先讲三句人话：
第一，AI 从「回答问题」变成「替人干活」，它能自己调用软件、查资料、操作电脑，像雇了个数字助理，只是更便宜更快。
第二，这些能力正在「长进你的日常工具」，微信、企业软件、代码工具都在接入，你可能已经在用，只是没意识到那是 AI Agent。
第三，「干活」的边界在收紧，能干的越来越多，该不该让它干的讨论也越来越多，安全成了新门槛。
Agent（智能体） ≈ 能自己「想步骤、调工具、干活」的 AI，能自己把事做完，像员工一样。
MCP（模型上下文协议） ≈ 让 AI 接工具的「标准插座」，有了它，接任何软件都像插电一样简单。
本地部署 / 自托管 ≈ 把 AI 装进你自己的电脑或服务器，数据不出门，隐私可控。
无状态 ≈ 每次干活不用先「打招呼建立连接」，一次请求直接干，更快更省。
如果你只想知道「AI Agent 现在到什么程度了」，读完这块就够了。下面是给想深挖的人的时间线。
出处 · 看 06-02 日报 →
出处 · 看 06-09 日报 →
出处 · SCMP
出处 · 看 06-18 日报 → · SCMP
出处 · 看 06-23 日报 →
出处 · Simon Willison · MCP 规范
出处 · meat proxy · 夜间 rebase
出处 · Simon Willison
出处 · Anthropic 文档
出处 · Claude 官方博客
出处 · Liquid AI
出处 · arXiv / Microsoft
出处 · X @ClaudeDevs
出处 · LangChain Blog
上半年 Agent 的想象空间在「能聊」：能回答问题、能写代码、能生成图片。这个夏天，重心挪到了「能干」：能调用工具、能进企业内网、能自己跑一晚上。
标志性变化是 MCP 2.0 无状态化：工具接入从「先握手再调用」变成「一次 HTTP 请求」。这看起来是协议小事，实际是让「给 agent 接工具」的成本降了一个量级。当接工具像调 API 一样简单，Agent 就不再是实验室玩具，而是可以长进任何系统的部件。
二、边界在哪里：meat proxy 与自托管Agent 变强的同时，人在重新划边界。Niklas Gruhn 的 meat proxy 提醒：别把 AI 输出原封不动转给别人，那不是用 AI，是当转发器。David Crawshaw 的夜间 rebase 展示另一面：机械的维护活，确实该交给 agent。
Anthropic 的两步动作更有代表性：先是 Inference Hooks 让企业能在推理前拦截，再是 Claude Code 自托管 让会话跑进企业内网。「AI 能用」和「AI 敢用」之间，隔着一道企业自己说了算的闸门。
三、本地化：Agent 的下一站Liquid AI 的 2.6B 模型能在手机和浏览器里跑 Agent，配合 MCP 的本地工具接入，「离线也能干活」的 Agent 正在成形。对隐私敏感、网络不稳、数据不出门的场景，本地 Agent 是唯一解。
这个方向的信号已经很多：微软 Aion 本地跑 Agent、Apple 系统模型、LLM 0.32 的本地日志。Agent 的战场，正在从「谁的模型聪明」转向「谁的 Agent 能真正跑在用户自己的设备上」。
"别做 meat proxy，别把 AI 输出原封不动转给别人。"
—— Niklas Gruhn · 提出「meat proxy」 · simonwillison.net
"相比给 agent 一个 shell，MCP 更容易审计和控制。"
—— Simon Willison · AI 研究者 · simonwillison.net
出处来源自付费项目「吃点好的」高质量阅读库，到这里进入深度阅读区 →