MCP

一張圖，和它最下面那一格 這張圖我整理了一陣子。它想回答一個很單純的問題：當我說「幫我把這件事做完」，這句話要經過哪些協定，才會變成世界上真正發生的一個動作？ 由上而下六層，從人類意圖開始，一路落到機器手臂、感測器、PLC。中間每一層都有名字、有職責、有正在成形的規格。 而最下面那一格——MHS，Model Hardware Standard——在這張圖的成熟度表裡只有 ★★☆☆☆，是全圖最低的。 我把它放在最後，不是因為它最不重要。恰恰相反：上面五層講的都是 AI 在資訊世界裡怎麼互通，只有最下面這一層在講它怎麼離開螢幕。 而那一層，八月底才剛剛有了第一個像樣的候選規格。 這篇文章分兩半。上半導讀整張圖，下半只談最下面那一格。 上半：這張圖在說什麼 由上而下，六個協定層 AG-UI / A2UI——人機互動層（Agent ↔ Human） 最貼近人的一層，而且它其實是兩件事。AG-UI 處理的是過程的可見性：即時串流、事件、狀態更新——讓你在代理跑一件長任務時，看得到它跑到哪、在想什麼、卡在哪。A2UI 處理的是介面本身：讓代理去描述要渲染的 UI 組件、表單與動作，而不是只吐一段純文字回來。 一個是「讓我看見它在做什麼」，一個是「讓它決定我看到什麼」。前者是信任問題，後者是表達力問題。 Agent Core——代理核心（大腦） 嚴格說這不是協定層，是被協定包圍的那個東西。圖裡拆成六塊：推理、規劃、記憶、知識、技能、目標。 這六塊值得一個一個念過去，因為它們常常被混為一談：知識是它知道的事實與規則，記憶是它記得的這一次與過去發生過什麼，兩者不是同一件事；技能是它能執行的動作，規劃是它決定用哪些技能、按什麼順序，兩者也不是同一件事。工程上會痛的，通常是把這幾件事塞進同一個抽象裡。 A2A——代理協調層（Agent ↔ Agent） 代理發現彼此、委派任務、同步狀態、交換結果。這一層在解的是一個組織問題而不是技術問題：當你有一百個代理，誰知道誰存在？誰有權叫誰做事？做完之後結果回給誰？ 旁邊掛著一個選用的「目錄／發現服務」。圖裡每一層右邊都掛了一個這種灰色的選用註冊服務，這個設計是刻意的——待會兒會回來講。 WebMCP——Web 互動層（Agent ↔ Web） 讓網站對代理暴露機器可執行的介面：宣告式 API、結構化動作、瀏覽器內的代理執行環境。 這一層的存在本身就是一個宣告：整個 Web 是為人眼設計的，代理只能靠爬 DOM、猜按鈕、模擬點擊來用它，既脆弱又昂貴。與其讓代理繼續假裝自己是人，不如讓網站直接說「我這裡有這些動作可以呼叫」。 MCP——工具與資料層（Agent ↔ Tools / Data） 這一層現在最成熟（★★★★☆），也是我實際用得最多的一層。標準化的工具存取、資料操作、上下文管理、通用連接器。 MCP 之所以贏，是因為它解的問題夠窄：它不管代理怎麼想，只管代理伸手拿東西時介面長什麼樣。 職責邊界乾淨的協定，擴散得比什麼都快。 UCP / AP2——商務層（Agent ↔ Commerce） 支付、交易狀態、退款與爭議、對帳與結算。代理要真的替你完成一件事，通常在某個點上得付錢。這一層現在是 ★★★☆☆，卡的多半不是技術，是責任歸屬——代理刷了一筆你不想要的款，那是誰的錯？ MHS——實體世界層（Agent ↔ Hardware） 裝置發現與認證、安全限制與邊界、自然語言指令、安全優先的抽象。下半整篇都在講它。 中間那顆大腦，跟一個容易被略過的迴圈 Agent Core 下面有一條虛線框：經驗回饋迴路（Experience Feedback Loop）。 ...

AI 的重心放錯了地方 打開科技新聞，滿屏都是雲端 AI 的故事。更大的 GPU 叢集、更多的訓練資料、更貴的 API 呼叫。好像智能只能住在遙遠的資料中心裡，隨傳隨到——只要你有夠好的網路。 但真實世界不是這樣運作的。 工廠裡的產線攝影機，需要在毫秒內判斷瑕疵品。車上的感測器，不能等雲端回傳結果才決定煞車。偏遠農場的環境監測站，連穩定的 4G 訊號都不一定有。這些場景——工廠、攝影機、感測器、車輛——才是真實世界的骨幹。而它們全都在「邊緣」。 延遲、隱私、頻寬成本，每一個面向都指向同一個結論：智能必須搬到邊緣。 我在 Ubiquiti 待了十四年，親手打造邊緣產品。UniFi 攝影機上跑 on-device AI、三千萬台受管裝置遍布全球——這個經歷讓我極其清楚地看到這道鴻溝：雲端的 AI 飛速進步，但邊緣裝置還活在上個世代。它們大多只是把資料往上丟的「笨管道」，智能完全仰賴雲端。 這不對。 邊緣裝置需要三件事 我花了很長時間在想，到底缺什麼？最後歸結出三個核心需求： 1. 原生智能（Native Intelligence） 裝置本身就要能跑 AI 推論。不是「雲端掛了就變磚」的那種依附式智能，而是真正在晶片上執行模型、處理感測資料、即時做出決策的能力。斷網也能動。 2. 安全連線（Secure Connectivity） 邊緣裝置彼此之間、以及跟管理端之間，需要真正安全的通訊。不只是今天安全——在量子電腦成熟之後依然安全。後量子時代的加密不是未來式，它是現在進行式。 3. 開發者友善的工具鏈（Developer-Friendly Tooling） 讓 AI agent 能直接跟硬體互動的工具。不是要開發者自己寫一堆 glue code 把東西串起來，而是提供乾淨的協定介面，讓 AI 可以直接控制嵌入式裝置——燒錄、除錯、讀取感測器。 這三件事缺一不可。有智能但不安全，等於門戶洞開。有安全但沒智能，就只是加密過的笨管道。有前兩者但工具鏈爛到沒人想用，那一切都只是實驗室裡的 demo。 我正在打造的技術棧 這不是一個專案，而是五個專案，每一個解決一塊拼圖，合在一起構成完整的邊緣智能系統。 AI-HIL MCP — AI 碰觸實體世界的介面 五個 MCP server，讓 AI agent 能直接控制嵌入式硬體：燒錄韌體、啟動除錯器、讀取感測器數據。這是 AI 從「只能看螢幕上的文字」進化到「能碰到實體世界」的那一步。我在前一篇文章裡寫過這個想法的起源——消除人類在 AI 跟硬體之間充當「人肉資料管道」的角色。 Engram — 邊緣 ML 推論平台 吃進感測器資料、跑模型、吐出結果。這是邊緣裝置的「大腦」。不需要雲端 GPU，在本地就能完成推論。目標是讓每一個邊緣節點都有自己思考的能力。 ...

從一句抱怨開始 第三天了。 這塊點心小板真的夠硬。Claude Code 在大放送期間讓我能一直衝，結果還是頂到了用量限制。早上後來去參加研討會，腦子裡一直在想一件事： 我花了多少時間在 copy/paste？ JTAG 的 call stack、SWD 的暫存器狀態、Serial Console 的 log——一段貼過去，AI 給建議，我改一下 code，重新 build、flash、再抓 log，再貼回去。來來回回。有時貼錯視窗，有時貼漏了關鍵的那幾行。 跟以前純靠自己 debug 比起來，確實快很多。但還是不夠快。Bug 像俄羅斯套娃，抓掉一層，裡面還有一層。每一次的「這次應該好了」到「怎麼又掛了」的迴圈，都讓人想把鍵盤推開。 所以我在想，如果能消除人為因素的話呢？ 一個想法：給 AI 眼睛跟手 問題說清楚了就好解決。 我需要的不是更聰明的 AI，而是讓 AI 能自己看、自己動、自己驗。 不再是我充當「人肉資料傳輸管道」，把硬體的訊號用眼睛看完之後再貼給 AI，而是讓 AI 直接接上硬體的感知介面，取得第一手的訊號，做出判斷，然後直接驅動工具鏈——build、flash、reset——再自己確認結果。 這個想法就是 AI-HIL（AI Hardware-in-the-Loop）。 Giving hardware the soul of AI, realizing automated closed-loop development in the physical world. AI-HIL 是什麼 AI-HIL 把 Claude Code 從「code 產生器」升級成「系統級工程師」。 透過 Model Context Protocol (MCP)，Claude Code 連接到實體硬體，獲得三種能力： 感知（Perception）：讀 Serial log、JTAG call stack、電流波形、Camera 畫面 行動（Action）：Build/Flash firmware、硬體 Reset、電源控制 閉環驗證（Closed-Loop Validation）：自動確認修復是否有效，記錄 bug 模式 換句話說，AI 不再只是坐在我旁邊出主意，而是能自己上工的 AI Employee。 ...