В последние годы область искусственного интеллекта (AI) стала свидетелем стремительного технологического прогресса, породив множество новых терминов, таких как MoE, Reinforcement Learning, Agents, computer-use и A2A. Для обычных пользователей, не имеющих технической подготовки, эти термины и технологические концепции могут быть ошеломляющими, что приводит к значительной когнитивной нагрузке. Следовательно, их взаимодействие с AI часто ограничивается простыми обменами вопросами и ответами в чат-боксах.
MCP, или Model Context Protocol, является одной из этих технических концепций. За последний год AI-агенты быстро развивались, и MCP-протоколы стали критически важной базовой возможностью, поддерживающей комплексную автоматизацию задач. Однако нынешняя MCP-революция по-прежнему кажется исключительной сферой разработчиков, с неясной документацией по протоколам, сложной регистрацией инструментов и высокими барьерами для персонализированной конфигурации. В результате большинство обычных пользователей могут только наблюдать издалека, и им трудно получить реальный практический опыт.
Однако эта ситуация меняется. 23 апреля Nano AI, дочерняя компания 360, объявила о запуске ‘MCP Toolbox‘, разработанного для индивидуальных пользователей. Этот продукт предназначен для обычных пользователей без технической подготовки, что позволяет каждому освоить передовое использование AI с минимальными затратами на обучение.
Этот продукт не только полностью поддерживает протокол MCP, но также может запускать задачи агентов на основе различных инфраструктур больших моделей. Кроме того, он обладает мощными возможностями, такими как автоматический вызов внешних инструментов, доступ к базам знаний AI и поддержка пользовательских потоков задач. Что особенно важно, операционный порог был значительно снижен, не требуются навыки программирования, и его можно использовать, просто открыв окно чата.
В настоящее время Super Agent запустил публичное тестирование. От моделей до протоколов, экосистем инструментов и персонализированной оркестровки задач, Nano AI, похоже, стремится к инновациям на уровне продукта, которые действительно привносят AI-агентов в повседневную жизнь каждого.
Итак, насколько хорош ‘MCP Toolbox‘ от Nano AI? Чтобы ответить на этот вопрос, команда Machine Heart, получив квалификацию для внутреннего тестирования, провела серию тестов.
Практический опыт работы с Toolbox: MCP становится простым
Использование Nano AI ‘MCP Toolbox‘ имеет очень низкий порог входа. Пользователям нужно только загрузить и установить приложение Nano AI, а затем зарегистрироваться и войти в систему, без каких-либо дополнительных настроек.
Войдя на обновленную страницу ‘Agent’, мы видим, что Nano AI разделила существующих агентов на несколько широких категорий, включая углубленные исследования, работу и эффективность, а также помощников по жизни. В то же время он также предоставляет доступ к Toolbox и квадрату тематических исследований.
Войдя в Toolbox, мы видим, что Nano AI уже настроила более 100 MCP Servers (это число увеличилось со 120 до 132 во время написания этой статьи), включая дюжину инструментов MCP, разработанных самой Nano AI, и сотни сторонних инструментов MCP, охватывающих различные сценарии, такие как офисное сотрудничество, академические круги, услуги для жизни, поисковые системы, финансы, медиа-развлечения и сбор данных, что делает его крупнейшей экосистемой MCP в Китае. Кроме того, Nano AI также поддерживает пользователей в настройке собственных MCP Servers. В дальнейшем мы будем использовать термин ‘Инструмент‘ вместо ‘MCP Server’, и причина этого будет подробно объяснена позже.
Во-первых, давайте протестируем приложение, которое читатели Machine Heart сочтут наиболее привлекательным: поиск и организация последних результатов исследований на arXiv, связанных с конкретной темой исследования.
Сначала давайте поищем в Toolbox и обнаружим, что предустановленные инструменты Nano AI уже включают ‘arXiv Search’, поэтому нам не нужно настраивать его самостоятельно. Оглядываясь назад, мы также видим, что у Nano AI уже есть много агентов, которые поддерживают поиск статей arXiv. Мы выберем ‘Professional Paper Search’ в качестве нашего первого шага. Мы видим, что этот агент настроен с четырьмя инструментами: Nano AI Super Search, arXiv Search, Google Scholar и Academic Search, что идеально отвечает нашим потребностям. Напишите подсказку и выполните:
Получите результаты исследований, связанных с обучением с подкреплением на arXiv за последний месяц, классифицируйте их в соответствии с теоретическими исследованиями, технологическими улучшениями и приложениями, и предоставьте простую интерпретацию важного прогресса.
Процесс работы ‘Professional Paper Search’ выглядит следующим образом:
Эта задача очень простая. Агент вызвал инструмент ‘arXiv Search’ только один раз и поэтому выполнил задачу менее чем за полминуты, выбрав два представительных результата исследований в каждой из трех категорий.
Далее попробуйте агент планирования цикла, используя команду: ‘Есть ли хорошие велосипедные маршруты возле моста Гуаньинь в Чунцине?’
Мы видим, что этот агент использовал три инструмента: maps_weather amapmcpserver-cloud (для запроса погоды) и maps_direction_bicycling (для настройки маршрутов) и gen_html (для создания веб-страниц), выполняясь в общей сложности 362 секунды, и, наконец, получил динамическую веб-страницу, показанную выше. Вы также можете получить к нему доступ по этой ссылке: . Да, вы можете публично делиться сгенерированной веб-страницей!
Далее давайте увеличим сложность. На этот раз наше требование: ‘Поиск в сети, анализ текущих тенденций женской моды и выпуск отчета об анализе элементов женской моды’. На этот раз мы будем использовать непосредственно ‘In-Depth Research Agent’ от Nano AI, который может выбирать подходящие инструменты в соответствии с конкретными потребностями пользователя, включая MCP Servers и встроенный браузер для выполнения различных задач computer-use. Конечно, поэтому In-Depth Research Agent часто занимает гораздо больше времени для выполнения задачи, до десятков минут.
При выполнении задачи In-Depth Research Agent сначала планирует шаги, которые должны быть выполнены в соответствии с требованиями задачи, а затем выполняет шаги шаг за шагом в соответствии с планом.
Этапы выполнения, сгенерированные In-Depth Research Agent для этой конкретной задачи, показаны на рисунке ниже.
Сначала он искал контент, связанный с текущими тенденциями женской моды, на нескольких веб-сайтах, затем проанализировал найденный контент и визуализировал результаты. Наконец, он представил итоговый отчет.
В этом процессе он вызвал локальный инструмент поиска aiso_do_search три раза, инструмент сбора данных 360_crawl один раз, инструмент облачной кодовой песочницы cloud-sandbox девять раз, инструмент суммирования summary один раз и инструмент создания веб-страниц gen_html один раз.
В конце концов мы получили 30-страничный углубленный отчет, охватывающий шесть основных разделов: анализ популярной тематики стиля, популярные цветовые тенденции, популярные стили и анализ элементов, всесторонняя оценка популярных элементов, тенденции в тканях и технологиях, а также предложения по сочетанию и применению, что намного превышает нашу первоначальную задачу в одно предложение.
Несколько страниц контента, извлеченного из отчета
Следующее видео показывает весь процесс выполнения задачи In-Depth Research Agent от Nano AI:
Воспроизводится на скорости 4x
Не только это, Nano AI также сгенерировала динамическую веб-страницу, которая может более ярко отображать полученные результаты анализа:
Кроме того, учитывая, что Google недавно опубликовала свой финансовый отчет за первый квартал, мы также можем позволить агенту Nano AI ‘Chief Industry Insight Officer’ помочь нам интерпретировать его.
Его веб-версия доступна по адресу: , и весь процесс работы можно увидеть в следующем видео:
Давайте попробуем использовать Nano AI для написания обзора фильма, подходящего для публикации в Xiaohongshu для недавно популярного сериала ‘The Good Life’, и предустановленный робот просмотра Xiaohongshu может хорошо выполнить эту работу.
Осторожно! Контент будет содержать спойлеры.
Следующее видео показывает весь процесс работы Nano AI.
Мы видим, что в этом процессе Nano AI использовала два инструмента, связанных с Xiaohongshu, включая collect_relate_info_redbook для сбора информации о Xiaohongshu и red_book_generate для создания контента Xiaohongshu; кроме того, она также использовала browser_automation_task - этот инструмент может открывать встроенный браузер в приложении Nano AI для выполнения задач. С соответствующими инструкциями вы также можете использовать этот инструмент для выполнения таких задач, как бронирование билетов на поезд, публикация в Weibo и ведение заметок в одном предложении.
Наконец, в Nano AI пользователи также могут легко настроить свой собственный MCP. Например, здесь мы успешно настроили инструмент для запроса и анализа заметок Obsidian всего с несколькими настройками параметров.
Затем просто настройте агент, который вызывает инструмент, и мы сможем интеллектуально извлекать и анализировать наши собранные заметки в Nano AI. В следующем видео показан пример:
Вышеприведенные случаи - это всего лишь верхушка айсберга возможностей Nano AI. С помощью MCP Toolbox пользователи могут делать много других вещей, таких как сбор и поиск информации, создание изображений и видеоконтента, предоставление AI возможности организовывать фрагменты заметок flomo и помещать результаты в рабочее пространство Notion, анализ акций, поиск наиболее экономичного маршрута полета для поездки в Португалию, указание планов путешествий или фитнеса, создание отчетов компании, управление репозиториями облачного хранилища или локальными файлами… Единственное ограничение - это ваше воображение!
Скрытие MCP в Toolbox: Как это делает Nano AI
MCP, или Model Context Protocol, был впервые выпущен Anthropic в ноябре 2024 года. Можно сказать, что это важный ‘мост’, соединяющий большие модели с реальным миром - он позволяет моделям не только отвечать на вопросы, но и вызывать инструменты, получать данные и выполнять задачи, как люди. В этом году, поскольку все больше и больше компаний принимают этот протокол, он стал де-факто стандартом в использовании инструментов LLM, что еще больше раскрывает потенциал AI-агентов.
Однако для большинства пользователей типичными метками протокола MCP являются ‘сложность’, ‘высокий технический порог’ и ‘исключительно для разработчиков’. Как передать эту способность, которая изначально принадлежала профессиональным инженерам, каждому обычному человеку?
В ответ на эту реальную проблему ответ 360 таков: больше не учить вас понимать MCP, а непосредственно инкапсулировать его в набор ‘видимых, кликабельных и предсказуемых по результатам’ toolbox.
1. От упрощения концепции до уменьшения размеров взаимодействия
Команда Nano AI сначала выполнила перевод концепций: пользователям не нужно понимать, что такое MCP Server или API Key, им нужно только знать, что это используемый ‘инструмент‘ или ‘навык‘ - именно поэтому мы использовали термин ‘инструмент’ ранее. Упаковка изначально неясного интерфейса протокола в простые для понимания метки инструментов, такие как ‘поиск’, ‘написание’ и ‘анализ данных’, значительно снижает когнитивный порог пользователя и позволяет пользователям более интуитивно понимать значение так называемого MCP Server для AI больших моделей. Это философия дизайна Nano AI Toolbox. За этим стоит повторная инкапсуляция протокола MCP и инженерная реконструкция уровня интерфейса.
То, что пользователи видят в интерфейсе, - это простой выбор и перетаскивание, но на самом деле это планирование более 100 MCP Servers, разработанных самой Nano AI, или тщательно отобранная интеграция. Эти инструменты охватывают такие сценарии, как офис, академические круги, финансы, поисковые системы, сбор веб-страниц и обработка изображений. Пользователи могут позволить большим моделям автоматически вызывать эти ‘внешние мозги’ для выполнения сложных цепочек задач без написания ни строчки кода.
У Nano AI даже есть встроенные API Keys для нескольких MCP инструментов, таких как Firecrawl, Brava Search и AutoNavi Maps.
2. Преодоление ‘последней мили’ между моделями и инструментами
В прошлом, даже если у больших моделей были мощные возможности понимания языка, они все еще были заперты в эффекте ‘вызова инструментов’. Подход Nano AI заключается в использовании протокола MCP в качестве промежуточного языка, что коренным образом прорывает механизм сотрудничества ‘большая модель + инструмент’.
Это не только решает проблему вызова, но и значительно расширяет фактическую границу возможностей модели. Например, пользователям нужно только сказать агенту ‘Помоги мне создать отчет об анализе цен на акции NVIDIA’, и агент может автоматически разбить шаги задачи, мобилизовать поисковые системы, собрать содержимое страницы, создать аналитические диаграммы и вывести четко структурированный отчет. В течение периода может быть вызвано от 5 до 7 инструментов, но пользователь видит только одну страницу результатов.
Это как раз воплощение способности MCP к ‘комбинации инструментов’: она позволяет агентам независимо планировать ресурсы, планировать процессы и проводить пробные и ошибочные отзывы и самооптимизацию во время работы, формируя высоко антропоморфизированный путь решения задач.
3. Локальная работа, безопасная и надежная: углубленная полировка технологического стека
В отличие от многих ‘облачных интеллектуальных тел’, Nano AI выбрала более сложный, но более перспективный путь: развертывание MCP клиентов локально, предоставляя пользователям больший контроль.
Это дает как минимум три ключевых преимущества:
- Свобода вызовов: Локальные интеллектуальные тела могут получать доступ к файловой системе пользователя, вызывать браузер и извлекать базу данных для достижения истинной персонализированной обработки задач.
- Преодоление барьеров: В ответ на уникальные потребности AI, 360 создала специальный AI браузер для Nano AI и адаптировала его к основным платформам в Китае. Он может преодолевать стены входа в систему, проверку человек-машина и помехи потока информации, и автоматически выполнять такие операции, как вход в систему и скользящая проверка.
- Гарантия песочницы: Основываясь на опыте 360 в области технологий безопасности, Nano AI также внедрит локальную песочницу времени выполнения в будущем, которая может отслеживать, заблаговременно предупреждать и ограничивать большую модель от возможной неправильной работы с локальными файлами в режиме реального времени для обеспечения безопасности данных.
Вся эта система не только позволяет пользователям ‘использовать’ ее, но и ‘использовать ее безопасно, эффективно и масштабируемо’.
4. Ориентация на массовых пользователей: создание действительно открытой экосистемы MCP
Nano AI не только инкапсулирует инструменты MCP, но и первой открыла открытую экосистему навыков. В настоящее время эта платформа с ежемесячным объемом посещений более 400 миллионов имеет более 100 высококачественных MCP инструментов в сети, и все больше сторонних MCP Servers вводятся. Пользователи могут свободно загружать, повторно использовать и комбинировать навыки инструментов для создания своего собственного AI агента.
Для обычных пользователей это означает, что это больше не ‘использование AI, установленного другими’, а возможность создать персонализированного AI помощника в соответствии со своими потребностями. Анализ документов, генерация данных, мониторинг тенденций, создание веб-страниц, прогнозирование акций… Пока есть спрос, есть инструменты, которые можно использовать в сочетании, и есть задачи, которые можно выполнить автоматически.
Для всей отрасли это означает, что технология агентов переходит из ‘закрытой системы’ в стадию ‘экологической сети’. Инструменты, модели и задачи больше не будут изолированы, но будут связаны MCP как общим языком, создавая беспрецедентную интеллектуальную модель сотрудничества.
Технические барьеры преодолены: интеллектуальные тела опускаются к C end
Когда-то порог для использования интеллектуальных тел все еще был высоким на дверной коробке разработчиков. Теперь, с запуском Nano AI ‘MCP Toolbox’, MCP, протокол, известный как инфраструктура автоматизации AI, впервые вошел в поле зрения обычных пользователей в почти ‘глупом’ стиле. Как сказал Чжоу Хунъи, председатель 360 Group, на встрече по обмену перед выпуском: ‘Что MCP Server автоматически вызывается в агенте, пользователям не нужно знать’. С помощью toolbox Nano AI преодолевает технические барьеры MCP и позволяет интеллектуальным телам еще больше опуститься к C end.
Сделать MCP ‘toolbox’ звучит легко, но это трудно сделать. Это не только проверяет способность интегрировать технологии, но и проверяет ‘эмпатию’ мышления продукта и понимания пользователя. То, что делает Nano AI, - это инкапсулировать сложность в ядро и предоставить свободу пользователям - чтобы каждый обычный человек мог иметь разрешение ‘вызывать мир AI’, как разработчики.
Этот процесс - не просто построение визуального интерфейса, а глубокое изменение парадигмы приложения AI: интеллектуальные тела - это больше не просто модели, которые могут говорить и отвечать, а настоящие партнеры, обладающие способностью планировать возможности, вызывать инструменты и выполнять задачи.
С тех пор MCP действительно начал двигаться в направлении C-end пользователей, что может быть исторической отправной точкой, которую стоит запомнить.