好文推荐
智能体接入外部系统有三种路径：API 直连调用、命令行界面（CLI）以及 MCP。每种路径都有适用场景，具体取决于你正在开发的内容。核心区别在于智能体与服务之间是否存在公共层，以及该层的覆盖范围有多广。
直接 API 调用
智能体可直接调用你的 API，实现路径有两种：要么在代码执行沙箱中编写发送 HTTP 请求的代码，要么借助通用函数调用工具完成调用。这是大多数团队起步时会采用的方案，对于单智能体对接单服务、或是无需跨智能体平台复用的少量集成场景来说完全够用。
规模上来之后，各种挑战就会接踵而至。由于智能体和服务之间没有通用中间层，每一对智能体与服务的组合都要做定制化集成，各自处理身份验证逻辑、工具描述和边界场景，这就是典型的 M×N 集成问题。
CLI
智能代理会在 Shell 中运行你的命令行工具。这种方式速度快、轻量化，且依托现有工具即可运行，在本地环境、沙箱容器中表现极佳——只要是具备文件系统和 Shell 的场景都适用。它提供了一个通用层，但功能相对单薄。
CLI 在对接移动端、网页端或不对外暴露容器的云托管平台时会遇到硬性瓶颈，身份验证由 CLI 自身机制处理——通常是存储在磁盘上的凭证文件。这种模式最适合本地环境下快速、权限要求宽松的集成场景。
MCP
MCP 作为协议提供了通用层。智能体连接到对外暴露系统能力的服务器，身份验证、能力发现及丰富语义均已实现标准化。一台远程服务器即可对接所有兼容客户端（Claude、ChatGPT、Cursor、VS Code 等），适配任意部署环境。
这需要稍多一些前期投入。换来的好处是，该集成具备可移植性，还能为功能丰富的智能体集成提供所需的语义支撑。
ClaudeDevs@ClaudeDevs
New blog: Building agents that reach production systems with MCP. When should agents use direct APIs vs CLIs vs MCP? Plus patterns for building MCP servers, context-efficient clients and pairing MCP with skills. claude.com/blog/building-…
中文
