10xAI Wiki

6分钟阅读

mcp market

https://tokenflux.ai/mcps https://www.modelscope.cn/mcp/servers/@amap/amap-maps

cherrybox

modelscope

https://www.modelscope.cn/my/myaccesstoken

[2026-07-17] 信息层 vs 协议层：Agent 能力扩展的两条正交路径

  • 信息层（本批次新开源项目）：Agent-Reach（接入层，50.7k 星）/ last30days（过滤打分层，4.6 万星）/ OpenViking（存储检索层，2.6 万星）——三者解决的是”Agent 怎么拿到、提炼、存取外部信息”，是信息层问题。
  • MCP（协议层）：解决的是”Agent ↔ 工具/数据源 怎么通信”，是协议层问题（统一工具调用接口、插件式扩展、厂商中立，见本页既有论述）。
  • 二者正交可叠加：信息层项目（如 Agent-Reach 各平台 Python 模块）可与 MCP（标准通信协议）组合使用——Agent-Reach 通过命令行给 Agent 数据，MCP 把”Agent 调工具”标准化，两者不冲突。OpenViking 的 Codex/Claude Code 插件既是信息层存储，也通过”一行命令装记忆插件”对接 Agent harness，是两层叠加的实例。
  • Skill 与 MCP 是 Agent 能力扩展的并行路径：Skill（如 sansheng-write 写作流水线、apple-design 设计原则）把”专家方法论”沉淀为可复用工程化资产；MCP 把”工具调用”标准化。二者分别从”知识/方法论”和”通信/接口”两端扩展 Agent 能力，不互斥。本页既有”被 Claude 吞噬的应用层：从 MCP、Skills 到 PTC”源页已预示此分野，本批次开源项目将其坐实。

来源：../sources/2026-07-17-AI-Agent开源工具生态

[2026-08-10] “本地资料库 → MCP Server → 任意 Agent”实例：Linkly AI 文献管理

Linkly AI 是继 Voicebox 本地语音栈之后该模式的又一实例（文献管理场景）：为本地 PDF 文献库建立三层索引（BM25 全文 + Outline 章节结构 + 向量语义），把 search（搜文献）→ outline（看章节”名片”定位段落）→ read（精读指定章节原文） 三个渐进式工具经 MCP 暴露给 Claude、Cursor 等任意客户端——AI 自主规划检索深度，引用落到本地真实文件原话（反幻觉）。官方宣称三步配置（导出 PDF → 建索引 → 配 MCP）5 分钟完成。该实例说明 MCP 的价值不止”调工具”，还在于让私有语料不搬家即可被任意 Agent 消费。见 Source: Linkly AI。

？ 相关文章为产品方自述推广内容，配置/建索引时间数字无第三方验证。

关系图谱

反向链接