Nos últimos anos, o campo da Inteligência Artificial testemunhou rápidos avanços tecnológicos, dando origem a uma pletora de novos termos como MoE, Reinforcement Learning, Agents, computer-use e A2A. Para utilizadores comuns que não possuem um conhecimento técnico, estes termos e conceitos tecnológicos podem ser avassaladores, levando a um significativo fardo cognitivo. Consequentemente, a sua interação com a IA é frequentemente limitada a simples trocas de perguntas e respostas dentro das caixas de chat.
MCP, ou Model Context Protocol, é um destes conceitos técnicos. Ao longo do ano passado, os agentes de IA evoluíram rapidamente, e os protocolos MCP emergiram como uma capacidade subjacente crítica que suporta a automação de tarefas complexas. No entanto, a atual revolução MCP ainda parece ser o domínio exclusivo dos programadores, com documentação de protocolo obscura, registo de ferramentas complexo e elevadas barreiras à configuração personalizada. Como resultado, a maioria dos utilizadores comuns só pode observar à distância e tem dificuldade em obter uma experiência prática real.
No entanto, esta situação está a mudar. No dia 23 de abril, a Nano AI, uma subsidiária da 360, anunciou o lançamento do “MCP Toolbox“ concebido para utilizadores individuais. Este produto é feito sob medida para utilizadores comuns que não possuem um conhecimento técnico, permitindo que todos dominem a utilização de IA de ponta com custos de aprendizagem mínimos.
Este produto não só suporta totalmente o protocolo MCP, mas também pode executar tarefas de agente com base em várias infraestruturas de grandes modelos. Além disso, possui capacidades poderosas como invocar automaticamente ferramentas externas, aceder a bases de conhecimento de IA e suportar fluxos de tarefas definidos pelo utilizador. Crucialmente, o limite operacional foi significativamente reduzido, não exigindo conhecimentos de programação, e pode ser utilizado simplesmente abrindo uma caixa de chat.
Atualmente, o Super Agent lançou testes públicos. De modelos a protocolos, ecossistemas de ferramentas e orquestração de tarefas personalizadas, a Nano AI parece estar a visar uma inovação ao nível do produto que traga verdadeiramente agentes de IA para a vida quotidiana de todos.
Então, quão bom é o “MCP Toolbox” da Nano AI? Para responder a esta pergunta, a equipa da Machine Heart, tendo obtido qualificações de teste internas, conduziu uma série de testes.
Experiência Prática com a Toolbox: MCP Simplificado
A utilização do “MCP Toolbox” da Nano AI tem uma barreira de entrada muito baixa. Os utilizadores só precisam de descarregar e instalar a aplicação Nano AI e depois registar-se e iniciar sessão, sem qualquer configuração adicional.
Ao entrar na página “Agent” atualizada, podemos ver que a Nano AI categorizou os agentes existentes em várias categorias amplas, incluindo pesquisa aprofundada, trabalho e eficiência e assistentes de vida. Ao mesmo tempo, também fornece acesso à Toolbox e a uma praça de estudo de caso.
Ao entrar na Toolbox, podemos ver que a Nano AI já configurou mais de 100 Servidores MCP (este número aumentou de 120 para 132 durante a redação deste artigo), incluindo uma dúzia de ferramentas MCP desenvolvidas pela própria Nano AI e centenas de ferramentas MCP de terceiros, cobrindo vários cenários como colaboração de escritório, académicos, serviços de vida, motores de pesquisa, finanças, entretenimento de media e crawling de dados, tornando-o o maior ecossistema MCP na China. Além disso, a Nano AI também suporta os utilizadores na configuração dos seus próprios Servidores MCP. No seguinte, utilizaremos o termo “Ferramenta“ em vez de “Servidor MCP”, e a razão para isto será explicada em detalhe mais tarde.
Primeiro, vamos testar uma aplicação que os leitores da Machine Heart acharão mais apelativa: pesquisar e organizar descobertas de pesquisa recentes no arXiv relacionadas com um tópico de pesquisa específico.
Vamos primeiro pesquisar na Toolbox e descobrir que as ferramentas predefinidas da Nano AI já incluem “arXiv Search”, por isso não precisamos de a configurar nós próprios. Olhando para trás, podemos também ver que a Nano AI já tem muitos agentes que suportam a recuperação de trabalhos do arXiv. Escolheremos “Professional Paper Search” como o nosso primeiro passo. Podemos ver que este agente está configurado com quatro ferramentas: Nano AI Super Search, arXiv Search, Google Scholar e Academic Search, que satisfazem perfeitamente as nossas necessidades. Escreva um prompt e execute:
Recupere descobertas de pesquisa relacionadas com aprendizagem por reforço no arXiv no último mês, classifique-as de acordo com investigação teórica, melhorias tecnológicas e aplicações, e forneça uma interpretação simples do progresso importante.
O processo de trabalho do “Professional Paper Search” é o seguinte:
Esta tarefa é muito simples. O agente só chamou a ferramenta “arXiv Search” uma vez, e, portanto, concluiu a tarefa em menos de meio minuto, selecionando dois resultados de pesquisa representativos em cada uma das três categorias.
Em seguida, experimente o agente de planeamento de ciclismo utilizando o comando: “Existem boas rotas de ciclismo perto da Ponte Guanyin em Chongqing?”
Podemos ver que este agente utilizou três ferramentas: mapas_weather do amapmcpserver-cloud (para consultar o tempo) e mapas_direction_bicycling (para definir rotas) e gen_html (para gerar páginas web), executando durante um total de 362 segundos, e finalmente obteve a página web dinâmica mostrada acima. Também pode aceder através deste link: . Sim, pode partilhar publicamente a página web gerada!
Em seguida, vamos aumentar a dificuldade. Desta vez, a nossa exigência é “Pesquisar a rede, analisar as tendências atuais da moda feminina e emitir um relatório de análise de elementos da moda feminina”. Desta vez, utilizaremos diretamente o “In-Depth Research Agent” da Nano AI, que pode optar por utilizar ferramentas apropriadas de acordo com as necessidades específicas do utilizador, incluindo Servidores MCP e o navegador incorporado para completar várias tarefas de utilização do computador. Claro, portanto, o In-Depth Research Agent demora frequentemente muito mais tempo a executar uma tarefa, até dezenas de minutos.
Ao executar a tarefa, o In-Depth Research Agent planeará primeiro os passos a serem executados de acordo com os requisitos da tarefa e, em seguida, executará os passos passo a passo de acordo com o plano.
Os passos de execução gerados pelo In-Depth Research Agent para esta tarefa específica são mostrados na figura abaixo.
Primeiro, pesquisou conteúdo relacionado com as tendências atuais da moda feminina em vários sites web, depois analisou o conteúdo pesquisado e visualizou os resultados. Finalmente, deu o relatório final.
Neste processo, chamou a ferramenta de pesquisa local aiso_do_search três vezes, a ferramenta de crawling de dados 360_crawl uma vez, a ferramenta de sandbox de código na nuvem cloud-sandbox nove vezes, a ferramenta de resumo summary uma vez e a ferramenta de geração de páginas web gen_html uma vez.
No final, obtivemos um relatório aprofundado de 30 páginas, cobrindo seis grandes secções: análise do tema do estilo popular, tendências de cores populares, estilos populares e análise de elementos, avaliação abrangente de elementos populares, tendências de tecidos e tecnologia e sugestões de correspondência e aplicações, excedendo em muito a nossa tarefa inicial de uma frase.
Várias páginas de conteúdo extraídas do relatório
O seguinte vídeo mostra todo o processo do In-Depth Research Agent da Nano AI a concluir a tarefa:
Reproduzido a velocidade 4x
Não só isso, a Nano AI também gerou uma página web dinâmica que pode exibir mais vividamente os resultados da análise obtidos:
Além disso, considerando que a Google lançou recentemente o seu relatório financeiro do primeiro trimestre, podemos também deixar que o agente “Chief Industry Insight Officer” da Nano AI nos ajude a interpretá-lo.
A sua versão de página web pode ser acedida em: , e todo o processo de trabalho pode ser visto no seguinte vídeo:
Vamos tentar utilizar a Nano AI para escrever uma crítica de filme adequada para publicação no Xiaohongshu para a série de TV recentemente popular “The Good Life”, e o robot de navegação Xiaohongshu predefinido pode fazer o trabalho bem.
Atenção! O conteúdo conterá spoilers.
O seguinte vídeo mostra todo o processo da Nano AI a trabalhar.
Podemos ver que neste processo, a Nano AI utilizou duas ferramentas relacionadas com o Xiaohongshu, incluindo collect_relate_info_redbook para recolher informações sobre o Xiaohongshu e red_book_generate para gerar conteúdo Xiaohongshu; além disso, também utilizou browser_automation_task - esta ferramenta pode abrir o navegador incorporado na aplicação Nano AI para executar tarefas. Com as instruções apropriadas, também pode utilizar esta ferramenta para completar tarefas como reservar bilhetes de comboio, publicar no Weibo e tomar notas numa frase.
Finalmente, na Nano AI, os utilizadores também podem configurar facilmente o seu próprio MCP. Por exemplo, aqui, configurámos com sucesso uma ferramenta para consultar e analisar notas do Obsidian com apenas algumas configurações de parâmetros.
Em seguida, basta configurar um agente que chama a ferramenta, e podemos recuperar e analisar inteligentemente as nossas notas recolhidas na Nano AI. O seguinte vídeo mostra um exemplo:
Os casos acima são apenas a ponta do iceberg das capacidades da Nano AI. Com o MCP Toolbox, há muitas outras coisas que os utilizadores podem fazer, como crawling e pesquisa de informações, geração de imagens e conteúdo de vídeo, deixar a IA organizar as suas notas de fragmento flomo e colocar os resultados no espaço de trabalho Notion, analisar ações, encontrar a rota de voo mais rentável para viajar para Portugal, especificar planos de viagem ou fitness, criar relatórios de empresa, gerir repositórios de armazenamento na nuvem ou ficheiros locais… O único limite é a sua imaginação!
Escondendo o MCP na Toolbox: Como a Nano AI o Faz
MCP, ou Model Context Protocol, foi lançado pela primeira vez pela Anthropic em novembro de 2024. Pode dizer-se que é uma “ponte” importante que liga grandes modelos ao mundo real - permite que os modelos não só respondam a perguntas, mas também chamem ferramentas, obtenham dados e executem tarefas como os humanos. Este ano, à medida que mais e mais empresas adotam o protocolo, tornou-se um padrão de facto na utilização de ferramentas pelo LLM, libertando ainda mais o potencial dos agentes de IA.
No entanto, para a maioria dos utilizadores, os rótulos típicos do protocolo MCP são “complexidade”, “limiar técnico elevado” e “exclusivo para programadores”. Como entregar esta capacidade, que originalmente pertencia a engenheiros profissionais, a todas as pessoas comuns?
Em resposta a este problema real, a resposta da 360 é: não ensinar mais a compreender o MCP, mas encapsulá-lo diretamente num conjunto de toolbox “visível, clicável e com resultados previsíveis”.
1. Da Simplificação de Conceitos à Redução da Dimensão da Interação
A equipa da Nano AI fez primeiro a tradução de conceitos: os utilizadores não precisam de compreender o que é o Servidor MCP ou a Chave API, só precisam de saber que esta é uma “ferramenta“ ou “habilidade“ utilizável - razão pela qual utilizámos o termo “ferramenta” anteriormente. Empacotar a interface do protocolo originalmente obscura em rótulos de ferramentas fáceis de compreender como “pesquisa”, “escrita” e “análise de dados” reduz grandemente o limiar cognitivo do utilizador e permite que os utilizadores compreendam mais intuitivamente o significado do chamado Servidor MCP para grandes modelos de IA. Esta é a filosofia de design da Nano AI Toolbox. Por detrás disto está o re-encapsulamento do protocolo MCP pela Nano AI e a reconstrução de engenharia da camada de interface.
O que os utilizadores veem na interface é uma simples seleção e arrasto, mas na realidade, é o agendamento de mais de 100 Servidores MCP desenvolvidos pela própria Nano AI ou uma integração cuidadosamente selecionada. Estas ferramentas cobrem cenários como escritório, académicos, finanças, motores de pesquisa, web crawling e processamento de imagem. Os utilizadores podem deixar que grandes modelos chamem automaticamente estes “cérebros externos” para completar cadeias de tarefas complexas sem escrever uma linha de código.
A Nano AI tem mesmo Chaves API incorporadas para várias ferramentas MCP como Firecrawl, Brava Search e AutoNavi Maps.
2. Rompendo o “Último Quilómetro” Entre Modelos e Ferramentas
No passado, mesmo que grandes modelos tivessem poderosas capacidades de compreensão da linguagem, ainda estavam presos no efeito de ilha da “chamada de ferramentas”. A abordagem da Nano AI é utilizar o protocolo MCP como uma linguagem intermediária, rompendo fundamentalmente o mecanismo de colaboração de “grande modelo + ferramenta”.
Isto não só resolve o problema da chamada, mas também expande grandemente o limite de capacidade real do modelo. Por exemplo, os utilizadores só precisam de dizer ao agente “Ajude-me a gerar um relatório de análise de preços das ações da NVIDIA”, e o agente pode automaticamente dividir os passos da tarefa, mobilizar motores de pesquisa, fazer crawling do conteúdo da página, gerar gráficos de análise e produzir um relatório claramente estruturado. Durante o período, 5 a 7 ferramentas podem ser chamadas, mas o utilizador só vê uma página de resultados.
Esta é precisamente a personificação da capacidade de “combinação de ferramentas” do MCP: permite que os agentes agendem recursos de forma independente, planeiem processos e conduzam feedback de tentativa e erro e auto-otimização durante a operação, formando um caminho de resolução de tarefas altamente antropomórfico.
3. Operação Local, Segura e Fiável: Polimento Aprofundado da Pilha de Tecnologia
Ao contrário de muitos “corpos inteligentes na nuvem”, a Nano AI escolheu um caminho mais difícil, mas mais promissor: implementar clientes MCP localmente, dando aos utilizadores maior controlo.
Isto traz pelo menos três vantagens fundamentais:
- Liberdade de chamada: Os corpos inteligentes locais podem aceder ao sistema de ficheiros do utilizador, chamar o navegador e recuperar a base de dados para alcançar um verdadeiro processamento de tarefas personalizado.
- Rompendo barreiras: Em resposta às necessidades únicas da IA, a 360 criou um navegador de IA dedicado para a Nano AI e adaptou-o às plataformas convencionais na China. Pode romper paredes de login, verificação homem-máquina e interferência de fluxo de informações e completar automaticamente operações como login e verificação de deslizamento.
- Garantia de sandbox: Com base na acumulação de tecnologia de segurança da 360, a Nano AI também introduzirá uma sandbox de tempo de execução local no futuro, que pode monitorizar, alertar precocemente e restringir o grande modelo de possivelmente operar mal ficheiros locais em tempo real para garantir a segurança dos dados.
Todo este sistema não só permite aos utilizadores “utilizá-lo”, mas também “utilizá-lo de forma segura, eficiente e escalável”.
4. Enfrentando Utilizadores Massivos: Construindo um Ecossistema MCP Verdadeiramente Aberto
A Nano AI não só encapsula ferramentas MCP, mas também tomou a liderança na abertura de um ecossistema de habilidades aberto. Atualmente, esta plataforma com um volume de visitas mensais de mais de 400 milhões tem mais de 100 ferramentas MCP de alta qualidade online, e mais Servidores MCP de terceiros estão a ser introduzidos. Os utilizadores podem carregar, reutilizar e combinar livremente habilidades de ferramentas para criar o seu próprio agente de IA.
Para os utilizadores comuns, isto significa que já não é “utilizar a IA definida por outros”, mas pode construir um assistente de IA personalizado de acordo com as suas próprias necessidades. Análise de trabalhos, geração de dados, monitorização de tendências, construção de páginas web, previsão de ações… Desde que haja uma procura, existem ferramentas que podem ser utilizadas em combinação, e existem tarefas que podem ser executadas automaticamente.
Para toda a indústria, isto significa que a tecnologia de agente está a passar do “sistema fechado” para o estágio de “rede ecológica”. Ferramentas, modelos e tarefas deixarão de estar isolados, mas serão ligados pelo MCP como uma linguagem comum, criando um padrão de colaboração inteligente sem precedentes.
As Barreiras Técnicas Foram Rompidas: Corpos Inteligentes Afundam no C End
Outrora, o limiar para a utilização de corpos inteligentes ainda era alto na moldura da porta dos programadores. Agora, com o lançamento da Nano AI “MCP Toolbox”, o MCP, um protocolo conhecido como infraestrutura de automação de IA, entrou na visão dos utilizadores comuns pela primeira vez de uma forma quase “estilo tolo”. Como Zhou Hongyi, presidente do Grupo 360, disse na reunião de partilha antes do lançamento: “O que o Servidor MCP é chamado automaticamente no agente, os utilizadores não precisam de saber”. Com a toolbox, a Nano AI está a romper as barreiras técnicas do MCP e a permitir que os corpos inteligentes se afundem ainda mais no C end.
Transformar o MCP numa “toolbox” parece fácil, mas é difícil de fazer. Isto não só testa a capacidade de integrar tecnologia, mas também testa a “empatia” do pensamento do produto e da compreensão do utilizador. O que a Nano AI está a fazer é encapsular a complexidade no núcleo e dar liberdade aos utilizadores - para que cada pessoa comum possa ter a permissão para “chamar o mundo da IA” como os programadores.
Este processo não é uma simples construção de interface visual, mas uma profunda mudança de paradigma de aplicação de IA: os corpos inteligentes já não são apenas modelos que podem falar e responder, mas verdadeiros parceiros com a capacidade de agendar capacidades, chamar ferramentas e completar tarefas.
Desde então, o MCP começou verdadeiramente a mover-se em direção aos utilizadores C-end, o que pode ser um ponto de partida histórico que vale a pena lembrar.