Agent 能做什么，取决于它能到达哪些系统。Anthropic 官方博客今天发布了一篇工程笔记，系统讲解了三种连接路径，以及为什么生产级 Agent 最终都落在 MCP 上。
三种连接路径
直接 API 调用：Agent 在代码执行沙箱里发 HTTP 请求。最直接的方案，但随着系统规模扩大，会遇到 M×N 问题——每个 Agent–Service 对都是独立集成，各有各的认证、工具描述和边界情况。没有公共层，集成无法复用。
CLI：Agent 在 Shell 里运行命令行工具。轻量、快速，依赖已有的本地工具链。但遇到移动端、Web 端或云端平台（这些环境没有容器和 Shell）就直接卡住。
MCP：以协议形式提供公共层。Agent 连接到一个 MCP Server，Server 暴露系统的能力，认证、发现和语义都由协议标准化。一个远程 Server 可以被任何兼容客户端（Claude、ChatGPT、Cursor、VS Code 等）调用，不限部署环境。
Anthropic 的判断是：生产级 Agent 越来越多跑在云端，它们需要到达的系统也在云端——这种情况下 MCP 是唯一能覆盖所有环境的方案。
MCP 的采用速度
MCP SDK 月下载量已从年初的 1 亿增长到现在的 3 亿，企业采用和主流 Agent 平台都在用。Anthropic 的 Claude Cowork、Claude Managed Agents、Claude Code Channels 底层都依赖 MCP。
构建优秀 MCP Server 的工程模式
做远程 Server：只有远程 Server 能覆盖 Web、移动端和云端 Agent。构建本地 Server 只服务于本地环境，会失去云端和移动端的所有用户。
围绕意图分组工具，而非 API 端点：少量、高质量的工具始终优于大量 API 镜像。不要把 API 一对一地包装成 MCP Server——围绕用户意图分组工具，让 Agent 用两三个调用完成一个任务，而不是拼凑一堆原始操作。一个 create_issue_from_thread 工具远优于 get_thread + parse_messages + create_issue + link_attachment。
大表面用代码编排：如果你的服务有数百个不同操作（如 Cloudflare、AWS、Kubernetes），按意图分组的工具集无法覆盖。解法是暴露一个薄工具表面，接受代码：Agent 写一段短脚本，Server 在沙箱里执行，只返回结果。Cloudflare 的 MCP Server 是参考实现——两个工具（search 和 execute）覆盖约 2500 个端点，Token 消耗约 1K。
发送富语义：MCP Apps 是第一个官方协议扩展，让工具可以返回交互式界面（图表、表单、仪表盘），直接在聊天界面内渲染。提供 MCP Apps 的 Server，用户采用率和留存率显著高于只返回文本的 Server。
用标准化认证：MCP spec 支持 CIMD（Client ID Metadata Documents），用于客户端注册。这让用户有更快的首次认证流程，大幅减少意外重新认证的提示。Anthropic 建议使用 OAuth + CIMD 方案。
让 MCP 客户端更省 Token
按需加载工具：Tool Search：不是在启动时把全部工具加载到上下文，而是让 Agent 在运行时从目录搜索，按需拉取相关工具。Anthropic 测试中，Tool Search 在保持高选择准确率的同时，将工具定义的 Token 消耗降低 85% 以上。
编程式工具调用：在代码执行沙箱里处理工具结果，而不是把原始结果返回给模型。Agent 可以在代码里循环、过滤、聚合多次调用，只有最终输出进入上下文。Anthropic 测试中，复杂多步工作流的 Token 消耗降低约 37%。
MCP 和 Skills 的组合
MCP 给了 Agent 调用外部系统的能力，Skills 则教 Agent 知道怎么用这些工具完成真正的工作。两者互补。
有两种组合模式：
打包成 Plugin：Claude Plugin 可以把 Skills、MCP Server、Hooks、LSP Server 和专用子 Agent 打包成统一分发单元。在 Claude Cowork 的 Data Plugin 里，10 个 Skills 加 8 个 MCP Server，覆盖 Snowflake、Databricks、BigQuery、Hex 等应用。
从 MCP Server 分发 Skills：越来越多的提供商在 MCP Server 旁边发布 Skill，让 Agent 既有原始能力，也有使用它的操作手册。Canva、Notion、Sentry 都在这么做。
社区正在推进一个实验性扩展，让 Skills 直接从 Server 分发，客户端自动继承相关专业知识，且与依赖的 API 版本绑定。
核心结论
成熟的集成会同时使用三种路径：API 作为底层，CLI 服务本地优先场景，MCP 服务云端 Agent。但随着生产级 Agent 向云端迁移，MCP 是那个复利层——现在构建一个远程 Server，可以被任何兼容客户端调用，认证、交互性、富语义都由协议处理。随着更多客户端采用 spec、更多扩展进入协议，同一个 Server 会自动获得更多能力，不需要你再做任何事。
这就是生态的力量。