AI 智能体 vs MCP？何时使用各自方案（以及何时需要两者）

AI 智能体会决定采取哪些行动来实现目标，而 MCP 是将它们连接到外部工具和数据的开放标准，而复杂任务通常需要二者兼备。

Diagram of an AI agent's loop of planning, acting, and checking results, connected through MCP to external data, applications, and tools.

AI 智能体是一种软件，它会决定自己的行动和工具调用以实现特定目标，而模型上下文协议（MCP）是一项开放标准，用于规定 AI 应用如何连接外部工具和数据。因此，MCP 让 AI 智能体能够与应用交互并查询数据库来完成任务。

本文将解释什么是智能体和 MCP，它们有何不同，以及它们如何工作。你还将了解何时使用其中之一，以及何时将智能体和 MCP 结合使用。

AI 智能体与 MCP 有何不同？主要区别。

AI 智能体是自主决定如何解决问题的独立执行者，而 MCP 是 AI 工具用于访问数据并与其他应用一起执行任务的连接方式。

维度

AI 智能体

MCP

是什么

利用大型语言模型（LLM）、工具并以循环方式运行来达成目标的软件

用于将 AI 应用连接到工具和数据的开放协议

角色

决定下一步行动并执行下一步的执行者

公开工具、资源和提示词的连接

它会做决定吗？

会，在其拥有的权限范围内

不会；它负责传递请求和结果

运行位置

在 AI 应用内部

作为到独立工具服务器的客户端到服务器连接

什么是 AI 智能体，它如何工作？

AI 智能体是一种软件系统，它会自主选择完成任务的最佳行动方案。

例如，在用于研究时，AI 智能体会分析研究问题，将其拆分为子问题，把每个子问题委派给会在不同来源中查找相关信息的子智能体，并将结果“汇报”回来。

主智能体会分析发现、调整研究策略、派出更多智能体填补空白，并将输出整理成一份报告。随着时间推移，它也会学会如何最有效地完成这些子任务。

AI 智能体依赖三个组件：

  • 推理核心：解释输入、制定计划并决定要做什么的 LLM
  • 工具集成：与外部系统的连接。例如，数据库或 API，可让它访问信息并执行操作。
  • 记忆：跨部分使用的短期会话上下文和长期存储知识

智能体在预设的护栏内运行（例如，不使用超过 3 年的来源或二手统计汇总），但它们会自行决定如何完成任务。

这种自主选择如何达成目标的能力，使 AI 智能体与 AI 工作流区别开来。后者遵循预定义、确定性的路径，非常适合那些结构化、重复性的、不需要推理和决策的任务。

什么是 MCP，它如何工作？

MCP 是 Model Context Protocol（模型上下文协议）的缩写，它是一种安全、标准化的方式，让像 Perplexity 这样的 AI 应用连接到外部工具和数据源。

例如，我的个人 AI 助手使用 MCP 连接到 Notion，我把所有客户项目信息都存放在那里，还连接到我的 Google 日历和 Clockify，我用后者进行时间跟踪。

因此，它知道我在某个月需要处理哪些工作，以及类似任务过去花了多长时间，所以它可以在我的日历中预留足够时间，并评估我是否还有余力承担更多工作。

MCP 是一种共享协议，因此任何 AI 工具都可以访问任何应用，只要双方都支持 MCP，而无需开发者编写定制连接，这与 REST API 的情况相同。

从技术层面看，MCP 由三个要素组成：

  • MCP 主机：协调和管理客户端的 AI 应用（例如 Perplexity）
  • MCP 客户端：主机内支持与 MCP 服务器连接并将信息传递给 MCP 主机的“中介”
  • MCP 服务器：数据库或 SaaS 应用等资源的前端，它使 MCP 客户端能够访问其功能（Notion、Google 日历、Clockify 等）。

何时使用智能体、MCP，或两者兼用。以及何时都不需要。

在 AI 智能体和 MCP 之间做选择，归根结底只需回答一个问题：你是需要帮助完成复杂任务，还是想把一个 AI 工具连接到外部资源？

不过，并非所有任务都需要 agentic AI，而那些需要的任务往往也需要 MCP。

以下将更细致地说明何时使用各自方案、何时将它们结合使用，以及何时使用其他选项：

  • 当你无法预测确切步骤，且每一步都需要判断和决策时，使用 AI 智能体来完成复杂任务。
  • 使用带有直接工具调用的工作流来完成步骤固定的常规任务。
  • 作为开发者，当你希望你的应用与现有和未来的 AI 工具兼容时，请使用 MCP。
  • 作为终端用户，当你想通过将 AI 助手连接到其他应用和资源来增强其能力时，请使用 MCP。
  • 当你想解决需要自主性以及访问第三方工具和数据源的复杂、独特任务时，将 AI 智能体和 MCP 结合使用。

情境

最适合

开放式、多步骤目标

智能体

固定、可预测的步骤

具有直接工具调用（通过 API）的预定义工作流

你希望许多 AI 应用连接到你的应用或资源

MCP

你希望让你的 AI 助手访问其他工具或资源

MCP

需要访问多个外部系统的复杂多步骤任务

智能体加 MCP

AI 智能体和 MCP 如何协同工作？

AI 智能体决定要做什么，而 MCP 负责把每个请求传递给相关应用。

设想你是一家小型网店的店主，想弄清楚上个月销售额为什么下降了，所以你请 AI 助手帮你调查。AI 助手会部署一个使用 MCP 获取所需信息的智能体：

  1. 智能体：助手决定把上个月的销售额与前一个月进行比较。
  2. MCP：它向电商平台请求两个月的按产品销售数据。
  3. 智能体：它发现有一款产品造成了大部分下滑，因此决定查看该产品的库存和广告。
  4. MCP：它向店铺平台询问该产品的库存水平，并向广告平台询问其广告表现。
  5. 智能体：库存正常，但广告在当月中途停止投放，因此它决定查明原因。
  6. MCP：它向广告平台询问该活动的历史记录，并得知该活动已达到当月预算上限。
  7. 智能体：它报告最可能的原因，建议提高上限或调整预算，并把决定权留给店主。

由于每一步都依赖上一步的发现，因此你无法提前预测这些步骤。智能体会分析通过 MCP 获得的数据，并用它来规划后续行动。

智能体和 MCP 的风险与护栏

通过 MCP 将自主 AI 智能体连接到其他工具和应用，会让你面临风险。常见问题集中在 AI 智能体拥有超出所需的访问权限，以及第三方劫持 MCP 连接，例如通过间接提示注入或过度代理权。

在大多数情况下，解决办法是手动控制智能体可以访问的信息、监控其活动，并且只使用来自可信来源的连接器。

风险

工作方式

护栏

间接提示注入

AI 所读取内容中的隐藏指令，例如网页、电子邮件或文件。它会指使 AI 做某事，仿佛这些指令来自其所有者。

将外部内容视为不可信，并手动批准高影响操作。

工具投毒（以及“诱骗撤桶”）

隐藏在连接器自身说明中的指令，AI 能读取，但人看不到。

在“诱骗撤桶”中，连接器会在你批准之后更改其说明。

仅使用你亲自批准的连接器，并在之后重新检查。

过度代理权

AI 拥有的访问权限比任务所需更多。

只授予每个连接完成任务所需的访问权限。

假连接器

有人发布了一个官方 MCP 连接器的伪造副本，其中包含恶意代码。

只从可信来源安装连接器。

使用 Perplexity 智能体和 MCP

Perplexity 在两个方向上都使用智能体和 MCP。它的智能体，例如 Computer，会使用 MCP 连接外部应用；而其他 AI 助手也可以通过 MCP 连接到 Perplexity，以增强其研究能力。

Perplexity Computer 是一个通用 AI 智能体，使用 MCP 连接第三方服务。它可以搜索和浏览网页、编写和运行代码、创建文档、读写电子邮件、在 Jira、Slack 或 Notion 等工具中管理任务，以及更多功能。

这种连接也可以反向运作。支持 MCP 的 AI 助手，例如 Claude、ChatGPT 或 Cursor，可以使用 Perplexity 的 MCP 服务器执行网页搜索，并获取包含标题、URL 和摘要的结果，或者指派 Computer 完成一个多步骤任务。

常见问题

AI 智能体和 MCP 是一样的吗？

不是，AI 智能体和 MCP 并不相同，而且各自解决不同的问题。AI 智能体是能够自主完成用户任务的软件工具，而 MCP 是 AI 工具访问其他应用的一种标准化方式。

AI 智能体和 MCP 经常一起工作。AI 智能体可以使用 MCP 访问另一款软件应用中的数据，以实现分配的目标。

MCP 与 agent skills 有什么区别？

MCP（Model Context Protocol，模型上下文协议）将 AI 工具连接到外部应用和数据，而 agent skills 是可复用的指令、脚本和资源，用于教会 AI 智能体如何完成专门任务并设置护栏。

MCP 和 API 是一样的吗？

不是，MCP 和 API 并不相同。API 允许一款软件按照开发者预先构建的规则调用另一款软件，而 MCP 让 AI 智能体查看可用能力并决定调用哪些能力，而无需开发者提前编写连接。

不过，MCP 服务器通常会使用 API 与工具连接。

MCP 与 A2A 有何不同？

MCP（Model Context Protocol，模型上下文协议）将 AI 智能体连接到工具和数据，而 A2A（Agent2Agent）连接的是 AI 智能体。团队可以同时使用二者，其中 MCP 负责工具集成，A2A 负责智能体之间的协作。

MCP 与 RAG 有何不同？

RAG（检索增强生成）是一种 AI 工具用于让答案基于来自外部知识源的可靠信息的系统，而 MCP 是一种将 AI 应用连接到外部数据和工具的标准。因此，RAG 可以使用 MCP 访问其知识库。

不懂开发的人可以使用 MCP 吗？

可以，你无需编写任何代码，只要把兼容 MCP 的 AI 工具连接到一个已经支持它的服务即可。例如，Perplexity 用户可以使用 MCP 连接到 Gmail、ClickUp 或 Figma 等热门应用。