7.9
深览指数
产品人人都是产品经理·健壮的大姐姐··AI 生成
AI Native 时代，工具的边界到底在哪？
本文提出「确定性」作为衡量AI工具选型的核心标尺，构建了从MCP到Agent的确定性度量轴。作者基于亲身集成经验，系统分析了MCP、Workflow、Skill、Agent四类工具的「本分」与常见错位：用Skill强求100%确定性、用Prompt做安全鉴权、用Agent执行固定流程等，并给出了「四问判断法」指导架构决策。适合正在建设Agent平台或接入AI能力的产研团队阅读，能有效减少跨团队协作中的概念分歧。原文 ↗
核心观点
- ▍判断AI工具形态（MCP/Skill/Workflow/Agent）的核心标尺是「确定性」：把该确定的事交给代码，把该判断的留给模型，避免错位越界。
- ▍协作疲惫的根源在于边界不清，本质是契约不清晰。应该把「该做什么」的争论，换成「有多确定」的讨论。
- 01MCP只接有唯一正确答案的确定性动作，如查订单接口：同一输入一定输出同一结果，不随上下文漂移。
- 02Workflow把不确定的模型能力（写文案、做归纳）装进确定的外壳（固定步骤、顺序编排），以周报生成为例：拉数据（确定）→分析（模型）→生成初稿（模型）→校验（确定）→发送（确定）。
- 03Skill抬高下限但不保证上限，好的Skill需具备明确的输入、步骤、输出标准和最容易被忽略的终止条件（如连续失败三次停止），必须有刹车。
- 04Agent只在任务的步骤无法预先枚举、下一步取决于上一步的动态结果时才使用；能用工作流编排的，别用Agent硬扛。
- 05作者提出「四问判断法」：①需要确定性输出？→MCP/Workflow确定节点；②需要模型判断？→否就普通代码；③步骤能提前画出来？→Workflow；④下一步取决于上一步动态结果？→才轮到Agent。
- 06安全边界必须在模型之外：用prompt做权限校验等于把保险箱钥匙挂在门上，必须由MCP Server侧做认证鉴权和运行时校验，不轻信Agent递来的身份。
反方 / 局限
- — 作者承认MCP粒度不宜过细，如「打开文件」「读取第一行」「关闭文件」拆成三个工具会污染上下文；粒度应以「语义完整、一步到位」为原则。
- — 作者指出Workflow不性感，不如Agent有自主智能光环，也不如Skill容易交付，但它解决了业务里最常见的一类需求（流程清晰、中间需要一点模型能力），真正需要Agent的场景反而是少数。
- — 作者反思很多团队在交付Skill时，本质是因为MCP没写好——一个tool的名字、说明、参数足够清楚，模型拿到就知道怎么调，这一层Skill本可以不要。
21 分钟 · 4 卡片 · 11 资料
读原文 →