近年来，人工智能领域经历了快速的技术进步，涌现出许多新术语，如MoE、强化学习、Agent、computer-use和A2A。对于缺乏技术背景的普通用户来说，这些术语和技术概念可能会让人感到不知所措，从而导致巨大的认知负担。因此，他们与人工智能的互动通常仅限于聊天框内的简单问答交流。
MCP，即模型上下文协议（Model Context Protocol），就是其中一种技术概念。在过去的一年中，人工智能代理迅速发展，而MCP协议已经成为支持复杂任务自动化的关键底层能力。然而，当前的MCP革命似乎仍然是开发人员的专属领域，充斥着晦涩的协议文档、复杂的工具注册以及个性化配置的高门槛。因此，大多数普通用户只能远观，难以真正获得实践经验。
然而，这种情况正在发生改变。4月23日，360旗下子公司Nano AI宣布推出专为个人用户设计的“MCP工具箱”。该产品专为没有技术背景的普通用户量身定制，使每个人都能以最低的学习成本掌握尖端AI的使用方法。
该产品不仅完全支持MCP协议，还可以运行基于各种大型模型基础设施的代理任务。此外，它还拥有强大的功能，例如自动调用外部工具、访问AI知识库以及支持用户定义的任务流程。至关重要的是，操作门槛已大大降低，无需编码技能，只需打开聊天框即可使用。
目前，超级智能体已启动公开测试。从模型到协议，工具生态系统以及个性化的任务编排，Nano AI似乎正在寻求产品层面的创新，真正将AI Agent带入每个人的日常生活。
那么，Nano AI的“MCP工具箱”到底有多好呢？为了回答这个问题，机器之心团队获得了内部测试资格，并进行了一系列测试。
工具箱上手体验：MCP变得简单
使用Nano AI的“MCP工具箱”的入门门槛非常低。用户只需下载并安装Nano AI应用程序，然后注册并登录，无需任何其他配置。
进入更新后的“Agent”页面后，我们可以看到Nano AI已将现有代理划分为几个大的类别，包括深度研究、工作效率和生活助手。同时，它还提供了对工具箱和案例研究广场的访问。
进入工具箱后，我们可以看到Nano AI已经配置了超过100个MCP服务器（在撰写本文期间，这个数字从120个增加到132个），其中包括Nano AI自己开发的十几个MCP工具和数百个第三方MCP工具，涵盖了办公协作、学术、生活服务、搜索引擎、金融、媒体娱乐和数据抓取等各种场景，使其成为中国最大的MCP生态系统。此外，Nano AI还支持用户配置自己的MCP服务器。在下文中，我们将使用术语“工具”代替“MCP服务器”，稍后将详细解释原因。
首先，让我们测试一个机器之心读者会觉得最吸引人的应用程序：搜索和组织最近在arXiv上发布的关于特定研究主题的研究成果。
让我们首先搜索工具箱，发现Nano AI的预设工具已经包括“arXiv搜索”，因此我们不需要自己配置它。回顾一下，我们还可以看到Nano AI已经有许多支持arXiv论文检索的代理。我们将选择“专业论文搜索”作为我们的第一步。我们可以看到此代理配置了四个工具：Nano AI超级搜索、arXiv搜索、Google Scholar和学术搜索，这完全满足了我们的需求。编写提示并执行：
检索过去一个月在arXiv上发布的与强化学习相关的研究成果，根据理论研究、技术改进和应用对其进行分类，并提供对重要进展的简单解释。
“专业论文搜索”的工作过程如下：
此任务非常简单。代理仅调用了一次“arXiv搜索”工具，因此在不到半分钟的时间内完成了任务，并在三个类别中的每个类别中选择了两个具有代表性的研究成果。
接下来，使用命令尝试骑行路线规划代理：“重庆观音桥附近有什么好的骑行路线吗？”
我们可以看到，此代理使用了三个工具：amapmcpserver-cloud的maps_weather（用于查询天气）和maps_direction_bicycling（用于设置路线）以及gen_html（用于生成网页），总共执行了362秒，最终获得了如上所示的动态网页。您还可以通过此链接访问它：。是的，您可以公开共享生成的网页！
接下来，让我们增加难度。这次我们的要求是“搜索网络，分析当前的女性时尚趋势，并发布女性时尚元素分析报告”。这次我们将直接使用Nano AI的“深度研究代理”，该代理可以选择使用适当的工具，包括MCP服务器和内置浏览器，以完成各种computer-use任务。当然，因此，“深度研究代理”通常需要更长的时间来执行任务，最多需要数十分钟。
执行任务时，“深度研究代理”将首先根据任务要求规划要执行的步骤，然后根据计划逐步执行步骤。
“深度研究代理”针对此特定任务生成的执行步骤如下图所示。
首先，它在多个网站上搜索了与当前女性时尚趋势相关的内容，然后分析了搜索到的内容，并将结果可视化。最后，它给出了最终报告。
在此过程中，它调用了本地搜索工具aiso_do_search三次，数据抓取工具360_crawl一次，云代码沙箱工具cloud-sandbox九次，摘要工具summary一次以及网页生成工具gen_html一次。
最后，我们获得了一份30页的深度报告，涵盖了六个主要部分：流行风格主题分析，流行色彩趋势，流行款式和元素分析，流行元素的综合评估，面料和技术趋势以及搭配建议和应用，远远超出了我们最初的一句话任务。
从报告中提取的几页内容
以下视频显示了Nano AI的“深度研究代理”完成任务的整个过程：
以4倍速播放
不仅如此，Nano AI还生成了一个动态网页，可以更生动地显示获得的分析结果：
此外，考虑到Google最近发布了其第一季度财务报告，我们还可以让Nano AI的“首席行业洞察官”代理帮助我们解读它。
其网页版本可通过以下网址访问：，整个工作过程可以在以下视频中看到：
让我们尝试使用Nano AI为最近流行的电视剧《好事成双》撰写一篇适合在小红书上发布的影评，预设的小红书浏览机器人可以很好地完成这项工作。
注意！内容将包含剧透。
以下视频显示了Nano AI工作的整个过程。
我们可以看到，在此过程中，Nano AI使用了两个与小红书相关的工具，包括collect_relate_info_redbook用于收集小红书上的信息，red_book_generate用于生成小红书内容；此外，它还使用了browser_automation_task - 此工具可以打开Nano AI应用程序中的内置浏览器来执行任务。通过适当的说明，您还可以使用此工具完成诸如预订火车票、在微博上发布帖子以及一句句话记笔记之类的任务。
最后，在Nano AI上，用户还可以轻松配置自己的MCP。例如，在这里，我们仅通过几个参数设置就成功配置了一个用于查询和分析Obsidian笔记的工具。
然后，只需配置一个调用该工具的代理，我们就可以在Nano AI中智能地检索和分析我们收集的笔记。以下视频显示了一个示例：
以上案例仅是Nano AI功能的冰山一角。借助MCP工具箱，用户还可以做很多其他事情，例如抓取和搜索信息、生成图像和视频内容、让AI组织您的flomo碎片笔记并将结果放入Notion工作区、分析股票、找到前往葡萄牙旅行的最具成本效益的航班路线、指定旅行或健身计划、创建公司报告、管理云存储库或本地文件……唯一的限制是您的想象力！
将MCP隐藏在工具箱中：Nano AI是如何做到的
MCP，即模型上下文协议，最初由Anthropic于2024年11月发布。可以认为它是连接大型模型与现实世界的重要“桥梁”——它使模型不仅可以回答问题，还可以像人类一样调用工具、获取数据和执行任务。今年，随着越来越多的公司采用该协议，它已成为LLM使用工具的事实标准，进一步释放了AI Agent的潜力。
然而，对于大多数用户来说，MCP协议的典型标签是“复杂”、“技术门槛高”和“开发者专属”。如何将这种原本属于专业工程师的能力交给每一个普通人？
为了解决这个实际问题，360的答案是：不再教你理解MCP，而是直接将其封装成一套“可见、可点击且结果可预测”的工具箱。
1. 从概念简化到交互降维
Nano AI团队首先做了概念的翻译：用户不需要理解什么是MCP服务器或API密钥，他们只需要知道这是一个可用的“工具”或“技能”——这就是为什么我们之前使用“工具”这个术语的原因。将原本晦涩的协议接口打包成易于理解的工具标签，例如“搜索”、“写作”和“数据分析”，大大降低了用户的认知门槛，并允许用户更直观地了解所谓的MCP服务器对AI大型模型的意义。这是Nano AI工具箱的设计理念。这背后是Nano AI对MCP协议的重新封装以及对接口层的工程重建。
用户在界面上看到的是简单的选择和拖动，但实际上，它正在调度Nano AI自己开发的100多个MCP服务器或精心选择的集成。这些工具涵盖了办公、学术、金融、搜索引擎、网络爬取和图像处理等场景。用户可以让大型模型自动调用这些“外部大脑”来完成复杂的任务链，而无需编写一行代码。
Nano AI甚至为Firecrawl、Brava Search和AutoNavi Maps等多个MCP工具内置了API密钥。
2. 打破模型与工具之间的“最后一英里”
过去，即使大型模型具有强大的语言理解能力，它们仍然被困在“工具调用”的孤岛效应中。Nano AI的方法是使用MCP协议作为中间语言，从根本上打破“大型模型+工具”的协作机制。
这不仅解决了调用的问题，而且极大地扩展了模型的实际能力边界。例如，用户只需要告诉代理“帮我生成一份NVIDIA股票价格分析报告”，代理就可以自动分解任务步骤，调动搜索引擎，抓取页面内容，生成分析图表，并输出一份结构清晰的报告。在此期间，可能会调用5到7个工具，但用户只会看到一个结果页面。
这正是MCP“工具组合”能力的体现：它允许代理独立调度资源，规划流程，并在操作过程中进行试错反馈和自我优化，从而形成高度拟人化的任务解决路径。
3. 本地运行，安全可靠：技术栈的深度打磨
与许多“云智能体”不同，Nano AI选择了一条更困难但更有希望的道路：在本地部署MCP客户端，赋予用户更大的控制权。
这至少带来了三个关键优势：
- 调用自由：本地智能体可以访问用户的文件系统，调用浏览器，并检索数据库，以实现真正的个性化任务处理。
- 打破障碍：为了响应AI的独特需求，360为Nano AI创建了一个专用的AI浏览器，并使其适应中国的主流平台。它可以突破登录墙、人机验证和信息流干扰，并自动完成诸如登录和滑动验证之类的操作。
- 沙箱保证：基于360的安全技术积累，Nano AI未来还将引入本地运行时沙箱，该沙箱可以实时监控、预警和限制大型模型可能错误操作本地文件，以确保数据安全。
整个系统不仅允许用户“使用”它，而且还“安全、高效且可扩展地使用它”。
4. 面向海量用户：构建真正开放的MCP生态系统
Nano AI不仅封装了MCP工具，而且还率先开放了一个开放的技能生态系统。目前，这个月访问量超过4亿的平台拥有100多个高质量的MCP工具在线，并且正在输入更多的第三方MCP服务器。用户可以自由上传、重用和组合工具技能，以创建自己的AI Agent。
对于普通用户而言，这意味着不再是“使用别人设置的AI”，而是可以根据自己的需求构建个性化的AI助手。论文分析、数据生成、趋势监控、网页构建、股票预测……只要有需求，就有工具可以组合使用，并且有任务可以自动执行。
对于整个行业而言，这意味着Agent技术正在从“封闭系统”向“生态网络”阶段发展。工具、模型和任务将不再孤立，而是将通过MCP作为通用语言链接起来，从而创建前所未有的智能协作模式。
技术壁垒已被打破：智能体下沉到C端
曾经，使用智能体的门槛仍然高高地挂在开发人员的门框上。现在，随着Nano AI“MCP工具箱”的推出，MCP，一种被称为AI自动化基础设施的协议，首次以几乎“傻瓜式”的形式进入了普通用户的视野。正如360集团董事长周鸿祎在发布会前的分享会上所说：“代理中自动调用什么MCP服务器，用户无需知道。”通过工具箱，Nano AI正在打破MCP的技术壁垒，并允许智能体进一步下沉到C端。
将MCP变成“工具箱”听起来容易，但做起来却很难。这不仅测试了整合技术的能力，还测试了产品思维和用户理解的“同理心”。Nano AI正在做的是将复杂性封装在核心中，并将自由赋予用户——以便每个普通人都可以像开发人员一样拥有“调用AI世界”的权限。
这个过程不是简单的可视化界面构建，而是一种深刻的AI应用范式变革：智能体不再仅仅是可以说话和回答的模型，而是具有调度能力、调用工具和完成任务的真正合作伙伴。
从那时起，MCP真正开始走向C端用户，这可能是一个值得记住的历史起点。