我用 MCP + 多 Agent 搭了一条自动化内容发布流水线

一句话总结：把「写好的 Markdown」变成「已发布的文章」，中间那些登录、排版、选标签、点发布的琐碎动作，现在交给一组会分工的 AI Agent 去干。

一、为什么要做这条流水线

我同时维护掘金、知乎几个阵地。一篇稿子写完，真正的消耗才刚开始：

复制粘贴到各平台编辑器，格式经常乱掉；
代码块要重新贴一遍，缩进全丢；
每个平台的话题 / 标签规则不一样；
发布前还得反复核对分类、封面、摘要。

这些活儿重复、机械、还容易出错，典型该被自动化。

二、整体架构：主助手 + 专职子助手

整条链路是「一个大脑 + 若干只手」：

css 复制代码

用户指令
   │
   ▼
主助手（编排 / 决策）
   ├── 子助手 A：浏览器自动化（登录、填表、点发布）
   ├── 子助手 B：内容处理（Markdown 转换、摘要生成）
   └── 子助手 C：数据回收（阅读量、展现量抓取）

主助手负责理解意图、拆解步骤，把子任务 dispatch 给对应的子助手；子助手只专注自己那一小块能力。

一个硬限制值得记一笔：平台对子助手的嵌套分派最多 2 层（主 → 子 A → 子 B 可以，子 B 再往下派就会被拦）。所以编排层要尽量扁平，别指望无限套娃。

三、工具层：让 Agent 真的能「动手」

Agent 光会聊天没用，得有手。通过 MCP（Model Context Protocol）把工具挂上去之后，它才能：

能力	对应工具	用途
浏览器控制	点击 / 输入 / 执行 JS	登录、填表、发布
文件读写	read / write	存草稿、存配置
命令执行	exec	调脚本、转格式

关键在于：把「能力」抽象成工具，把「流程」留给 Agent 自己规划。这样换一个平台，只要加一个工具，不用改整套逻辑。

四、实战：不同编辑器，「注入姿势」完全不同

这是踩坑最多的地方。同样叫「编辑器」，底层实现天差地别，用错方法就是白干。

4.1 知乎：Draft.js 只认 paste 事件

知乎正文是 Draft.js。直接改 DOM 或 execCommand 会和它内部状态打架，表现为文字串位、莫名删除。

唯一可靠的做法是伪造一个粘贴事件，让 Draft.js 走它自己的解析流程：

js 复制代码

const dt = new DataTransfer();
dt.setData('text/html', html);   // 保留标题、列表、链接
dt.setData('text/plain', plain); // 兜底纯文本

editor.dispatchEvent(new ClipboardEvent('paste', {
  clipboardData: dt,
  bubbles: true,
  cancelable: true
}));

小坑：粘贴后第 0 个块会丢文字，需要事后把光标移回去补一次。

4.2 掘金：ByteMD + CodeMirror，直接 setValue

掘金切到 Markdown 模式后是 ByteMD，内核是 CodeMirror 5。这种情况就简单了------拿到实例直接写：

js 复制代码

const inst = document.querySelector('.CodeMirror').CodeMirror;
inst.setValue(markdownText);

一句话搞定，比模拟粘贴稳得多。

4.3 规律总结

编辑器内核	推荐注入方式
Draft.js	伪造 ClipboardEvent('paste')
CodeMirror / Monaco	拿实例调 setValue
原生 textarea	直接赋值 + 触发 input 事件
contenteditable	谨慎，优先走粘贴事件

五、几个真实的坑

键盘输入 ≠ 可控：某些编辑器上「全选 + 输入」会清空全文，务必先确认光标位置。
CDP 的 Input.insertText 不通用：对 Draft.js 无效，对 CodeMirror 却好用，别一刀切。
中文选项要映射成 value：表单里的中文标签，实际提交的可能是英文 value，先建映射表再动手。
每步都要断言：填完一步就校验 DOM，别等最后才发现某步没生效。
出错先撤销：优先点编辑器的「撤销」按钮回退，比强行改 DOM 安全。

六、小结

这条流水线搭完之后，发布一篇稿子从「十几分钟的手工活」变成了「一句话 + 一次确认」。

我的几点体会：

编排要扁平，别依赖深层嵌套；
工具要原子，一个工具只干一件事；
注入要因地制宜，先侦察编辑器内核，再选方法；
校验要前置，每一步都留断言。

Agent 不会替你思考选题，但它完全可以替你干完那些「重复到不想干」的活。这才是自动化真正的价值。

使用的开源软件：xiweicheng.github.io/ai-helper/