正文
今年 3 月，随着 Manus 等产品的发布，MCP 热度迅速上升，大家猜测这些产品是基于 MCP 协议开发的。由此带动 MCP 被更多厂商接入，生态开始快速发展。我在去年底就预测 MCP 会遇到所谓的“鸡蛋悖论”——如果没有一端先启动（平台或应用），协议难以落地。但后来一些明星应用和大厂服务接入打破了这个僵局，推动 MCP 快速成长。
随着这个悖论被打破，MCP 的搜索热度在 3、4 月持续走高。我也决定将全部精力投入 MCP 生态的建设。我认为导航站只是表层入口，MCP 是近年来 AI 发展中首次出现的平台级机会，它具备连接上下游的能力。我希望围绕这个协议生态，拓展更多方向，比如云部署、服务平台、路由平台、客户端连接等，为生态建设做出更深层次的尝试。
孙志岗：
我这才刚知道，原来你很早就开始做 MCP.so 了。我之前还以为是它火起来之后，你花两天时间快速搭建的。
idoubi：
其实确实是花了不到两天就做出了原型，毕竟只是一个功能相对简单的导航站，而且代码是开源的。但真正关键的是前期的积累，尤其是 SEO 的布局是需要时间的。
孙志岗：
那你当时怎么判断它会火呢？
idoubi：
并没有明确判断。这类协议的成功很依赖生态的发展和行业内的共识建立，而共识是否能够建立，以及何时建立，都是不可控的。它需要一个契机，比如一个明星产品的带动。3 月份 MCP 能火，很大程度上是因为 Manus 这个应用的爆红起到了推动作用。
孙志岗：
从你的分享里我学到一个重要的点：做产品固然重要，但除了产品本身，还需要具备前瞻性，同时要重视推广和 SEO，不能只埋头开发。
莫欣：
我们当前的核心项目是
Agently
AI 应用开发框架（官方网站：https://Agently.tech），其起点源于 2023 年初的一次探索。当时，大多数人还停留在使用 ChatGPT 或简单接入 GPT 的“套壳”产品，我们尝试构建更复杂的交互方式，比如通过思维导图管理发散型对话，从而暴露出模型与应用之间的工程性鸿沟：模型没有记忆能力，多轮对话依赖工程手段维持上下文；用户提问能力有限，系统需要主动引导；而模型输出若缺乏结构化，也无法被业务系统直接调用。
这些问题在当时缺乏现成解决方案，市面上的 LangChain 等工具支持有限、易用性差。因此我们动念将反复在工程中解决的共性问题抽象成一个框架，专注于模型的输出控制与流程编排，帮助开发者以更高效、稳定的方式将 AI 嵌入真实业务。两年打磨后，我们认为，AI 应用落地并非仅靠模型和数据，还必须有一套完整的控制系统，将自然语言意图转化为工程可执行的结构化指令，使 AI 真正具备产品能力。
在此基础上，我们进一步探索了商业路径。目前尝试通过培训服务帮助开发者理解并高效使用框架，通过咨询服务协助企业将 AI 能力集成进既有系统，并正在开发一套平台化产品，支持按规范构建模块化 AI 功能，系统可自动封装为 API 接口，打通从基于模型能力开发服务模块到线上系统可用的“最后一公里”。我们的目标，是让 AI 能力不再停留在 Demo 层面，而真正进入可控、可用、可集成的应用阶段。
何少甫：
我最想分享的代表性项目，是“AI 师傅”。在这个产品中，每位用户与 AI 师傅互动时，例如学习编程，AI 会根据用户的背景给予定制化的回答。例如，用户可能来自产品、销售或非互联网行业，系统会结合这些背景提供相应的教学内容。
当然，这种能力与 ChatGPT、豆包等聊天机器人是有区别的。我们并不是单纯依赖开放式问答，而是在背后由人设计和编排了一整套内容体系。虽然用户的互动是主动的，但整体的教学脉络和知识结构由“老师”来把控，因此更系统、更有引导性。
如果回到今天的主题，其实我有一个很深的体会，可以等会儿详细聊：很多产品经理设想通过“氛围编程”或借助 AI 编程工具，就能独立开发一套系统，但现实并不那么理想。
观众提问：现在有大量的从业者开始转行做独立开发者或出海，如何看待这个趋势？
何少甫：
我原先做的产品是面向独立开发者的低代码平台，同时也结合了 AI 编程的能力，开发者在平台上不仅编程，还能完成上线发布和运维等全流程操作。独立开发者的趋势的确存在，包括前段时间爆火的“猫咪补光灯”，都是独立开发者的产品。但要做出既成功又具备可持续商业模式的产品，并带来稳定营收，难度很大。
孙志岗：
现在越来越多大厂员工准备转型做独立开发者，这种趋势在你那里明显吗？
何少甫：
