W ostatnich latach dziedzina sztucznej inteligencji (Artificial Intelligence) była świadkiem gwałtownego postępu technologicznego, co doprowadziło do powstania wielu nowych terminów, takich jak MoE, Reinforcement Learning, Agenci, computer-use i A2A. Dla zwykłych użytkowników bez zaplecza technicznego terminy te i koncepcje technologiczne mogą być przytłaczające, co prowadzi do znacznego obciążenia poznawczego. W konsekwencji ich interakcja z AI często ogranicza się do prostych wymian pytań i odpowiedzi w oknach czatu.
MCP, czyli Model Context Protocol, to jedna z tych technicznych koncepcji. W ciągu ostatniego roku agenci AI szybko ewoluowali, a protokoły MCP stały się kluczową bazową możliwością wspierającą złożoną automatyzację zadań. Jednak obecna rewolucja MCP nadal wydaje się być wyłączną domeną programistów, z niejasną dokumentacją protokołów, złożoną rejestracją narzędzi i wysokimi barierami dla spersonalizowanej konfiguracji. W rezultacie większość zwykłych użytkowników może jedynie obserwować z dystansu i trudno im naprawdę zdobyć praktyczne doświadczenie.
Jednak ta sytuacja się zmienia. 23 kwietnia Nano AI, spółka zależna 360, ogłosiła uruchomienie ‘MCP Toolbox‘ zaprojektowanego dla indywidualnych użytkowników. Ten produkt jest dostosowany do zwykłych użytkowników bez zaplecza technicznego, umożliwiając każdemu opanowanie najnowocześniejszego wykorzystania AI przy minimalnych kosztach uczenia się.
Ten produkt nie tylko w pełni obsługuje protokół MCP, ale może również uruchamiać zadania agentów w oparciu o różne infrastruktury dużych modeli. Ponadto oferuje potężne możliwości, takie jak automatyczne wywoływanie zewnętrznych narzędzi, dostęp do baz wiedzy AI i obsługa zdefiniowanych przez użytkownika przepływów zadań. Co najważniejsze, próg operacyjny został znacznie obniżony, nie wymaga umiejętności kodowania i można go używać po prostu otwierając okno czatu.
Obecnie Super Agent uruchomił publiczne testy. Od modeli po protokoły, ekosystemy narzędzi i spersonalizowane orkiestracje zadań, Nano AI wydaje się dążyć do innowacji na poziomie produktu, która naprawdę wprowadza agentów AI do codziennego życia każdego.
Jak dobry jest więc ‘MCP Toolbox’ od Nano AI? Aby odpowiedzieć na to pytanie, zespół Machine Heart, po uzyskaniu wewnętrznych kwalifikacji do testowania, przeprowadził serię testów.
Praktyczne Doświadczenie z Toolbox: MCP Uproszczone
Korzystanie z Nano AI ‘MCP Toolbox’ ma bardzo niski próg wejścia. Użytkownicy muszą jedynie pobrać i zainstalować aplikację Nano AI, a następnie zarejestrować się i zalogować, bez żadnej dodatkowej konfiguracji.
Po wejściu na zaktualizowaną stronę ‘Agent’ możemy zobaczyć, że Nano AI skategoryzowało istniejących agentów na kilka szerokich kategorii, w tym badania pogłębione, praca i efektywność oraz asystenci życia. Jednocześnie zapewnia również dostęp do Toolbox i kwadratu studiów przypadku.
Wchodząc do Toolbox, możemy zobaczyć, że Nano AI skonfigurowało już ponad 100 serwerów MCP (liczba ta wzrosła ze 120 do 132 podczas pisania tego artykułu), w tym kilkanaście narzędzi MCP opracowanych przez samo Nano AI i setki narzędzi MCP stron trzecich, obejmujących różne scenariusze, takie jak współpraca biurowa, akademickie, usługi życiowe, wyszukiwarki, finanse, rozrywka medialna i gromadzenie danych, co czyni go największym ekosystemem MCP w Chinach. Ponadto Nano AI obsługuje również użytkowników w konfigurowaniu własnych serwerów MCP. Poniżej będziemy używać terminu ‘Narzędzie‘ zamiast ‘Serwer MCP’, a powód tego zostanie szczegółowo wyjaśniony później.
Najpierw przetestujmy aplikację, która najbardziej spodoba się czytelnikom Machine Heart: wyszukiwanie i organizowanie najnowszych wyników badań na arXiv związanych z określonym tematem badawczym.
Najpierw wyszukajmy Toolbox i przekonajmy się, że wstępnie ustawione narzędzia Nano AI obejmują już ‘arXiv Search’, więc nie musimy go konfigurować samodzielnie. Patrząc wstecz, możemy również zobaczyć, że Nano AI ma już wielu agentów, którzy obsługują pobieranie artykułów z arXiv. Wybierzemy ‘Professional Paper Search’ jako nasz pierwszy krok. Widzimy, że ten agent jest skonfigurowany z czterema narzędziami: Nano AI Super Search, arXiv Search, Google Scholar i Academic Search, co doskonale spełnia nasze potrzeby. Napisz zapytanie i wykonaj:
Pobierz wyniki badań związane z uczeniem się przez wzmacnianie na arXiv w ciągu ostatniego miesiąca, sklasyfikuj je zgodnie z badaniami teoretycznymi, ulepszeniami technologicznymi i zastosowaniami, i przedstaw proste wyjaśnienie ważnego postępu.
Proces pracy ‘Professional Paper Search’ jest następujący:
To zadanie jest bardzo proste. Agent wywołał narzędzie ‘arXiv Search’ tylko raz, a zatem ukończył zadanie w mniej niż pół minuty, wybierając dwa reprezentatywne wyniki badań w każdej z trzech kategorii.
Następnie wypróbujmy agenta planowania jazdy na rowerze, używając polecenia: ‘Czy są jakieś dobre trasy rowerowe w pobliżu mostu Guanyin w Chongqing?’
Widzimy, że ten agent użył trzech narzędzi: maps_weather amapmcpserver-cloud (do wyszukiwania pogody) i maps_direction_bicycling (do ustawiania tras) i gen_html (do generowania stron internetowych), działając przez łącznie 362 sekundy, i wreszcie uzyskał dynamiczną stronę internetową pokazaną powyżej. Możesz również uzyskać do niego dostęp za pośrednictwem tego linku: . Tak, możesz publicznie udostępniać wygenerowaną stronę internetową!
Następnie zwiększmy trudność. Tym razem nasze wymaganie brzmi: ‘Przeszukaj sieć, przeanalizuj aktualne trendy w modzie damskiej i wydaj raport z analizy elementów mody damskiej’. Tym razem użyjemy bezpośrednio ‘In-Depth Research Agent’ od Nano AI, który może wybrać odpowiednie narzędzia zgodnie z konkretnymi potrzebami użytkownika, w tym serwery MCP i wbudowaną przeglądarkę, aby wykonywać różne zadania związane z korzystaniem z komputera. Oczywiście dlatego In-Depth Research Agent często potrzebuje znacznie więcej czasu na wykonanie zadania, nawet do kilkudziesięciu minut.
Podczas wykonywania zadania In-Depth Research Agent najpierw zaplanuje kroki do wykonania zgodnie z wymaganiami zadania, a następnie wykona kroki krok po kroku zgodnie z planem.
Kroki wykonania wygenerowane przez In-Depth Research Agent dla tego konkretnego zadania przedstawiono na poniższym rysunku.
Najpierw wyszukał treści związane z aktualnymi trendami w modzie damskiej na wielu stronach internetowych, następnie przeanalizował wyszukane treści i zwizualizował wyniki. Wreszcie przedstawił raport końcowy.
W tym procesie wywołał narzędzie do wyszukiwania lokalnego aiso_do_search trzy razy, narzędzie do gromadzenia danych 360_crawl raz, narzędzie do piaskownicy kodu w chmurze cloud-sandbox dziewięć razy, narzędzie do podsumowywania summary raz i narzędzie do generowania stron internetowych gen_html raz.
W końcu uzyskaliśmy 30-stronicowy szczegółowy raport, obejmujący sześć głównych sekcji: analiza popularnych motywów stylistycznych, popularne trendy kolorystyczne, popularne style i analiza elementów, kompleksowa ocena popularnych elementów, trendy w tkaninach i technologiach oraz sugestie dotyczące dopasowywania i zastosowania, znacznie przekraczające nasze początkowe zadanie jednowierszowe.
Kilka stron treści wyodrębnionych z raportu
Poniższy film pokazuje cały proces wykonywania zadania przez In-Depth Research Agent od Nano AI:
Odtwarzane z prędkością 4x
Co więcej, Nano AI wygenerowało również dynamiczną stronę internetową, która może bardziej obrazowo wyświetlać uzyskane wyniki analizy:
Ponadto, biorąc pod uwagę, że Google niedawno opublikował swój raport finansowy za pierwszy kwartał, możemy również pozwolić agentowi ‘Chief Industry Insight Officer’ od Nano AI pomóc nam go zinterpretować.
Jego wersja strony internetowej jest dostępna pod adresem: , a cały proces pracy można zobaczyć w poniższym filmie:
Spróbujmy użyć Nano AI do napisania recenzji filmu odpowiedniej do opublikowania na Xiaohongshu dla popularnego serialu telewizyjnego ‘The Good Life’, a wstępnie ustawiony robot do przeglądania Xiaohongshu może dobrze wykonać to zadanie.
Uwaga! Treść będzie zawierać spoilery.
Poniższy film pokazuje cały proces pracy Nano AI.
Widzimy, że w tym procesie Nano AI użyło dwóch narzędzi związanych z Xiaohongshu, w tym collect_relate_info_redbook do zbierania informacji na Xiaohongshu i red_book_generate do generowania treści Xiaohongshu; ponadto użyło również browser_automation_task - to narzędzie może otworzyć wbudowaną przeglądarkę w aplikacji Nano AI do wykonywania zadań. Z odpowiednimi instrukcjami możesz również użyć tego narzędzia do wykonywania zadań, takich jak rezerwacja biletów na pociąg, publikowanie na Weibo i robienie notatek w jednym zdaniu.
Wreszcie, na Nano AI użytkownicy mogą również łatwo konfigurować własne MCP. Na przykład tutaj, z powodzeniem skonfigurowaliśmy narzędzie do wyszukiwania i analizowania notatek Obsidian za pomocą zaledwie kilku ustawień parametrów.
Następnie po prostu skonfiguruj agenta, który wywołuje narzędzie, a będziemy mogli inteligentnie wyszukiwać i analizować nasze zebrane notatki w Nano AI. Poniższy film pokazuje przykład:
Powyższe przypadki to tylko wierzchołek góry lodowej możliwości Nano AI. Dzięki MCP Toolbox jest wiele innych rzeczy, które użytkownicy mogą zrobić, takie jak przeszukiwanie i wyszukiwanie informacji, generowanie obrazów i treści wideo, pozwalanie AI na organizowanie notatek fragmentów flomo i umieszczanie wyników w przestrzeni roboczej Notion, analizowanie akcji, znajdowanie najbardziej opłacalnej trasy lotu do Portugalii, określanie planów podróży lub fitness, tworzenie raportów firmowych, zarządzanie repozytoriami przechowywania w chmurze lub lokalnymi plikami… Jedynym ograniczeniem jest Twoja wyobraźnia!
Ukrywanie MCP w Toolbox: Jak Robi To Nano AI
MCP, czyli Model Context Protocol, został po raz pierwszy wydany przez Anthropic w listopadzie 2024 roku. Można powiedzieć, że jest to ważny ‘most’ łączący duże modele z rzeczywistym światem - pozwala modelom nie tylko odpowiadać na pytania, ale także wywoływać narzędzia, uzyskiwać dane i wykonywać zadania jak ludzie. W tym roku, gdy coraz więcej firm przyjmuje protokół, stał się on de facto standardem w wykorzystaniu narzędzi przez LLM, co dodatkowo uwalnia potencjał agentów AI.
Jednak dla większości użytkowników typowe etykiety protokołu MCP to ‘złożoność’, ‘wysoki próg techniczny’ i ‘wyłącznie dla programistów’. Jak przekazać tę umiejętność, która pierwotnie należała do profesjonalnych inżynierów, każdej zwykłej osobie?
W odpowiedzi na ten realny problem odpowiedź 360 brzmi: przestań uczyć się rozumieć MCP, ale bezpośrednio zamknij go w zestawie ‘widocznych, klikalnych i przewidywalnych wyników’ toolbox.
1. Od Uproszczenia Koncepcji do Redukcji Wymiarów Interakcji
Zespół Nano AI najpierw dokonał tłumaczenia koncepcji: użytkownicy nie muszą rozumieć, czym jest serwer MCP lub klucz API, muszą tylko wiedzieć, że jest to użyteczne ‘narzędzie‘ lub ‘umiejętność‘ - dlatego wcześniej użyliśmy terminu ‘narzędzie’. Pakowanie pierwotnie niejasnego interfejsu protokołu w łatwe do zrozumienia etykiety narzędzi, takie jak ‘wyszukiwanie’, ‘pisanie’ i ‘analiza danych’, znacznie zmniejsza próg poznawczy użytkownika i pozwala użytkownikom bardziej intuicyjnie zrozumieć znaczenie tak zwanego serwera MCP dla dużych modeli AI. To jest filozofia projektowania Nano AI Toolbox. Za tym kryje się ponowne hermetyzacja protokołu MCP przez Nano AI i rekonstrukcja inżynieryjna warstwy interfejsu.
To, co użytkownicy widzą w interfejsie, to prosty wybór i przeciąganie, ale w rzeczywistości jest to planowanie ponad 100 serwerów MCP opracowanych przez samo Nano AI lub starannie wybraną integrację. Narzędzia te obejmują scenariusze takie jak biuro, akademickie, finanse, wyszukiwarki, indeksowanie stron internetowych i przetwarzanie obrazów. Użytkownicy mogą pozwolić dużym modelom automatycznie wywoływać te ‘zewnętrzne mózgi’ do wykonywania złożonych łańcuchów zadań bez pisania ani jednej linii kodu.
Nano AI ma nawet wbudowane klucze API dla wielu narzędzi MCP, takich jak Firecrawl, Brava Search i AutoNavi Maps.
2. Przełamywanie ‘Ostatniej Mili’ Między Modelami a Narzędziami
W przeszłości, nawet jeśli duże modele miały potężne możliwości rozumienia języka, nadal były uwięzione w efekcie wyspy ‘wywoływania narzędzi’. Podejście Nano AI polega na użyciu protokołu MCP jako języka pośredniczącego, zasadniczo przełamując mechanizm współpracy ‘duży model + narzędzie’.
To nie tylko rozwiązuje problem wywoływania, ale także znacznie rozszerza rzeczywistą granicę możliwości modelu. Na przykład, użytkownicy muszą tylko powiedzieć agentowi ‘Pomóż mi wygenerować raport z analizy cen akcji NVIDIA’, a agent może automatycznie rozłożyć kroki zadania, zmobilizować wyszukiwarki, indeksować zawartość strony, generować wykresy analiz i wyświetlać przejrzyście ustrukturyzowany raport. W tym okresie można wywołać od 5 do 7 narzędzi, ale użytkownik widzi tylko jedną stronę wyników.
To właśnie jest ucieleśnieniem zdolności ‘połączenia narzędzi’ MCP: pozwala agentom niezależnie planować zasoby, planować procesy i przeprowadzać próby i błędy oraz samooptymalizację podczas działania, tworząc wysoce antropomorficzną ścieżkę rozwiązywania zadań.
3. Lokalna Operacja, Bezpieczna i Niezawodna: Dogłębne Polerowanie Stosu Technologicznego
W przeciwieństwie do wielu ‘inteligentnych ciał w chmurze’, Nano AI wybrało trudniejszą, ale bardziej obiecującą ścieżkę: wdrażanie klientów MCP lokalnie, dając użytkownikom większą kontrolę.
To przynosi co najmniej trzy kluczowe zalety:
- Swoboda Wywoływania: Lokalne inteligentne ciała mogą uzyskiwać dostęp do systemu plików użytkownika, wywoływać przeglądarkę i pobierać bazę danych, aby osiągnąć prawdziwie spersonalizowane przetwarzanie zadań.
- Przełamywanie Barier: W odpowiedzi na unikalne potrzeby AI, 360 stworzyło dedykowaną przeglądarkę AI dla Nano AI i dostosowało ją do głównych platform w Chinach. Może przełamywać ściany logowania, weryfikację człowiek-maszyna i zakłócenia przepływu informacji oraz automatycznie wykonywać operacje, takie jak logowanie i przesuwanie weryfikacji.
- Gwarancja Piaskownicy: W oparciu o akumulację technologii bezpieczeństwa 360, Nano AI wprowadzi również lokalną piaskownicę środowiska uruchomieniowego w przyszłości, która może monitorować, wcześnie ostrzegać i ograniczać duży model od ewentualnego niewłaściwego działania na lokalnych plikach w czasie rzeczywistym, aby zapewnić bezpieczeństwo danych.
Cały ten system nie tylko pozwala użytkownikom ‘używać’ go, ale także ‘używać go bezpiecznie, wydajnie i skalowalnie’.
4. W Obliczu Masowych Użytkowników: Budowanie Naprawdę Otwartego Ekosystemu MCP
Nano AI nie tylko hermetyzuje narzędzia MCP, ale także jako pierwszy otworzył otwarty ekosystem umiejętności. Obecnie ta platforma z miesięczną liczbą odwiedzin przekraczającą 400 milionów ma ponad 100 wysokiej jakości narzędzi MCP online, a więcej serwerów MCP stron trzecich jest wprowadzanych. Użytkownicy mogą swobodnie przesyłać, ponownie wykorzystywać i łączyć umiejętności narzędzi, aby tworzyć własnego agenta AI.
Dla zwykłych użytkowników oznacza to, że nie jest to już ‘używanie AI ustawionej przez innych’, ale może zbudować spersonalizowanego asystenta AI zgodnie z własnymi potrzebami. Analiza artykułów, generowanie danych, monitorowanie trendów, konstruowanie stron internetowych, przewidywanie akcji… Dopóki istnieje popyt, istnieją narzędzia, które można używać w połączeniu, i istnieją zadania, które można wykonać automatycznie.
Dla całej branży oznacza to, że technologia agentów przechodzi z ‘zamkniętego systemu’ do etapu ‘sieci ekologicznej’. Narzędzia, modele i zadania nie będą już izolowane, ale będą połączone przez MCP jako wspólny język, tworząc bezprecedensowy inteligentny wzorzec współpracy.
Bariery Techniczne Zostały Przełamane: Inteligentne Ciała Toną do Końca C
Kiedyś próg korzystania z inteligentnych ciał był nadal wysoko na ościeżnicy programistów. Teraz, wraz z uruchomieniem Nano AI ‘MCP Toolbox’, MCP, protokół znany jako infrastruktura automatyzacji AI, po raz pierwszy wszedł w wizję zwykłych użytkowników w prawie ‘głupim stylu’. Jak powiedział Zhou Hongyi, prezes 360 Group, na spotkaniu dzielenia się przed wydaniem: ‘Użytkownicy nie muszą wiedzieć, który serwer MCP jest automatycznie wywoływany w agencie’. Dzięki toolbox Nano AI przełamuje bariery techniczne MCP i pozwala inteligentnym ciałom dalej tonąć do końca C.
Zrobienie MCP w ‘toolbox’ brzmi łatwo, ale trudno to zrobić. To nie tylko testuje zdolność do integracji technologii, ale także testuje ‘empatię’ myślenia o produkcie i zrozumienia użytkownika. To, co robi Nano AI, to hermetyzacja złożoności w rdzeniu i dawanie wolności użytkownikom - aby każda zwykła osoba mogła mieć pozwolenie na ‘wywoływanie świata AI’ jak programiści.
Ten proces nie jest prostą konstrukcją wizualnego interfejsu, ale głęboką zmianą paradygmatu aplikacji AI: inteligentne ciała nie są już tylko modelami, które mogą mówić i odpowiadać, ale prawdziwymi partnerami z możliwością planowania możliwości, wywoływania narzędzi i wykonywania zadań.
Od tego czasu MCP naprawdę zaczął zmierzać w kierunku użytkowników końcowych, co może być historycznym punktem wyjścia wartym zapamiętania.