近年來，人工智慧領域的技術突飛猛進，催生了許多新名詞，例如 MoE、強化學習、代理、電腦使用和 A2A。對於缺乏技術背景的普通使用者而言，這些術語和技術概念可能難以理解，造成沉重的認知負擔。因此，他們與 AI 的互動通常僅限於聊天框中的簡單問答交流。
MCP，或模型上下文協定 (Model Context Protocol)，是這些技術概念之一。過去一年，AI 代理迅速發展，而 MCP 協定已成為支援複雜任務自動化的關鍵底層能力。然而，目前的 MCP 革命似乎仍是開發人員的專屬領域，充滿晦澀難懂的協定文件、複雜的工具註冊以及高度個人化配置的障礙。因此，大多數普通使用者只能遠觀，難以真正獲得實務經驗。
然而，這種情況正在改變。4 月 23 日，360 旗下的 Nano AI 宣佈推出專為個人使用者設計的「MCP 工具箱」。該產品專為沒有技術背景的普通使用者量身打造，使每個人都能以最低的學習成本掌握最先進的 AI 用法。
該產品不僅完全支援 MCP 協定，還可以運行基於各種大型模型基礎設施的代理任務。此外，它還擁有強大的功能，例如自動調用外部工具、存取 AI 知識庫以及支援使用者定義的任務流程。至關重要的是，操作門檻已大幅降低，無需編碼技能，只需開啟聊天框即可使用。
目前，超級代理已啟動公開測試。從模型到協定、工具生態系統以及個人化任務編排，Nano AI 似乎正致力於產品層級的創新，真正將 AI 代理帶入每個人的日常生活中。
那麼，Nano AI 的「MCP 工具箱」到底有多好用？為了回答這個問題，機器之心團隊在獲得內部測試資格後，進行了一系列測試。
工具箱實務體驗：MCP 變得簡單
使用 Nano AI「MCP 工具箱」的入門門檻非常低。使用者只需下載並安裝 Nano AI 應用程式，然後註冊並登入，無需任何額外配置。
進入更新後的「代理」頁面後，我們可以發現 Nano AI 已將現有代理分為幾個大類，包括深度研究、工作效率和生活助理。同時，它還提供對工具箱和案例研究廣場的存取。
進入工具箱後，我們可以看到 Nano AI 已經配置了 100 多個 MCP 伺服器 (在撰寫本文時，這個數字從 120 個增加到 132 個)，包括 Nano AI 自己開發的十幾個 MCP 工具和數百個第三方 MCP 工具，涵蓋各種場景，例如辦公協作、學術研究、生活服務、搜尋引擎、金融、媒體娛樂和資料爬取，使其成為中國最大的 MCP 生態系統。此外，Nano AI 還支援使用者配置自己的 MCP 伺服器。在下文中，我們將使用術語「工具」代替「MCP 伺服器」，原因將在稍後詳細說明。
首先，讓我們測試一個機器之心讀者會覺得最吸引人的應用：搜尋和整理 arXiv 上與特定研究主題相關的最新研究成果。
讓我們首先搜尋工具箱，發現 Nano AI 的預設工具已經包含「arXiv 搜尋」，因此我們不需要自己配置。回顧一下，我們還可以發現 Nano AI 已經有許多代理支援 arXiv 論文檢索。我們將選擇「專業論文搜尋」作為我們的第一步。我們可以發現，該代理配置了四個工具：Nano AI 超級搜尋、arXiv 搜尋、Google Scholar 和學術搜尋，完美滿足我們的需求。編寫提示並執行：
檢索 arXiv 上過去一個月中與強化學習相關的研究成果，根據理論研究、技術改進和應用進行分類，並提供對重要進展的簡單解釋。
「專業論文搜尋」的工作流程如下：
這個任務非常簡單。代理只調用了「arXiv 搜尋」工具一次，因此在不到半分鐘的時間內完成了任務，在三個類別中各選擇了兩個具有代表性的研究成果。
接下來，嘗試使用指令「重慶觀音橋附近有什麼好的自行車路線嗎？」的自行車規劃器代理。
我們可以發現，該代理使用了三個工具：amapmcpserver-cloud 的 maps_weather (用於查詢天氣) 和 maps_direction_bicycling (用於設定路線) 以及 gen_html (用於產生網頁)，總共執行了 362 秒，最終獲得了上面顯示的動態網頁。您也可以透過此連結存取它：。是的，您可以公開分享產生的網頁！
接下來，讓我們增加難度。這次我們的要求是「搜尋網路，分析當前女性時尚趨勢，並發布一份女性時尚元素分析報告」。這次我們將直接使用 Nano AI 的「深度研究代理」，該代理可以根據使用者的特定需求選擇使用適當的工具，包括 MCP 伺服器和內建瀏覽器，以完成各種電腦使用任務。當然，因此，深度研究代理通常需要更長的時間來執行任務，最多可達數十分鐘。
執行任務時，深度研究代理將首先根據任務要求規劃要執行的步驟，然後根據計畫逐步執行步驟。
深度研究代理為此特定任務產生的執行步驟如下圖所示。
首先，它在多個網站上搜尋與當前女性時尚趨勢相關的內容，然後分析搜尋到的內容，並將結果視覺化。最後，它給出了最終報告。
在此過程中，它調用了本機搜尋工具 aiso_do_search 三次、資料爬取工具 360_crawl 一次、雲端程式碼沙箱工具 cloud-sandbox 九次、摘要工具 summary 一次以及網頁產生工具 gen_html 一次。
最終，我們獲得了一份 30 頁的深入報告，涵蓋六個主要部分：流行風格主題分析、流行色彩趨勢、流行款式和元素分析、流行元素綜合評價、面料和技術趨勢以及搭配建議和應用，遠遠超出我們最初的一句話任務。
從報告中提取的幾頁內容
以下影片顯示了 Nano AI 的深度研究代理完成任務的整個過程：
以 4 倍速播放
不僅如此，Nano AI 還產生了一個動態網頁，可以更生動地顯示獲得的分析結果：
此外，考慮到 Google 最近發布了其第一季財務報告，我們還可以讓 Nano AI 的「首席產業洞察長」代理幫助我們解讀它。
其網頁版本可透過以下網址存取：，並且可以在以下影片中看到整個工作流程：
讓我們嘗試使用 Nano AI 為最近流行的電視劇「美好生活」撰寫一篇適合發佈在小紅書上的影評，預設的小紅書瀏覽機器人可以很好地完成這項工作。
小心！內容將包含劇透。
以下影片顯示了 Nano AI 工作的整個過程。
我們可以發現，在此過程中，Nano AI 使用了兩個與小紅書相關的工具，包括 collect_relate_info_redbook 用於收集小紅書上的資訊，red_book_generate 用於產生小紅書內容；此外，它還使用了 browser_automation_task - 該工具可以在 Nano AI 應用程式中開啟內建瀏覽器來執行任務。透過適當的指令，您也可以使用此工具來完成諸如預訂火車票、在微博上發佈訊息以及一句話做筆記等任務。
最後，在 Nano AI 上，使用者還可以輕鬆配置自己的 MCP。例如，在這裡，我們只需幾個參數設定就成功配置了一個用於查詢和分析 Obsidian 筆記的工具。
然後，只需配置一個調用該工具的代理，我們就可以在 Nano AI 中智慧地檢索和分析我們收集的筆記。以下影片顯示了一個範例：
以上案例只是 Nano AI 功能的冰山一角。借助 MCP 工具箱，使用者還可以做許多其他事情，例如爬取和搜尋資訊、產生圖像和影片內容、讓 AI 組織您的 flomo 片段筆記並將結果放入 Notion 工作區、分析股票、尋找前往葡萄牙旅行的最具成本效益的航班路線、指定旅行或健身計畫、建立公司報告、管理雲端儲存庫或本機檔案… 唯一的限制是您的想像力！
將 MCP 隱藏在工具箱中：Nano AI 如何做到
MCP，或模型上下文協定 (Model Context Protocol)，最早由 Anthropic 於 2024 年 11 月發布。可以說它是連接大型模型與現實世界的重要「橋樑」——它使模型不僅可以回答問題，還可以像人類一樣調用工具、獲取資料和執行任務。今年，隨著越來越多的公司採用該協定，它已成為 LLM 使用工具的事實標準，進一步釋放了 AI 代理的潛力。
然而，對於大多數使用者來說，MCP 協定的典型標籤是「複雜性」、「高技術門檻」和「開發人員專屬」。如何將這種原本屬於專業工程師的能力交給每個普通人？
針對這個實際問題，360 的答案是：不再教您理解 MCP，而是直接將其封裝成一套「可見、可點擊且結果可預測」的工具箱。
1. 從概念簡化到互動降維
Nano AI 團隊首先做了概念的翻譯：使用者不需要理解什麼是 MCP 伺服器或 API 金鑰，他們只需要知道這是一個可用的「工具」或「技能」——這就是為什麼我們之前使用術語「工具」的原因。將原本晦澀難懂的協定介面封裝成易於理解的工具標籤，例如「搜尋」、「寫作」和「資料分析」，大大降低了使用者的認知門檻，並允許使用者更直觀地理解所謂的 MCP 伺服器對 AI 大型模型的意義。這是 Nano AI 工具箱的設計理念。其背後是 Nano AI 對 MCP 協定的重新封裝以及介面層的工程重建。
使用者在介面中看到的是簡單的選擇和拖曳，但實際上，它正在排程 Nano AI 自己開發或精心選擇的整合的 100 多個 MCP 伺服器。這些工具涵蓋了辦公、學術、金融、搜尋引擎、網路爬取和圖像處理等場景。使用者可以讓大型模型自動調用這些「外部大腦」來完成複雜的任務鏈，而無需編寫一行程式碼。
Nano AI 甚至為 Firecrawl、Brava Search 和 AutoNavi Maps 等多個 MCP 工具內建了 API 金鑰。
2. 打破模型與工具之間的「最後一哩路」
過去，即使大型模型具有強大的語言理解能力，它們仍然被困在「工具調用」孤島效應中。Nano AI 的方法是使用 MCP 協定作為中間語言，從根本上打破「大型模型 + 工具」的協作機制。
這不僅解決了調用的問題，還大大擴展了模型的實際能力邊界。例如，使用者只需要告訴代理「幫我產生一份 NVIDIA 股價分析報告」，代理就可以自動分解任務步驟、調用搜尋引擎、爬取頁面內容、產生分析圖表並輸出結構清晰的報告。在此期間，可能會調用 5 到 7 個工具，但使用者只看到一個結果頁面。
這正是 MCP「工具組合」能力的體現：它允許代理獨立排程資源、規劃流程並在運營過程中進行試錯反饋和自我優化，從而形成高度擬人化的任務解決路徑。
3. 本機操作，安全可靠：技術堆疊的深度打磨
與許多「雲端智慧體」不同，Nano AI 選擇了一條更困難但更有前景的道路：在本機部署 MCP 客戶端，讓使用者擁有更大的控制權。
這帶來了至少三個關鍵優勢：
- 調用自由：本機智慧體可以存取使用者的檔案系統、調用瀏覽器和檢索資料庫，以實現真正的個人化任務處理。
- 突破障礙：為了回應 AI 的獨特需求，360 為 Nano AI 創建了一個專用的 AI 瀏覽器，並使其適應中國的主流平台。它可以突破登入牆、人機驗證和資訊流干擾，並自動完成諸如登入和滑動驗證等操作。
- 沙箱保證：基於 360 的安全技術積累，Nano AI 未來還將引入本機執行時沙箱，該沙箱可以即時監控、提前警告和限制大型模型可能錯誤操作本機檔案，以確保資料安全。
這個完整的系統不僅允許使用者「使用」它，而且「安全、高效且可擴展地使用它」。
4. 面對海量使用者：構建真正開放的 MCP 生態系統
Nano AI 不僅封裝了 MCP 工具，還率先開放了開放技能生態系統。目前，這個月訪問量超過 4 億的平台已上線 100 多個高品質的 MCP 工具，並且正在輸入更多第三方 MCP 伺服器。使用者可以自由上傳、重複使用和組合工具技能，以創建自己的 AI 代理。
對於普通使用者而言，這意味著不再是「使用他人設定的 AI」，而是可以根據自己的需求構建個人化的 AI 助理。論文分析、資料產生、趨勢監控、網頁建構、股票預測… 只要有需求，就有可以組合使用的工具，並且有可以自動執行的任務。
對於整個產業而言，這意味著代理技術正在從「封閉系統」轉向「生態網路」階段。工具、模型和任務將不再隔離，而是將由 MCP 作為通用語言連結，從而創建前所未有的智慧協作模式。
技術障礙已被打破：智慧體沉入 C 端
曾經，使用智慧體的門檻仍然高掛在開發人員的門框上。現在，隨著 Nano AI「MCP 工具箱」的推出，MCP (一種被稱為 AI 自動化基礎設施的協定) 首次以幾乎「傻瓜式」的形式進入普通使用者的視野。正如 360 集團董事長周鴻禕在發布會之前的分享會上所說：「代理中自動調用什麼 MCP 伺服器，使用者不需要知道。」借助工具箱，Nano AI 正在打破 MCP 的技術障礙，並允許智慧體進一步沉入 C 端。
將 MCP 變成「工具箱」聽起來很容易，但做起來卻很困難。這不僅測試了整合技術的能力，還測試了產品思維和使用者理解的「同理心」。Nano AI 正在做的是將複雜性封裝在核心中，並將自由賦予使用者——以便每個普通人都可以像開發人員一樣擁有「調用 AI 世界」的許可權。
這個過程不是簡單的可視化介面建構，而是一種深刻的 AI 應用範式變革：智慧體不再僅僅是可以說話和回答的模型，而是具有排程能力、調用工具和完成任務能力的真正合作夥伴。
從那時起，MCP 真正開始向 C 端使用者邁進，這可能是一個值得紀念的歷史起點。