赋予 AI 在控制下访问实际业务功能的权限
MCP-本机工具边界和可版本化的 CLI 技能将业务功能转化为机器可读、可调用的函数 - 因此代理可以通过受管理的接口而不是硬编码的 API 胶水进行操作。
代理的有用性取决于它们可以安全调用的功能
能够推理但不能行动的代理只是一个演示。当企业需要建立受众群体、发放优惠券或发送消息时，它必须调用真正的业务功能——而调用方式决定了企业的安全。硬编码的 API 连接无法明确谁可以做什么、在什么限制下做什么，以及失败时会发生什么；它将每一次集成都变成了定制的、不受监管的管道。这就是为什么智能体人工智能最难的部分不是模型本身，而是围绕执行的集成和治理。
行业正在对这一层进行标准化。诸如 MCP（模型上下文协议）之类的开放协议以机器可读的形式描述功能的输入、输出、约束和故障行为，因此代理可以安全地发现和调用该功能，而无需通过脆弱的手动调用——因此，无论哪个代理（您的代理或供应商的代理）调用该功能，都能保持其可控性。
- 到 2027 年，超过 50% 的企业 AI 代理将依赖 MCP 或 A2A 等标准化框架来实现安全互操作性。 — Gartner，通过 K2view (2025) ↗
- 预计到 2030 年，超过 60% 的早期智能体 AI 编排项目将无法达到性能或成本目标——差距在于集成，而非模型。 — Gartner，来自 StackOne (2025) ↗
- 到 2026 年底，40% 的企业应用程序将配备特定任务的人工智能代理，而目前这一比例不到 5%。 — Gartner，2025 年 8 月 ↗
为什么这个问题今天仍未解决
硬编码集成无法实现治理
原始的 API 调用没有权限、限制或失败策略的概念。以这种方式将代理连接到您的系统，每个集成都会变得定制、不透明且不受监管——随着代理和工具数量的增长，无法进行推理。
没有安全执行的判断毫无价值
如果推理不能通过稳定、受管控的接口调用真正的功能，那么它就没有企业价值。如果团队低估了执行层，代理项目就会停滞不前——失败的是集成，而不是智能。
预计到 2030 年，超过 60% 的早期代理编排实施方案将无法达到预期目标，主要原因在于集成和治理方面的问题。— Gartner，来自 StackOne (2025) ↗黑盒连接器不组成或版本
粘合代码无法像软件一样组装到工作流程中或进行版本控制，因此每项功能都是一次性的，每项更改都是风险。没有干净的方法来构建、测试和回滚代理可以执行的操作。
锁定单一人工智能生态系统
如果没有开放标准，Microsoft Copilot、自定义代理或合作伙伴系统就无法在一种治理模型下安全地调用功能——将路线图押在单个供应商的专有粘合剂上。
MCP-原生工具和可组合、可版本化的 CLI 技能
每个可调用功能都以机器可读的形式进行描述，包括输入、输出、约束、故障行为及其治理边界，涵盖四个领域：身份和权限、经济激励、内容和覆盖范围以及服务和责任。代理商通过 MCP 发现并调用功能，从而限制滥用，并可控每次调用，而不是依赖于脆弱的硬编码 API 集成。
CLI Skills 将这些功能打包，以便可以像软件一样组合成工作流程并进行版本控制。受众群体和营销活动均基于实时行为数据，通过受控工具调用构建而成——无需外部数据供应商介入——该平台可作为受控执行节点而非黑盒，接入更广泛的企业级 AI 生态系统，从 Microsoft Copilot 到自定义代理均可兼容。
工作原理
AI 前沿：MCP 和技能 背后的机制。
MCP-原生工具边界
每项功能都以机器可读的形式描述——包括输入、输出、约束、故障行为和治理边界。代理通过 MCP 调用这些功能，从而减少误用并确保每次调用都可控。
可组合、可版本化的技能
CLI 技能将业务功能打包，以便可以将它们组成工作流程并像软件一样进行版本控制。受众和活动是通过受管理的工具调用（而不是外部数据供应商）根据实时行为数据构建的。
受控执行节点
该平台作为一个受控节点，可以接入更广泛的企业级AI生态系统——例如Microsoft Copilot、自定义代理。外部协调器可以调用相关功能，但只能在MCP和工作流层强制执行的边界内进行。
卓越的典范
基于上述机制和独立基准的方向性结果——设计目标，而非保证结果。
您可以控制每次调用的执行情况
每项功能都有其自身的边界、限制和故障处理机制，因此代理会在约束范围内行动，而不是绕过约束——而且每次调用都可检查和审计，而不是隐藏在粘合代码中。
可组合的、版本化的功能
业务功能变成了构建模块，您可以将其组装成工作流程，并像软件一样进行回滚，这样您就可以构建、测试和改进代理可以执行的操作，而无需每次都进行定制重写。
跨生态系统的统一治理模型
无论您的客服人员还是 Microsoft Copilot 调用此功能，MCP 中描述的功能都将保持安全，使您符合分析师预期大多数企业客服人员将采用的开放标准。
到 2027 年，超过 50% 的企业级 AI 代理将依赖 MCP 或 A2A 等标准来实现互操作性。— Gartner，通过 K2view (2025) ↗常见问题
MCP 是什么？为什么它对 CIO 很重要？
MCP（模型上下文协议）使代理能够安全地发现和使用功能。它不使用硬编码的API集成，而是以机器可读格式描述工具的边界、参数、约束和预期结果——从而减少滥用、实现治理，并使平台能够作为更广泛的人工智能生态系统中的一个受治理节点。
这可以连接到 Microsoft Copilot 或我们自己的代理吗？
是的。该平台以 API 为先导，并开放 MCP 原生功能，因此可以作为受控执行节点连接到更广泛的 AI 生态系统（包括 Microsoft Copilot 和自定义代理），每次调用都会强制执行工具边界。
我们需要外部数据供应商来构建受众群体吗？
不。受众群体是通过内部命令行界面 (CLI) 驱动的受控工具调用构建的，每个受众群体都源自实时行为数据——无需外部数据供应商。