Harness 与 Agent 工程 · MCP与框架接入 · 2026-07-05

AI 知识库的下一步,不是更会回答,而是能帮你把事办了

从“会回答问题”到“会帮你办事”,AI知识库正通过连接工具与系统,成为真正的智能工作伙伴。

核心内容:

  1. RAG的局限:仅能查询资料,无法执行后续操作
  2. MCP/Agent的价值:连接系统、调用工具、驱动工作流
  3. 从“知道”到“做到”的转变:AI如何辅助完成实际任务闭环

AI 知识库下一站

AI 知识库的下一步,不是更会回答,而是能帮你把事办了

从 RAG 到 MCP / Agent / 工具调用

RAG 让 AI 会查资料,MCP 让 AI 能接系统、调工具、走流程。

摘要

很多企业做 AI 知识库,第一阶段解决的是“问什么能答什么”。但真正有价值的企业 AI,不应该只停留在问答,而应该能连接文档、数据库、OA、ERP、项目系统和消息系统,把“查资料”升级成“查资料 + 判断 + 生成草稿 + 发起流程 + 跟踪结果”。MCP 的出现,让 AI 应用连接外部数据源、工具和工作流有了更标准化的方式。但越能办事,越要重视权限、审批、审计和安全边界。

很多人做 AI 知识库,第一阶段目标都很明确:

上传资料,让 AI 能回答问题,最好还能引用来源。

这一步很重要。因为没有知识库,AI 就不知道你的公司制度、项目资料、产品手册、会议纪要和业务规则。

但如果只做到这里,AI 知识库还是一个“会回答问题的系统”。

它能告诉你:制度怎么写,流程怎么走,资料在哪里,某个项目是什么情况,某个问题可能怎么处理。

但它不能继续往下做。

比如你问:

“这个项目下周有哪些风险?帮我整理出来,发给项目负责人确认。”

一个普通 AI 知识库最多只能回答:“根据资料,可能存在以下风险……”

但真正的工作不是到这里结束。

真正的工作还包括:查项目进度,查会议纪要,查未关闭问题,查负责人,生成风险清单,发送给负责人确认,跟踪是否回复,必要时提醒你。

这就不是单纯 RAG 能解决的问题了。

AI 知识库下一步真正要走的方向,是从“会回答”升级成“会办事”。

从“会回答”到“会办事”

普通知识库

用户提问 → 检索资料 → 生成答案 → 用户自己执行

接入 MCP / 工具调用后

用户提出目标 → AI 查资料 → 查系统 → 生成草稿 → 人工确认 → 执行动作 → 记录结果

一、RAG 解决的是“查资料”,不是“办流程”

RAG 的价值很清楚:让 AI 在回答前先检索资料,再基于资料生成答案。

所以 RAG 很适合回答这类问题:请假流程是什么?这个产品参数是多少?某份合同里付款条款怎么写?这个项目有哪些会议记录?某个设备操作步骤是什么?

这些问题的共同点是:答案主要藏在资料里。

但企业里的真实工作,很多不是“知道答案”就结束。

知道流程后,要发起流程;知道风险后,要通知负责人;知道资料缺失后,要补资料;知道合同快到期后,要提醒续签;知道项目延期后,要更新项目状态;知道库存异常后,要生成处理建议。

这时候,AI 需要的不只是知识库。它还需要连接系统,调用工具,触发动作。

公开资料里,AWS 对 AI Agent 的定义也强调,AI Agent 是能够与环境交互、收集数据,并为了既定目标执行自我导向任务的软件程序;在客户服务例子中,Agent 会查内部文档、根据客户回答判断是否能解决,或转交给人工。

AI 的价值,不只是“说出答案”,而是“围绕目标采取下一步动作”。

二、MCP 是什么?一句话:给 AI 接系统的标准接口

MCP,全称 Model Context Protocol。不用记英文。

你可以把它理解成:一种让 AI 应用连接外部数据源、工具和工作流的标准方式。

MCP 官方文档说,它是一个开源标准,可以让 Claude、ChatGPT 这类 AI 应用连接本地文件、数据库等数据源,连接搜索、计算器等工具,也可以连接专业提示词这样的工作流。官方还把 MCP 类比成 AI 应用的 USB-C 接口。

如果说 RAG 是让 AI “读资料”,那 MCP 更像是让 AI “接手柄”。

以前每个 AI 应用要接系统,都要单独开发:接 OA 写一套,接 ERP 写一套,接数据库写一套,接文档系统写一套,接项目系统又写一套。

MCP 想解决的是:能不能用一种统一方式,把外部数据、工具和流程暴露给 AI 使用?

这个“手柄”可以连接文件、数据库、搜索工具、业务 API、项目系统、日历、消息系统、审批流程和专业工作流。

但注意,不是说有了 MCP,AI 就可以随便操作系统。恰恰相反,越能接系统,越要设计好权限、审批和安全边界。

三、MCP 里最关键的三个东西:Resources、Tools、Prompts

MCP 里有几个核心概念,普通人只需要先理解三个:

MCP 的三个核心概念

Resources:资源

给 AI 看的上下文资料。

Tools:工具

让 AI 能做的动作。

Prompts:提示模板 / 工作流

把人的经验固化成标准化任务流程。

1. Resources:给 AI 看什么

Resources 可以理解成 AI 可以读取的上下文资料。

企业里可以把这些做成 Resources:制度文件、项目文档、会议纪要、产品手册、数据库表结构、接口说明、客户资料摘要、设备操作手册。

Resources 更偏“给 AI 看”。它不一定让 AI 执行动作。

2. Tools:让 AI 能做什么

Tools 是 MCP 里更关键的部分。工具可以让模型与外部系统交互,比如查询数据库、调用 API 或执行计算。

企业里可以把这些做成 To…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhishiguanli/2026070541780.html