MCP 服务端把多智能体编排藏进一个厚工具
anilkr84 · reddit · 2026-07-26
把编排塞进 MCP 服务端，用一个工具隐藏多智能体系统
这条讨论的是 MCP/agent 工程里一个很实用的架构选择：不要让客户端 LLM 一步步串工具、传状态、做路由，而是把编排逻辑搬到服务器端，封装成一个“厚工具”，例如 askagent(goal)，由服务端多智能体系统自己完成规划与执行。
作者提出的三代 MCP 设计
- Gen 1： 只有一箱薄工具，所有智能都在客户端，状态和中间结果全塞进上下文。
- Gen 2： 工具外加 skillpack，虽然有流程说明，但编排仍然在客户端，且还要把说明文本也放进上下文。
- Gen 3： 编排下沉到服务端，一个入口、一个答案，中间结果都不离开服务器。
这种做法解决了什么
- 深层推理时 token 成本更稳定，不会随着步骤数线性膨胀。
- 目标漂移更少，客户端只保留问题和最终答案。
- schema 负担更小，客户端只加载一个小工具定义。
- 路由可以由领域化的大脑在运行时决定，而不是预写死。
- 同一套工具可以跨 Claude、ChatGPT、Codex 使用。
代价
- 单次调用更慢，延迟更高。
- 客户端更难在中途观察或干预。
- 本质上是在生产环境里跑一个 agent 系统，因此评测、可观测性和故障处理都变成刚需。
作者最后给出的实践方案是混合式：一个厚推理工具，外加少量薄工具做列表和选择这类控制面操作。
「编程与Agent」频道最新
- Vibe coding 用户在问：ChatGPT 还是 Codex 更像默认栈 — yungcontent · 2026-07-26
- 测试语音技术的 agent 应用，想做成可定制模板 — sull · 2026-07-26
- Codex 完全开源，还能接任意开源权重模型 — reach_vb · 2026-07-26
- fable-advisor 改用 Opus 5 做长链路智能体编排器 — daniel_mac8 · 2026-07-26
- Databricks 免费 AI 数据工程训练营 8 月 3 日上线 — Zachly · 2026-07-26
- 用 coding agent 处理代码库，脑内模型会变得很模糊 — round · 2026-07-26