一、核心概念定义

Agent（智能体）：具备自主决策和执行能力的 AI 系统，能理解目标、规划步骤、调用工具完成任务，无需人类逐步指导。

1. Prompt（提示词）

定义：用户向 AI 输入的指令或问题，是沟通 AI 的桥梁，直接影响 AI 的输出结果质量。

• System Prompt（系统提示词）： 提前植入 AI 后台的指令，用于设定 AI 的身份、角色、行为规则和回答框架，优先级高于 User Prompt。“全局设定”，贯穿整个交互过程。
• User Prompt（用户提示词）：用户主动输入的具体需求、问题或指令，是 AI 需要直接响应和解决的核心内容。 “单次需求”，仅针对当前对话场景。

2. Function Coding

Function coding（函数编码/函数式调用）：指通过显式的函数接口来调用模型或工具，并通过参数传递和返回值来进行交互。这种方式通常会有明确的输入输出契约、类型约束和错误处理。

每家模型使用的API不同

因此目前Prompt与Function coding共存（二者皆为AI Agent与AI模型之间通信方式

3. AI Agent

AutoGPT 是一款开源的自主 AI 代理框架，核心亮点是能在无需人类持续干预的情况下自主规划、执行复杂多步骤任务，是 AI 从 “被动响应工具” 向 “主动执行代理” 转变的关键尝试

AI Agent：负责在模型、工具和最终用户之间传话的程序，调用的函数和工具叫Agent tools。

核心工作流程

1. 接收输入：获取用户需求（文字、语音等）或环境信息（如系统数据、外部信号）。

2. 分析与规划：拆解任务步骤，明确每个环节的目标和所需资源。

3. 执行与调用：自主触发工具调用或直接生成中间结果，推进任务落地。

4. 反馈与修正：校验执行结果是否符合预期，有偏差时及时调整策略。

5. 输出结果：向用户交付最终成果（报告、文件、操作结果等）

4. MCP（模型控制程序）

AI agent 与AI tools通信中枢——MCP

MCP：负责调度和管理 AI 模型的中间程序，可协调多个模型或工具，处理任务分发、结果整合等流程。

MCP 并非直接替代通信本身，而是通过标准化机制衔接 Agent 与 Tools，核心流程是 “Agent 决策→MCP 中转→Tool 执行→MCP 反馈→Agent 接收”：

1. Agent 根据任务需求，向 MCP 发送 “工具调用请求”（含目标、所需工具类型、参数要求）。
2. MCP 解析请求，匹配对应的 AI Tool（如 API、数据库、办公软件），并按 Tool 的接口规范转换请求格式。
3. MCP 将标准化后的请求发送给 AI Tool，触发执行（如查询数据、生成文件）。
4. Tool 执行完成后，将结果返回给 MCP，MCP 统一格式后回传给 Agent。
5. Agent 根据反馈结果判断是否继续调用工具，形成通信闭环。

MCP只负责帮agent管理工具、资源和提示词，不在乎使用的是什么模型。

二、扣子简介

“扣子” 是字节跳动推出的AI 对话产品，核心定位是 “智能伙伴与效率工具”，同时也支持 AI Agent 相关的场景扩展，能通过内置功能或插件实现与 AI Tools 的协同，和你之前关注的 Agent、MCP、工具通信等概念有实际关联。

1. 核心产品定位与能力

• 基础能力：支持自然语言对话、信息查询、内容创作、翻译、代码辅助等常规 AI 功能，交互体验类似 ChatGPT。
• Agent 相关扩展：具备 “插件 / 工具调用” 能力，可对接外部工具（如文档处理、数据查询、办公软件），本质是通过产品内置的 “调度逻辑”（类似简化版 MCP），实现 AI 与工具的通信协同。
• 特色亮点：支持多轮对话记忆、个性化人设定制（如职场助手、学习伙伴），部分场景可实现简单的任务拆解与自主推进（如 “帮我整理会议纪要并生成 Excel 表格”）。

2. 与 AI Agent、工具通信的关联

• 内置 “简化版 MCP 逻辑”：扣子无需用户手动搭建 MCP，产品后台已整合工具适配、调度功能，用户触发工具调用时，系统自动完成 “需求解析→工具匹配→格式转换→结果反馈” 的通信流程。
• 工具通信方式：以 “插件接口” 为核心，开发者可通过字节开放平台提交工具插件，扣子通过标准化接口对接，用户使用时只需在对话中下达指令（如 “用文档插件打开 XX 文件并提取关键信息”），即可触发 AI 与工具的通信。
• Agent 能力落地：扣子更偏向 “轻量化 Agent 应用”，无需复杂配置，普通用户可直接通过对话指令，让其自主完成多步骤任务（如 “调研 XX 行业数据→生成报告→导出为 Word”），背后依赖产品内置的任务规划与工具调度能力。