida el umbral cognitivo del usuario y permite a los usuarios entender más intuitivamente el significado del llamado MCP Server a los grandes modelos de IA. Esta es la filosofía de diseño de la Nano AI Toolbox. Detrás de esto está la re-encapsulación de Nano AI del protocolo MCP y la reconstrucción de ingeniería de la capa de interfaz.
Lo que los usuarios ven en la interfaz es una simple selección y arrastre, pero en realidad, está programando más de 100 MCP Servers desarrollados por la propia Nano AI o una integración cuidadosamente seleccionada. Estas herramientas cubren escenarios como la oficina, la academia, las finanzas, los motores de búsqueda, el rastreo web y el procesamiento de imágenes. Los usuarios pueden dejar que los grandes modelos llamen automáticamente a estos ‘cerebros externos’ para completar complejas cadenas de tareas sin escribir una línea de código.
Nano AI incluso tiene incorporado API Keys para múltiples herramientas MCP como Firecrawl, Brava Search y AutoNavi Maps.
2. Romper la ‘última milla’ entre los modelos y las herramientas
En el pasado, incluso si los grandes modelos tuvieran poderosas capacidades de comprensión del lenguaje, todavía estaban atrapados en el efecto isla de ‘llamada de herramientas’. El enfoque de Nano AI es utilizar el protocolo MCP como un lenguaje intermediario, rompiendo fundamentalmente el mecanismo de colaboración de ‘gran modelo + herramienta’.
Esto no sólo resuelve el problema de la llamada, sino que también amplía en gran medida el límite de capacidad real del modelo. Por ejemplo, los usuarios sólo necesitan decirle al agente ‘Ayúdame a generar un informe de análisis del precio de las acciones de NVIDIA’, y el agente puede descomponer automáticamente los pasos de la tarea, movilizar los motores de búsqueda, rastrear el contenido de la página, generar gráficos de análisis y generar un informe claramente estructurado. Durante el período, se pueden llamar de 5 a 7 herramientas, pero el usuario sólo ve una página de resultados.
Estaes precisamente la encarnación de la capacidad de ‘combinación de herramientas’ de MCP: permite a los agentes programar independientemente los recursos, planificar los procesos y llevar a cabo la retroalimentación de prueba y error y la auto-optimización durante el funcionamiento, formando una ruta de resolución de tareas altamente antropomórfica.
3. Operación local, segura y fiable: pulido en profundidad de la pila de tecnología
A diferencia de muchos ‘cuerpos inteligentes en la nube’, Nano AI eligió un camino más difícil pero más prometedor: desplegar clientes MCP localmente, dando a los usuarios un mayor control.
Esto trae al menos tres ventajas clave:
- Libertad de llamada: los cuerpos inteligentes locales pueden acceder al sistema de archivos del usuario, llamar al navegador y recuperar la base de datos para lograr un verdadero procesamiento de tareas personalizado.
- Romper las barreras: en respuesta a las necesidades únicas de la IA, 360 ha creado un navegador de IA dedicado para Nano AI y lo ha adaptado a las plataformas principales en China. Puede romper los muros de inicio de sesión, la verificación hombre-máquina y la interferencia del flujo de información, y completar automáticamente operaciones como el inicio de sesión y la verificación deslizante.
- Garantía de Sandbox: basándose en la acumulación de tecnología de seguridad de 360, Nano AI también introducirá un sandbox de tiempo de ejecución local en el futuro, que puede supervisar, advertir tempranamente y restringir al gran modelo de posiblemente operar mal los archivos locales en tiempo real para garantizar la seguridad de los datos.
Todo este sistema no sólo permite a los usuarios ‘usarlo’, sino también ‘usarlo de forma segura, eficiente y escalable’.
4. Enfrentándose a usuarios masivos: Construyendo un ecosistema MCP verdaderamente abierto
Nano AI no sólo encapsula las herramientas MCP, sino que también tomó la iniciativa de abrir un ecosistema de habilidades abiertas. En la actualidad, esta plataforma con un volumen de visitas mensuales de más de 400 millones tiene más de 100 herramientas MCP de alta calidad en línea, y se están introduciendo más servidores MCP de terceros. Los usuarios pueden cargar, reutilizar y combinar libremente las habilidades de las herramientas para crear su propio agente de IA.
Para los usuarios comunes, esto significa que ya no es ‘usar la IA establecida por otros’, sino que puede construir un asistente de IA personalizado de acuerdo con sus propias necesidades. Análisis de papel, generación de datos, monitorización de tendencias, construcción de páginas web, predicción de acciones… Siempre y cuando haya una demanda, hay herramientas que se pueden utilizar en combinación, y hay tareas que se pueden ejecutar automáticamente.
Para toda la industria, esto significa que la tecnología de agentes está pasando de la etapa de ‘sistema cerrado’ a la ‘red ecológica’. Las herramientas, los modelos y las tareas ya no estarán aislados, sino que estarán vinculados por MCP como un lenguaje común, creando un patrón de colaboración inteligente sin precedentes.
Las barreras técnicas se han roto: los cuerpos inteligentes se hunden hasta el extremo C
Érase una vez, el umbral para el uso de cuerpos inteligentes todavía era alto en el marco de la puerta de los desarrolladores. Ahora, con el lanzamiento de Nano AI ‘MCP Toolbox’, MCP, un protocolo conocido como infraestructura de automatización de IA, ha entrado en la visión de los usuarios comunes por primera vez en una forma casi ‘estilo tonto’. Como dijo Zhou Hongyi, presidente de 360 Group, en la reunión de intercambio antes del lanzamiento: ‘Lo que MCP Server se llama automáticamente en el agente, los usuarios no necesitan saberlo’. Con la toolbox, Nano AI está rompiendo las barreras técnicas de MCP y permitiendo que los cuerpos inteligentes se hundan aún más hasta el extremo C.
Hacer de MCP una ‘toolbox’ suena fácil, pero es difícil de hacer. Esto no sólo pone a prueba la capacidad de integrar la tecnología, sino que también pone a prueba la ‘empatía’ del pensamiento del producto y la comprensión del usuario. Lo que Nano AI está haciendo es encapsular la complejidad en el núcleo y dar libertad a los usuarios - para que cada persona común pueda tener el permiso de ‘llamar al mundo de la IA’ como los desarrolladores.
Este proceso no es una simple construcción de interfaz visual, sino un profundo cambio de paradigma de aplicación de la IA: los cuerpos inteligentes ya no son sólo modelos que pueden hablar y responder, sino verdaderos socios con la capacidad de programar capacidades, llamar a herramientas y completar tareas.
Desde entonces, MCP ha comenzado verdaderamente a moverse hacia los usuarios del extremo C, lo que puede ser un punto de partida histórico que vale la pena recordar.