AI基础设施概念解析一、概念对比表概念 本质 作用 类比MCP 连接协议 AI连接外部工具 USB接口Skill 能力模块 可复用的AI技能 App应用OpenSpec 开放规范 定义标准接口 API文档Harness 编排层 调度多个Agent 项目经理LoopEngine 循环引擎 持续运行的AI系统 自动驾驶系统Agent 智能体 自主决策执行 员工Workflow 工作流 任务流程编排 流水线二、详细解析1. MCP (Model Context Protocol)是什么Anthropic推出的连接协议让AI能调用外部工具// MCP Server示例{name: github-mcp,tools: [{name: create_issue,description: 创建GitHub Issue,parameters: {repo: string,title: string}}]}实际应用- Claude通过MCP连接GitHub直接创建Issue- Claude通过MCP连接数据库执行SQL查询- Claude通过MCP连接文件系统读写文件2. Skill (技能)是什么可复用的AI能力模块封装特定功能# Skill: 翻译助手## 触发条件当用户说翻译、translate时触发## 执行步骤1. 识别源语言和目标语言2. 调用翻译API3. 返回翻译结果## 依赖工具- MCP: 翻译API- MCP: 语言检测API实际应用- 你可以说帮我把这段话翻译成英文AI自动调用翻译技能- 你可以说帮我生成一张图片AI自动调用图像生成技能3. OpenSpec (开放规范)是什么定义标准接口格式让不同系统能互操作# OpenAPI 3.0规范示例openapi: 3.0.0info:title: AI Agent APIpaths:/agent/chat:post:summary: 与Agent对话requestBody:content:application/json:schema:type: objectproperties:message:type: stringagent_id:type: string实际应用- 定义Agent的标准接口让不同厂商的Agent能互操作- 定义MCP工具的标准格式让不同工具能被统一调用4. Harness (编排层)是什么调度多个Agent管理任务流程# Harness编排示例class AgentHarness:def execute_task(self, task):# 1. 分析任务agents_needed self.analyze_task(task)# 2. 分配Agentresults []for agent_type in agents_needed:agent self.get_agent(agent_type)result agent.run(task)results.append(result)# 3. 合并结果final_result self.merge_results(results)return final_result实际应用- AutoGPT最早的自主Agent框架- MetaGPT模拟软件开发团队- CrewAI多Agent协作框架5. LoopEngine (循环引擎)是什么让AI系统持续运行不断执行任务# LoopEngine示例class LoopEngine:def __init__(self, agents):self.agents agentsself.running Truedef run(self):while self.running:# 1. 获取任务task self.get_task()# 2. 分配Agentagent self.select_agent(task)# 3. 执行任务result agent.execute(task)# 4. 反馈学习self.learn_from_result(result)# 5. 等待下一个任务self.wait()实际应用- 自动驾驶系统持续感知、决策、执行- 智能客服系统持续处理用户请求- 监控系统持续监控异常6. Agent (智能体)是什么能自主感知、决策、执行的AI实体# Agent示例class Agent:def __init__(self, name, tools):self.name nameself.tools toolsdef perceive(self, environment):# 感知环境return environment.get_state()def decide(self, perception):# 决策return self.plan_action(perception)def act(self, decision):# 执行return self.execute_action(decision)实际应用- ChatGPT对话Agent- GitHub Copilot代码Agent- 自动驾驶汽车物理世界Agent7. Workflow (工作流)是什么定义任务的执行流程# Workflow示例name: 内容生成工作流steps:- name: 需求分析agent: 分析师Agentinput: 用户需求- name: 内容创作agent: 写手Agentinput: 分析结果- name: 内容审核agent: 审核Agentinput: 创作内容- name: 发布agent: 发布Agentinput: 审核通过的内容实际应用- n8n可视化工作流引擎- DifyAI工作流平台- FastGPT知识库工作流三、架构关系图┌─────────────────────────────────────────────────────────────┐│ 用户请求 │└─────────────────────────────────────────────────────────────┘↓┌─────────────────────────────────────────────────────────────┐│ LoopEngine (循环引擎) ││ 持续运行不断执行任务 │└─────────────────────────────────────────────────────────────┘↓┌─────────────────────────────────────────────────────────────┐│ Harness (编排层) ││ 调度多个Agent管理任务流程 │└─────────────────────────────────────────────────────────────┘↓ ↓ ↓┌─────────────┐ ┌─────────────┐ ┌─────────────┐│ Agent 1 │ │ Agent 2 │ │ Agent 3 ││ 代码助手 │ │ 文档助手 │ │ 数据助手 │└─────────────┘ └─────────────┘ └─────────────┘↓ ↓ ↓┌─────────────────────────────────────────────────────────────┐│ Skill (技能层) ││ 可复用的AI能力模块 │└─────────────────────────────────────────────────────────────┘↓ ↓ ↓┌─────────────┐ ┌─────────────┐ ┌─────────────┐│ 翻译技能 │ │ 图像生成 │ │ 代码生成 │└─────────────┘ └─────────────┘ └─────────────┘↓ ↓ ↓┌─────────────────────────────────────────────────────────────┐│ MCP (连接层) ││ 统一接口连接各种外部工具 │└─────────────────────────────────────────────────────────────┘↓ ↓ ↓┌─────────────┐ ┌─────────────┐ ┌─────────────┐│ GitHub │ │ 数据库 │ │ 文件系统 │└─────────────┘ └─────────────┘ └─────────────┘↓ ↓ ↓┌─────────────────────────────────────────────────────────────┐│ OpenSpec (规范层) ││ 定义标准接口格式让不同系统能互操作 │└─────────────────────────────────────────────────────────────┘四、实际应用示例示例1智能客服系统用户提问↓LoopEngine (持续监听)↓Harness (分配Agent)↓Agent (理解问题)↓Skill (调用知识库)↓MCP (查询数据库)↓OpenSpec (返回标准格式)↓Agent (生成回答)↓用户收到回答示例2内容生成系统用户需求↓LoopEngine (持续运行)↓Harness (编排工作流)↓Agent 1 (需求分析)↓Skill (市场调研)↓MCP (调用搜索引擎)↓Agent 2 (内容创作)↓Skill (写作助手)↓Agent 3 (内容审核)↓Skill (质量检查)↓Agent 4 (发布)↓MCP (发布到平台)↓内容发布完成五、一句话总结- MCP 让AI能插电使用外部工具- Skill AI学会的具体技能- OpenSpec 工具间的通用语言- Harness 多个AI协作的指挥官- LoopEngine AI系统的持续运行引擎- Agent 能自主行动的AI员工- Workflow 任务执行的流水线
AI基础设施概念解析
发布时间：2026/7/10 22:10:57
AI基础设施概念解析一、概念对比表概念 本质 作用 类比MCP 连接协议 AI连接外部工具 USB接口Skill 能力模块 可复用的AI技能 App应用OpenSpec 开放规范 定义标准接口 API文档Harness 编排层 调度多个Agent 项目经理LoopEngine 循环引擎 持续运行的AI系统 自动驾驶系统Agent 智能体 自主决策执行 员工Workflow 工作流 任务流程编排 流水线二、详细解析1. MCP (Model Context Protocol)是什么Anthropic推出的连接协议让AI能调用外部工具// MCP Server示例{name: github-mcp,tools: [{name: create_issue,description: 创建GitHub Issue,parameters: {repo: string,title: string}}]}实际应用- Claude通过MCP连接GitHub直接创建Issue- Claude通过MCP连接数据库执行SQL查询- Claude通过MCP连接文件系统读写文件2. Skill (技能)是什么可复用的AI能力模块封装特定功能# Skill: 翻译助手## 触发条件当用户说翻译、translate时触发## 执行步骤1. 识别源语言和目标语言2. 调用翻译API3. 返回翻译结果## 依赖工具- MCP: 翻译API- MCP: 语言检测API实际应用- 你可以说帮我把这段话翻译成英文AI自动调用翻译技能- 你可以说帮我生成一张图片AI自动调用图像生成技能3. OpenSpec (开放规范)是什么定义标准接口格式让不同系统能互操作# OpenAPI 3.0规范示例openapi: 3.0.0info:title: AI Agent APIpaths:/agent/chat:post:summary: 与Agent对话requestBody:content:application/json:schema:type: objectproperties:message:type: stringagent_id:type: string实际应用- 定义Agent的标准接口让不同厂商的Agent能互操作- 定义MCP工具的标准格式让不同工具能被统一调用4. Harness (编排层)是什么调度多个Agent管理任务流程# Harness编排示例class AgentHarness:def execute_task(self, task):# 1. 分析任务agents_needed self.analyze_task(task)# 2. 分配Agentresults []for agent_type in agents_needed:agent self.get_agent(agent_type)result agent.run(task)results.append(result)# 3. 合并结果final_result self.merge_results(results)return final_result实际应用- AutoGPT最早的自主Agent框架- MetaGPT模拟软件开发团队- CrewAI多Agent协作框架5. LoopEngine (循环引擎)是什么让AI系统持续运行不断执行任务# LoopEngine示例class LoopEngine:def __init__(self, agents):self.agents agentsself.running Truedef run(self):while self.running:# 1. 获取任务task self.get_task()# 2. 分配Agentagent self.select_agent(task)# 3. 执行任务result agent.execute(task)# 4. 反馈学习self.learn_from_result(result)# 5. 等待下一个任务self.wait()实际应用- 自动驾驶系统持续感知、决策、执行- 智能客服系统持续处理用户请求- 监控系统持续监控异常6. Agent (智能体)是什么能自主感知、决策、执行的AI实体# Agent示例class Agent:def __init__(self, name, tools):self.name nameself.tools toolsdef perceive(self, environment):# 感知环境return environment.get_state()def decide(self, perception):# 决策return self.plan_action(perception)def act(self, decision):# 执行return self.execute_action(decision)实际应用- ChatGPT对话Agent- GitHub Copilot代码Agent- 自动驾驶汽车物理世界Agent7. Workflow (工作流)是什么定义任务的执行流程# Workflow示例name: 内容生成工作流steps:- name: 需求分析agent: 分析师Agentinput: 用户需求- name: 内容创作agent: 写手Agentinput: 分析结果- name: 内容审核agent: 审核Agentinput: 创作内容- name: 发布agent: 发布Agentinput: 审核通过的内容实际应用- n8n可视化工作流引擎- DifyAI工作流平台- FastGPT知识库工作流三、架构关系图┌─────────────────────────────────────────────────────────────┐│ 用户请求 │└─────────────────────────────────────────────────────────────┘↓┌─────────────────────────────────────────────────────────────┐│ LoopEngine (循环引擎) ││ 持续运行不断执行任务 │└─────────────────────────────────────────────────────────────┘↓┌─────────────────────────────────────────────────────────────┐│ Harness (编排层) ││ 调度多个Agent管理任务流程 │└─────────────────────────────────────────────────────────────┘↓ ↓ ↓┌─────────────┐ ┌─────────────┐ ┌─────────────┐│ Agent 1 │ │ Agent 2 │ │ Agent 3 ││ 代码助手 │ │ 文档助手 │ │ 数据助手 │└─────────────┘ └─────────────┘ └─────────────┘↓ ↓ ↓┌─────────────────────────────────────────────────────────────┐│ Skill (技能层) ││ 可复用的AI能力模块 │└─────────────────────────────────────────────────────────────┘↓ ↓ ↓┌─────────────┐ ┌─────────────┐ ┌─────────────┐│ 翻译技能 │ │ 图像生成 │ │ 代码生成 │└─────────────┘ └─────────────┘ └─────────────┘↓ ↓ ↓┌─────────────────────────────────────────────────────────────┐│ MCP (连接层) ││ 统一接口连接各种外部工具 │└─────────────────────────────────────────────────────────────┘↓ ↓ ↓┌─────────────┐ ┌─────────────┐ ┌─────────────┐│ GitHub │ │ 数据库 │ │ 文件系统 │└─────────────┘ └─────────────┘ └─────────────┘↓ ↓ ↓┌─────────────────────────────────────────────────────────────┐│ OpenSpec (规范层) ││ 定义标准接口格式让不同系统能互操作 │└─────────────────────────────────────────────────────────────┘四、实际应用示例示例1智能客服系统用户提问↓LoopEngine (持续监听)↓Harness (分配Agent)↓Agent (理解问题)↓Skill (调用知识库)↓MCP (查询数据库)↓OpenSpec (返回标准格式)↓Agent (生成回答)↓用户收到回答示例2内容生成系统用户需求↓LoopEngine (持续运行)↓Harness (编排工作流)↓Agent 1 (需求分析)↓Skill (市场调研)↓MCP (调用搜索引擎)↓Agent 2 (内容创作)↓Skill (写作助手)↓Agent 3 (内容审核)↓Skill (质量检查)↓Agent 4 (发布)↓MCP (发布到平台)↓内容发布完成五、一句话总结- MCP 让AI能插电使用外部工具- Skill AI学会的具体技能- OpenSpec 工具间的通用语言- Harness 多个AI协作的指挥官- LoopEngine AI系统的持续运行引擎- Agent 能自主行动的AI员工- Workflow 任务执行的流水线
