1. 当阶跃星辰站上AGNTCon和MCPCon的日本舞台1.1 这场会不是一般的刷脸阶跃星辰在AGNTCon和MCPCon日本站上的亮相是我这阵子最关注的行业事件之一。做AI应用的人应该能感觉到从2024年下半年开始圈子里聊的东西变了——以前是比模型参数、刷榜单分数现在大家聊的是Agent怎么落地、工具怎么接、业务流程怎么跑通。AGNTCon和MCPCon这两场会凑在一起其实就是一个风向标整个行业的重心已经从模型能做什么转移到模型能帮我们干什么活。先说清楚这两场会的定位。AGNTCon顾名思义是围绕AI Agent智能体展开的技术峰会话题涵盖Agent架构、规划推理、多智能体协作、行业落地案例。MCPCon则是围绕MCP协议Model Context Protocol模型上下文协议的专业会议从协议规范、SDK实现到生产环境部署都有涉及。两个会绑在一起办逻辑上非常顺Agent是大脑MCP是手——大脑想做事手得能抓住工具、握住数据。这场会选在日本站说明议题已经不局限于某一国开发者圈子而是在跟海外开发者社区正面碰撞。1.2 阶跃星辰为什么值得专门拿出来说国内做基座模型的公司不算多但每一家都有自己的打法。阶跃星辰在圈内一直有个比较清晰的标签多模态。从Step-1V那条产品线开始这家公司就在图片理解、视频理解这些方向上下功夫。多模态能力放到Agent场景里意味着什么意味着AI能看见。客服机器人要看用户发的截图报表分析要看图表运维要看监控面板——这些全是视觉信息。一个只会读文字的模型在Agent落地场景里是残疾的。这次阶跃星辰亮相AGNTCon MCPCon日本站表面上是赞助演讲、摆展台、跟开发者交流实际上透露了三个关键信号第一阶跃星辰不打算只做模型供应商而是要下场做Agent生态第二MCP这种把模型跟外部世界连起来的协议已经被国内主流模型厂商当成基础设施来对待第三国内AI公司开始认真经营海外开发者社区尤其看重日本这个既有技术积累又缺工程人力的市场。这篇文章我就想顺着这三条线把MCP和Agent的技术逻辑讲透把阶跃星辰这波操作背后的盘面拆开再分享一些我踩过坑换来的实操经验。如果你想做Agent开发或者想搞清楚MCP到底怎么用那这篇应该能给你省下不少折腾时间。2. MCP Agent这一波技术浪潮的底层逻辑2.1 MCP为什么被叫AI的USB-C很多人第一次听MCP会懵这到底是个协议还是个框架我说个类比你就懂了——USB-C。在USB-C普及之前手机充电线五花八门每家一个接口出门得带好几根线。AI应用也是一样的困境一个Agent要查数据库、调支付接口、读日历、发邮件传统做法是每个对接都写一套私有的集成代码换一个服务商就要重新开发工具之间完全没有通用性。MCP干的事情就是把AI应用对接外部数据/工具这件事标准化。它把整个交互抽象成三层Host宿主比如你的Agent应用、Client宿主里内置的MCP客户端、Server提供具体资源和工具的服务端。所有工具都通过统一的JSON-RPC 2.0格式来传输调用请求和返回结果。工具方只需要实现一个MCP Server任何支持MCP的AI应用就能直接发现并调用它。这就是一次接入处处可用。我自己的体会是MCP最大的贡献不是协议本身多复杂而是它定义了一套行业共同语言。以前各家做Agent都是自己定义function calling的格式OpenAI一套、 Anthropic一套每家SDK还不一样现在大家都在往MCP上靠底层语言统一了上层创新才有土壤。这也是为什么MCPCon这种会能从一个小众技术聚会变成行业级大会。2.2 Agent真正卡脖子的地方工具调用地狱Agent不能落地的原因真不是模型不够聪明。拆开看一个Agent的执行循环接收任务、拆解步骤、调用工具、读取结果、继续下一步。这里面最麻烦的是第三步和第四步——工具调用。想象一下你要做一个能帮用户订机票的Agent。它需要调用航班查询、价格比较、支付、行程单生成这四五个工具。每个工具的输入输出格式都不一样有的要JSON有的要XML有的是异步回调。如果全用硬编码每换一个供应商就要重写一遍接口逻辑这个Agent根本没法规模化。MCP通过标准化的工具描述解决了这个问题。每个MCP Server都会暴露一个工具清单每个工具都标注了输入参数结构、类型、必填项、返回值格式。Agent客户端读到这些描述就知道什么情况下该调哪个工具、参数怎么填、结果怎么解析。这个过程很像人类看说明书——你不需要把所有机器的操作都背下来只要知道怎么查说明书就够了。还有一个容易被忽略的点Agent记忆和上下文管理。MCP不光是工具调用协议它还能给Agent提供资源——比如文档、数据库schema、用户画像。这些东西不用每次塞进prompt里而是按需读取大大节省了上下文窗口。这对我这种做应用的人来说是真香因为很多Agent跑着跑着就上下文爆炸MCP的资源按需加载机制能缓解这个问题。2.3 多模态模型在Agent里的角色眼睛比嘴更重要聊完MCP和Agent得把多模态拉进来。你可能觉得多模态就是模型能看图说话但放到Agent场景里远不止这么简单。举个很真实的场景很多企业内部系统是没有API的特别是日本那种高度依赖传统IT系统的市场大量数据存在老旧的OA、ERP、甚至Excel表格里。想用Agent去操作这些系统靠API接入根本不现实。怎么办最务实的方案是让Agent直接看屏幕——截个图识别界面元素然后模拟操作。这条路要走得通底层模型必须得有强大的视觉理解能力得能看懂按钮、菜单、表格那些复杂的UI结构。另外很多业务数据天然是多模态的。客服工单里有用户的语音转写、有截图市场营销要看广告图、视频素材的效果反馈制造业要看设备仪表读数、产品实拍图。纯文字模型在这些场景里就是睁眼瞎。阶跃星辰为什么反复强调多模态是Agent的基础能力因为等Agent真正进入千行百业接触的绝大多数信息都不是干净的纯文本而是图片、视频、音频混合的原始世界。谁的眼睛好使谁的Agent就能看到更大的世界。3. 阶跃星辰的底牌多模态全家桶与生态卡位3.1 Step模型矩阵是怎么撑起Agent的说要卡位多模态RPA类应用乍一听很宽泛但具体到阶跃星辰的Step系列模型上路线就清晰很多。Step系列这几年迭代下来基本形成了一个能打配合的矩阵Step-1V搞定图文理解能在复杂图表、UI截图、实拍图这些素材上做细粒度识别Step-1X负责图像生成可以自动产出营销物料、产品图Step-2是主打逻辑推理的大参数模型当Agent的决策大脑用再往后还有针对正式场景发布的Step-3整体把理解、生成、推理三种能力串了起来。这个组合对Agent开发者的意义在于你不需要自己拼凑一堆不同厂商的模型来凑齐能看能想能干的能力。用同一套模型家族接口风格、返回格式、微调工具都能统一工程上的集成成本低很多。我做技术选型最烦的就是拼接感太强的方案——视觉用一个厂商语言用另一个生成再用第三个出了问题都不知道该找谁背锅。3.2 开源与闭源的双轨打法模型厂商现在普遍面临一个选择开源还是闭源。阶跃星辰的做法跟我观察到的行业主流一致——核心旗舰模型走API闭源路线保障商业变现和数据安全另一部分模型开源让开发者和学术圈能在本地部署、二次开发。从公开信息来看阶跃星辰在开源社区里也有布局这步棋走得很聪明。MCP生态刚起来的时候缺的不是AI应用而是丰富的工具和场景。小团队想在MCP Server里接一个有视觉能力的模型如果每个项目都要申请API key、进行商务对接门槛太高了。开源一个可本地跑的版本等于给生态里的开发者递了一把免费的螺丝刀——你用顺手了到了生产环境要上规模自然会用它的付费API。这不只是情怀更是标准的生态打法。3.3 Agent产品端走向真实的业务场景再往上看一层阶跃星辰在Agent产品端的动作在阶跃AI这类C端入口和行业解决方案上体现得比较集中。C端产品考验的是开箱即用——用户不会管你底层是Step-1V还是Step-2他们只关心拍照问药能不能答对、发一张小红书截图能不能快速总结、扔一份合同能不能提取关键条款。这些场景全是多模态Agent的结合。B端才是这场日本站交流的真正重点。日本市场有个特点软件工程师人力缺口大企业数字化进程被老龄化拖慢这恰恰是Agent的用武之地。办公自动化、客服问答、文档处理、业务流程机器人——这些场景不需要通用人工智能只需要稳定可靠地把某个环节跑通。带着多模态模型和Agent方案去日本跟当地系统集成商聊合作比在国内卷同质化模型API有意义得多。4. 动手实践基于MCP搭一个自己的Agent工具链4.1 环境准备与一个最小可用的MCP Server说了这么多不如直接上手跑一遍。我自己是把MCP接入几个内部Agent项目之后才真正理解这个协议的价值。下面我用一个最简单的例子演示做一个MCP Server暴露两个工具——一个查城市天气一个做本地计算。先安装官方Python SDKpip install mcp然后写一个server.pyfrom mcp.server.fastmcp import FastMCP mcp FastMCP(demo-tools) mcp.tool() def get_weather(city: str) - str: 查询指定城市的天气情况 # 实际项目中这里可以接真实天气API return f{city}天气多云转晴25摄氏度东南风3级 mcp.tool() def calculate(expression: str) - str: 计算简单的数学表达式例如 1 2 try: result eval(expression) return f计算结果{result} except Exception as e: return f计算失败{str(e)} if __name__ __main__: mcp.run()这段代码看起来简单但已经把MCP的核心理念跑通了。mcp.tool()装饰器把一个普通Python函数变成了一个Agent可见的工具函数名、参数类型、docstring都会自动转成工具描述信息Agent读到这些信息后就能自行决定何时调用。关键点在于我完全没有写任何HTTP接口、JSON解析、鉴权逻辑SDK全包了。你也可以再暴露一个资源让Agent按需读取数据mcp.resource(config://app) def get_config() - str: 提供应用配置信息 return 当前环境production\n默认语言zh-CN资源机制对省token很有用。把长文档、配置都挂成资源Agent只有在需要的时候才会去读取而不是每次对话都无脑塞进上下文。4.2 把Server接进Agent客户端有了Server下一步是把它接进一个支持MCP的客户端。以常见的桌面客户端配置为例在客户端配置文件里加一段{ mcpServers: { demo-tools: { command: python, args: [server.py] } } }保存后重启客户端你就可以在对话里直接问上海天气怎么样Agent会自动判断需要调用get_weather工具然后返回结果。整个过程对终端用户几乎是透明的你只感觉它能上网了。需要注意的是MCP Server不一定要跑在本地。生产环境里更常见的是把Server部署到远程通过HTTP或者SSE协议传输。这种情况下配置的是URL而不是本地命令{ mcpServers: { remote-tools: { url: https://your-server.com/mcp } } }4.3 三个必须注意的坑这套东西我跑了几个月踩过几个印象很深的坑列出来给你避雷。第一工具描述写不好模型再聪明也白搭。MCP Tool的docstring不是给人看的注释是给模型看的使用说明书——它决定了模型在什么场景下会调用这个工具。我一开始写得特别简略比如查询天气结果Agent经常在不相关的场景触发了它。后来改成当用户询问某城市的气温、降水、风力等信息时调用此工具触发准确率直接上了一个台阶。原则就是描述要写清楚触发条件、参数含义、返回格式。第二超时和流式响应的处理。MCP默认很多客户端对工具调用有超时限制如果你的Server处理一个请求要十几秒Agent很容易报工具调用失败。我的解法是快任务同步返回慢任务先返回一个任务已创建task_idxxx然后通过资源或另一个工具查询执行结果。这种异步模式在生产环境几乎是必须的。第三安全边界。MCP Server相当于给了Agent一双能操作外部世界的手——权限必须收着点。我见过一个团队把数据库凭证直接写在MCP Server的环境变量里一旦Agent被prompt injection攻击整个库都能被拖走。务必要给MCP Server做最小权限设计独立账号、网络隔离、敏感操作二次确认。在Agent能触达的世界里信任边界越小越好。5. 从这次亮相看后续演进5.1 技术标准与生态话语权的新赛点阶跃星辰跑这一趟日本映射出一个更大的趋势模型厂商的竞争已经从前沿技术竞赛扩展到了生态和标准赛。MCP不是某个国家专属的技术它一出生就是国际项目。哪个厂商能在MCP生态里长出最丰富的工具链哪个厂商就有机会定义Agent应用的标准姿势。对开发者来说这其实是个红利期。标准还没有完全固化谁先进场谁就能影响生态。国内开发者的工程能力是出了名的强多做几个高质量的开源MCP Server比纯在社交平台争论模型排名对行业的贡献要实在得多。5.2 对开发者技能栈的实用建议这波Agent浪潮对个人的技能栈要求也在变。我的观察是光会调API的套壳开发者空间会越来越小真正吃香的是这几类能力一是懂业务建模能把一个复杂流程拆解成Agent可执行的步骤这跟当年做产品经理时画流程图是同一套思路二是懂协议和集成MCP、function calling、消息队列、微服务这套连接层技术越来越重要三是懂评估调优Agent应用跟传统软件最不一样的地方在于它的行为有概率性你得会设计评测集、做好回归测试不然一次模型更新可能让所有流程崩掉。这些能力学校不教得靠实际项目练。我的建议是从小处入手——先把你手上最重复、最费时间的办公任务挑出来用MCP挂一个Agent试试水。跑通一个小场景比围观一百场技术峰会都管用。5.3 我对这个技术拐点的真实感受最后说点实在的。我在这个行业待了这么久见过太多这是历史性变革的夸张说法但Agent MCP这波确实让我觉得基础设施层面的拐点到了。去年我们做一个数据分析Agent光对接内部系统就花了两个月每一套系统都得单独写适配层。现在如果对方系统支持MCP接入可能只需要一周。这种效率差距是会重塑整个行业成本结构的。很多人问这类会议到底有没有用我想说会上发布的新模型、新协议你回去看文档一样能知道但线下交流的很多信息差不会出现在PPT里——比如某家日本企业明确说他们现在急着要的是能读图纸的AI质检方案比如某位做MCP Server的独立开发者当场就签约了三家意向客户。这种需求对接的价值是看直播替代不了的。阶跃星辰这步棋短期看是围绕多模态和Agent巩固技术壁垒长期看是在赌一个更大的未来当多模态模型成为Agent的标配眼睛当MCP成为工具交互的通用语言谁能把这两者无缝衔接起来谁就握住了下一代应用生态的入场券。技术圈的事情就是这样牌桌上的人越多游戏才越精彩。下一步该轮到你上场了。