Agentic AI与MCP入门：从生成式AI到自动化智能体

从生成式AI说起：三个必须理解的概念

在一场由Annai Scholastica Arts and Science College计算机系与印度研发专业人员协会联合举办的一日工作坊中，Ditto Security创始人兼CTO Ajinkya系统梳理了当下AI领域最热的三个层次：生成式AI（Generative AI）、智能体（Agentic AI）与MCP（Model Context Protocol）。他的核心观点很直接——生成式AI已经不再是最前沿，真正值得研究者投入的，是智能体与MCP。

要理解生成式AI，讲者把它拆成两部分：生成（Generative）与人工智能（Artificial Intelligence）。他强调生成式AI"不是火箭科学"，其底层依赖两项技术：语言建模（Language Modeling）和基于人类反馈的强化学习（RLHF）。所谓语言建模，就是你在浏览器输入"我想打板球"时，系统能根据上下文预测后续内容的续写过程；而RLHF则保证模型输出符合人类思维习惯。

基于这两项技术，生成式AI能够实现文本生成文本（text-to-text）、文本生成语音（text-to-speech）、文本生成视频（text-to-video）等多种应用形态。这是当前大多数人熟悉的AI能力边界。

RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）是当前主流大语言模型训练流程中的关键环节。其基本逻辑是：模型先生成多个候选输出，由人类标注员对这些输出进行优劣排序，再用排序结果训练一个"奖励模型"，最后以奖励模型的评分作为强化学习信号持续优化主模型。这一机制使模型输出更符合人类偏好，例如更礼貌、更准确、更少产生有害内容。ChatGPT、Claude等商业模型都大量依赖RLHF或其变体（如RLAIF）进行对齐训练。理解RLHF有助于解释为何同一底层架构的模型，在经过不同程度的对齐训练后，交互体验会有显著差异。

智能体AI：让自动化替代重复劳动

讲者认为，生成式AI的能力已经"过时"，取而代之的是Agentic AI的自动化范式。他举了一个贴近实际的例子：如果你想做LinkedIn内容运营，过去需要每天手动发帖，而智能体可以替你完成全部工作——"不是你，而是你的智能体在执行任务"。

make与zapier自动化平台

他点名了三个主流自动化平台：Make、Zapier以及后文重点演示的n8n。在他看来，许多行业已经转向自动化，AI接待员、AI客服团队正在逐步替代人工环节。这个判断略显激进——"未来我们真的不需要人类"的表述带有明显的个人色彩，读者应理性看待，自动化更多是辅助而非完全取代。

MCP：AI系统的"USB-C接口"

工作坊的核心概念落在MCP（Model Context Protocol，模型上下文协议）上。讲者将其拆解为三个关键词：

Model（模型）：指底层语言模型，可以是ChatGPT、LangChain或其他模型；
Context（上下文）：即额外信息。比如你在ChatGPT里直接问"我是谁"不会得到有效回答，但补充身份信息后就能获得针对性输出；
Protocol（协议）：一套状态规则。

MCP与生成式AI、智能体的本质区别在于"行动能力"。讲者举例：你在ChatGPT里输入"帮我订一张从金奈到伦敦的机票"，普通对话模型做不到；但通过MCP Server，你不仅能订票，还能查询航班状态。他把MCP形象地比喻为"一个简单的USB-C接口"——通过它，AI可以连接多个服务器和多个API，从而真正与现实世界的工具、数据和应用打通。

MCP（Model Context Protocol）由Anthropic于2024年底发布并开源，旨在为AI模型与外部工具、数据源之间的交互建立统一标准。在MCP出现之前，每个AI应用若要调用外部服务（如数据库、日历、代码执行环境），都需要开发者单独编写集成逻辑，接口各异、维护成本极高。MCP通过定义"MCP Server"与"MCP Client"两个角色，将外部能力封装成标准化接口：MCP Server负责暴露工具（Tools）、资源（Resources）和提示模板（Prompts），MCP Client（通常是AI助手或智能体框架）则通过统一协议调用这些能力。这与USB-C的设计哲学高度一致——无论连接什么设备，接口规范保持不变，从而大幅降低生态整合的复杂度。目前已有大量第三方服务提供官方MCP Server，包括GitHub、Google Maps、数据库驱动等。

实战演示：用n8n搭建RAG知识库问答工作流

工作坊的动手环节聚焦于用n8n平台构建一个RAG（Retrieval Augmented Generation，检索增强生成）聊天机器人。RAG的本质是让AI基于你提供的在线与离线数据来生成答案，而不是凭空输出。

n8n工作流平台登录界面

讲者演示的工作流搭建步骤如下：

Google Drive节点：选择"on changes involving a specific folder"选项，用于监控特定文件夹的变动，承担文件夹创建的角色；
下载文件节点：再次调用Google Drive，使用"download file"功能，获取上传到文件夹中的PDF文件；
Pinecone向量数据库：选择"add document to the vector store"，Pinecone在这里负责文档的分类（classification）与向量存储；
OpenAI Embedding：在嵌入环节选择OpenAI，讲者提到选它是因为有免费额度；
默认数据加载器（Default Data Loader）：数据类型设为binary，文本设置设为custom。

数据加载器配置为binary与custom

递归字符文本分割器（Recursive Character Text Splitter）：用于把文本切分成chunks，便于向量化处理。

讲者特别提醒了几个运行要点：Google Drive账号与Pinecone账号必须使用同一个邮箱，否则工作流无法跑通；右侧需要添加Chat Trigger节点，用来与文档进行交互问答。

从社区文档获取PDF示例文件

演示中他从AI自动化社区文档的第五页下载了一份政策与FAQ文档作为知识库原料，上传到Google Drive中命名为"FAQ"的文件夹。他承诺会在会后提供完整的分步文档，并推荐查阅Medium上的"RAG pipeline chatbot"文章作为参考。n8n模板库据其介绍提供超过1万个现成模板，涵盖餐厅应用、WhatsApp智能体、AI语音助手等多种场景。

RAG（Retrieval Augmented Generation，检索增强生成）解决的是大语言模型"知识截止"与"幻觉"两大核心缺陷。纯生成式模型的知识固化于训练数据，无法获取实时或私有信息，且在不确定时容易"编造"答案。RAG的做法是：将用户提问先发送给检索系统，从外部知识库（通常是向量数据库）中找到语义最相关的文档片段，再将这些片段作为上下文一同输入模型，让模型"有据可依"地生成答案。向量数据库（如演示中的Pinecone）是RAG流程的核心存储层——文档经过Embedding模型转换为高维向量后存入其中，检索时通过计算向量相似度快速定位相关内容，而非依赖传统的关键词匹配。文本分割（Chunking）步骤同样关键：过长的文档片段会超出模型上下文窗口，过短则丢失语义完整性，递归字符分割器通过尝试在自然边界（段落、句子）处切分来平衡这一矛盾。

面向学生与研究者的工具推荐

讲座尾声，讲者给出了一份实用工具清单，供学生、教师和研究人员探索：

Cursor AI / Claude Code：他直言"VS Code已经过时"，建议改用Cursor AI；而Claude Code更被重点推荐，可用于充当教学助手、撰写文档、生成提案、编写教材和设计文档；
Hugging Face：被定位为一个产品平台，AI开发者在此集成LLM应用，可用于构建text-to-text、text-to-video等各类应用；
Cohere：构建文本类应用时可对接的API平台；
Jenny：面向科研人员的工具，可生成摘要、研究论文等；
ElevenLabs / Retell AI：构建AI语音智能体的推荐平台。

讲者的整体结论是：无论你是学生、教师还是研究者，都应该动手探索Agentic AI、生成式AI和MCP Server这三大概念，"未来属于MCP Server"。需要说明的是，"VS Code过时""人类将被替代"等说法属于讲者的个人倾向性判断，技术选型仍应结合自身实际需求理性评估。