KeyFrame內部研究專用

The Universal Remote Control for AI — Alex Hancock, Block

AI Engineer英文
觀看原始影片

三句話摘要

介紹 Agent Client Protocol(ACP)作為統一 AI 代理系統的通用控制標準,解決客戶端與代理之間的互操作性問題。 標準協議透過互操作性創造生態與市場,ACP 若被廣泛採納,將驅動客戶端品質競爭,最終大幅提升 AI 代理系統的使用者體驗。 MCP 解決了代理系統調用外部工具的統一問題,但客戶端控制代理的介面仍然各異。ACP 填補這個空白,提供客戶端與代理通信的標準協議,類似瀏覽器與網站的關係。

重點整理

  1. MCP 解決了代理系統調用外部工具的統一問題,但客戶端控制代理的介面仍然各異。ACP 填補這個空白,提供客戶端與代理通信的標準協議,類似瀏覽器與網站的關係。

  2. ACP 支援多種異質客戶端(編輯器如 Zed、終端應用、桌面應用、行動應用)連接同一個代理系統,單一代理實作即可服務所有客戶端,大幅降低開發成本。

  3. 協議設計簡潔且可擴展,使用 JSON RPC 訊息,支援自訂方法(以底線前綴約定),允許不同團隊試驗新功能,成熟的功能可納入標準,由實踐主導協議演進。

  4. 同時支援本地與遠程傳輸,使得客戶端、代理系統、工具(MCP)、模型 API 等四層堆棧可以靈活部署在不同機器甚至雲端,提高架構彈性。

實用技巧與重點

  • 協議基礎:JSON RPC 訊息格式,建立客戶端與代理的連接與會話
  • 傳輸方式:標準 IO(本地),HTTP + WebSocket(遠程)
  • 訊息類型:使用者訊息、文本/圖像/音頻回應、工具呼叫通知、權限請求
  • 擴展機制:自訂方法前綴約定(例:`_custom_method`)
  • 實現案例:Zed 編輯器、Poolside AI、Goose(Block 開源專案)
  • 發起方:Zed 編輯器與 JetBrains 公司合作提案
  • 核心堆棧層級:① 客戶端應用 → ② 代理系統(harness) → ③ 工具層(MCP) → ④ 模型層(API 端點)

結論

標準協議透過互操作性創造生態與市場,ACP 若被廣泛採納,將驅動客戶端品質競爭,最終大幅提升 AI 代理系統的使用者體驗。

完整解析

當前 AI 代理生態面臨一個關鍵問題:儘管有許多優秀的代理系統(harness)存在,但每套系統的客戶端介面各不相同,有些甚至限定一個專屬客戶端應用才能控制。這種碎片化現象阻礙了生態發展,就像網路早期若每個網站都需要特定瀏覽器才能訪問一樣,根本無法形成開放生態。

MCP(Model Context Protocol)解決了代理系統調用工具的標準化問題,使得成千上萬個工具伺服器可以與所有代理互通,這是社群受益最深的地方。然而,客戶端軟體告知代理「做什麼工作」(發布任務、監控進度)這端仍缺乏標準,ACP 正是為此而生。

ACP 起源於編輯器廠商的需求:Zed 編輯器與 JetBrains 希望用單一高品質客戶端實作,就能控制任何代理系統。協議使用簡潔的 JSON RPC 訊息格式,支援使用者訊息、文本/圖像/音頻回應、工具呼叫通知與權限請求等核心功能。特別是其可擴展設計——允許團隊透過底線前綴添加自訂方法——使得協議能由生態實踐主導演進,成熟功能可逐步納入標準。

演講中展示的實際演示尤其有說服力。同一個 Goose 代理系統,既能被 Zed 圖形化編輯器控制,也能被 Poolside AI 的終端應用控制,訊息內容與協議語義完全相同。最近新增的 HTTP 與 WebSocket 遠程傳輸支援,則突破了本地限制,使得客戶端、代理、工具、模型等四層堆棧可自由組合部署——可全在本地機器,也可分散在雲端,只要每層都支援遠程傳輸標準即可。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。