聊聊 MCP、Agent 与 AI 硬件丨AAIF 深圳首秀之夜活动回顾

九月的深圳，晚风正好，技术圈的热度更胜一筹。

【AAIF 深圳】首秀之夜，一群关注Agentic AI 与 Agent 工程化的开发者、架构师和Builder们聚到了一起。这一晚没有各种无聊的寒暄，只有两场干货满满的硬核分享、一轮接一轮的犀利答疑，以及下半场那些让人眼前一亮的 AI 应用与硬件脑洞。

我们把现场的火花整理成这篇回顾，错过现场的你，值得花十分钟补上。

一、MCP：从"野蛮生长"到行业事实标准

半年，从开源到"人手一个"

第一位分享嘉宾 Yufei 带来的主题，是过去一年 AI 圈绕不开的关键词——MCP 协议。

MCP 定位于模型与工具之间的标准化接入层，解决的是 AI 世界里工具调用的碎片化问题。2024 年底协议开源后，几乎以一种"横扫"的姿态完成了生态收割：半年之内，几乎所有主流 AI 厂商统一接入，如今已是行业里接近事实标准的存在。

更值得玩味的是它的治理节奏：2025 年 7 月确立治理流程，年底又作为首批捐赠项目加入 AAIF 基金会——从社区项目到基金会规范化治理，MCP 只用了一年，此后所有变更都基于规范流程推进。

42 个 SEP 背后：一个"敢废弃自己"的协议

协议演进采用类似 Python PEP 的SEP 提案机制，目前已有42 个 SEP 推进至最终状态，覆盖新特性、协议变更与扩展。

而真正体现工程判断力的，是它"敢对自己动刀"：

• 采样（Sampling）和根目录（Roots）被废弃——原因很朴素：它们增加了服务端复杂性，而真正实现的人太少；
• 早期日志方案也被废弃，转向 CNCF OpenTelemetry GenAI 语义约定，让可观测性回归行业标准。

传输与架构：全面奔向云原生

传输协议的演进路线清晰可见：从早期的stdio（标准输入输出）和 SSE（服务端发送事件），一路走到今天的Streamable HTTP。

架构上，当前协议要求所有 MCP Server 实现无状态化——通过传递状态唯一 ID 即可恢复完整状态。这不是强迫症，而是为了天然适配多网关与云服务场景。

生态侧，协议如今支持长耗时任务（Task）、服务端渲染交互页面（App）以及 CA等扩展能力；授权与安全体系已基本对齐OAuth 和 OIDC，统一登录账号后即可免跳转调用所有 Remote MCP Server。

灵魂拷问：MCP 还是 CLI？

现场最引发讨论的一段，是对 MCP 与 CLI 适用场景的冷静对比。

早期基于 stdio 的 MCP 并不完美：启动成本高——微软 Graph MCP 一启动就要吞掉大量 Token；网络往返还带来可靠性问题，成功率一度只有72%。

分享嘉宾给出的判断是：

• CLI 适合本地场景，Token 消耗更低、体验更稳；
• MCP 更适合跨系统、跨团队的 AI Agent 平台工程，支持凭证分发与远程管理。

工具没有银弹，场景才决定选择。

二、AgentScope 实战：把 Agent 编排做成一门工程

第二场的分享嘉宾 ZhouPeng 聚焦 AgentScope 框架的实战经验，从上下文管理讲到多智能体协作，几乎是一份"Agent 工程化避坑指南"。

上下文不是越多越好，而是越"冷热分明"越好

Agent 的上下文窗口被拆成四层结构：系统提示、压缩摘要、近期上下文、工具结果——通过冷热数据分离实现成本优化。

回收策略是主动出击的组合拳：

• 修剪（Truncate）+ 摘要压缩（Compaction） 主动触发回收；
• 超阈值的工具结果卸载至外部存储，只保留引用指针。

阈值设计也颇为讲究：消息达到 50 条或 Token 达到 20k 时触发压缩，并预留 10k 空间防溢出。切分点则严格落在 Assistant、Tool Use 和 Tool Result 之间——保证数据的完整性，绝不把一次工具调用"拦腰截断"。

跨会话记忆：一本 Append Only 的"流水账"

跨会话记忆采用Append Only 流水账模式，配合高水位（High Water Mark）机制，避免重复加载已经处理过的历史数据。

记忆的流转路径同样清晰：短期记忆提取摘要后汇总至流水账，最终通过压缩算法提取至Memory MD，支持 JSON 文件或内嵌数据库持久化——该省的省，该留的留。

编排内核：递归而非循环

核心引擎基于ReAct 模型的递归调用链构建——用递归替代传统 while 循环，规避上下文透传问题，同时内置循环次数超限等终止条件，防止 Agent "刹不住车"。

2.0 版本主推的Middleware 中间件模式提供 5 个拦截点（On Engine、On Reasoning、On Acting 等），覆盖智能体全生命周期的管控。工具治理上则采用Token Facade 门面模式：只向模型暴露"激活组"中的工具——无效工具不再白白占用上下文。

多智能体协作：三种模式，一个推荐

框架支持三种协作模式：MsgHub 广播、AgentTeams看板、Agent as Tool 层级委派。

其中层级委派是官方推荐：主 Agent 调用子 Agent 时将其伪装成一个 Tool，管控友好，还支持异步处理——工程味十足的设计。

三、答疑现场：好问题比好答案更稀缺

分享结束后的答疑环节，问题质量之高，堪称本场活动的"隐藏彩蛋"。

Q1：其他记忆（如短期记忆、会话历史）会落盘吗？

A：短期记忆不需要落盘。框架会将短期记忆提取摘要，汇总至流水账，最终通过压缩算法提取至 Memory MD，支持 JSON 文件或内嵌数据库持久化——落盘的是"沉淀后的精华"，而不是原始噪音。

Q2：云厂商推出的托管 Agent 基于什么 SDK 编写？是否支持 Skills 和沙箱？

A：托管 Agent 充分利用云上能力，支持 Skills 和沙箱，并以Nacos 作为注册中心，实现了 A2A 和 MCP 的托管。

四、下半场：AI 应用与硬件，脑洞照进现实

如果说上半场是"基础设施的严谨"，下半场就是"应用创新的浪漫"。

和乔布斯、巴菲特开一场董事会？

有分享者带来了"数字伙伴决策辅助"应用：通过自然语言编排规则，把乔布斯、巴菲特等数字伙伴分配独立上下文进行讨论——避免单一上下文导致的人格自洽和信息压缩损失。

它的目标用户很明确：企业老板。为高管决策提供一个客观、无立场的讨论环境，引入著名方法论拓宽思维，让决策更有"安全感"。

短视频自动生产流水线

同样基于"多角色独立上下文"的思路，用提示词串联 CEO、产品经理等多个角色，自动生成带有情感反转或深度阐述的短视频内容——内容行业的生产范式，正在被悄悄改写。

一支会写会议纪要的麦克风

现场展示的影石与腾讯会议联名麦克风收获了大量目光：5 米半径收音、32G 独立存储、声纹识别，还支持墨水屏自定义 Logo。它可以直接自动转写文本并抽取观点，目标很朴素——替代人工记录，解决多语言沟通障碍，有望大幅优化企业的人力成本。

同声翻译耳机：翻的是语言，不是理解

关于"耳机实现跨语种实时双向翻译"的探讨同样热烈——这一形态一旦成熟，传统语言培训行业或将迎来颠覆。

但现场也留下了冷静的思考：当前大模型翻译虽能解决语言障碍，却无法完全解决因专业术语或方言导致的沟通错位。翻的是语言，不是理解——AI 还有功课要补。

写在最后

一晚上的内容密度，浓缩成三个关键词：

• 协议 在走向标准化与基金会治理，MCP 的下一程值得持续关注；
• 框架在走向工程化，上下文、记忆、编排每一个环节都是实打实的系统设计；
• 应用在走向日常，从决策辅助到会议纪要，AI 正在接管那些重复而琐碎的劳动。

这是 AAIF 深圳的首秀之夜，但不是最后一夜。Agentic AI的开放生态需要社区的每一位的参与和贡献。

感谢每一位到场的分享嘉宾与开发者/架构师/Builders，也感谢幕后的组织伙伴们。特别感谢：

• BayOSS湾区开源驿站 

• vivo互联网技术 

• 南山区党群服务中心 

下一场活动已在筹备中——如果你也想来现场聊聊，欢迎在 Luma 关注我们 https://luma.com/aaif-shenzhen

• 报名分享 https://www.wenjuan.com/s/UZBZJvHnZSp/#

• 社区合作 https://www.wenjuan.com/s/UZBZJvJz3a/#

你最想在下一次沙龙听到什么话题？可以在留言区告诉我们。

本文由Insta360 mic pro语音记录并转写文字，然后使用AI面向公众号发布场景优化整理，最后经过社区活动组织者人工review，如有疏漏欢迎指正。