AI 编程的下一场战争,不在模型,在协议
过去一年,AI 编程工具的竞争出现了一个反直觉的变化。
模型能力还在涨,但决定一个工具能不能进入团队工作流的,越来越不是模型,而是它能不能接上你已有的工具、前端和技能。
你换一个更聪明的 Agent,结果它连不上你的 MCP server;你想把执行过程推到现有前端,发现每接一个端都要重写一套状态映射;你写好的团队规范,换一个工具就全部失效。
这不是模型的问题。这是协议层的问题。
这篇文章拆三层:MCP、AG-UI、Agent Skills,以及三个具体项目:AG-UI、Chrome DevTools MCP、stitch-skills。每个项目对应一个不同的缺口,也各自暴露了协议层现在的真实成熟度。
先给结论:
MCP 标准化"工具怎么被调用",AG-UI 标准化"过程怎么被看见",Agent Skills 标准化"能力怎么被携带"。
这三层不是替代关系,是组合关系。理解这一点,比记住任何一个项目的 API 都重要。
一、协议层为什么突然重要
1.1 一个制度信号
2025 年下半年到 2026 年初,最明确的信号来自 Linux 基金会。
它成立了 Agentic AI 基金会,把 Anthropic 的 MCP、OpenAI 的 AGENTS.md、Block 的 goose 收进同一个中立托管平台。成员名单里,亚马逊、谷歌、微软、OpenAI、Anthropic、Cloudflare、Salesforce 都在。
竞争对手愿意把各自的标准放到同一张桌子上,说明协议层不再只是 demo 里的约定,它开始有了制度层面的落点。
基建化的意思不是"大家都同意",而是"谁也不能轻易把桌子掀了"。
对开发者来说,这件事的实际含义很直接:你基于这些协议做的投资,被单一厂商绑定的风险在下降。
1.2 三层分工,别混着说
在拆项目之前,先把协议栈的分工摆清楚。
| 层 | 解决的问题 | 典型标准 | 失败时的表现 |
|---|---|---|---|
| 工具层 | Agent 怎么调用外部工具、数据源 | MCP | Agent 只能"空谈",接不上真实系统 |
| 协作层 | Agent 与 Agent 怎么分工 | A2A | 多 Agent 只能靠自定义 RPC 硬连 |
| 交互层 | Agent 怎么把过程实时告诉用户 | AG-UI | 前端只能等最终结果,中间状态全丢 |
| 能力层 | Agent 怎么携带可复用的"怎么做" | Agent Skills | 换个工具,团队规范全部重写 |
翻成大白话:
- MCP 管"用什么工具干活";
- A2A 管"找谁一起干活";
- AG-UI 管"干完活怎么实时告诉用户";
- Agent Skills 管"这件事按什么规矩干"。
一个完整的 Agent 应用,完全可以同时用 MCP 接浏览器和数据库,用 AG-UI 把执行过程流式推给前端,在任务拆开时用 A2A 调度子 Agent,再用 Agent Skills 把团队规范带进去。
更关键的变化是:每一层上,都开始长出具体、可安装、可复用的工程组件,而不只是规范文档。
二、AG-UI:事件流是前端接入 Agent 的契约
2.1 它到底解决了什么
AG-UI 由 CopilotKit 团队在 2025 年 5 月发起,定位是 Agent 与用户界面之间的事件驱动传输层。
它的设计很克制:Agent 不把对话状态、工具调用、中间推理、人工中断这些异质的东西塞进一个 request/response,而是只做一件事------发射一串有类型、有序的事件流,客户端负责消费和渲染。
官方 SDK 定义了约 27 种标准事件,每个事件带类型、时间戳和可选的 run_id,覆盖流式 token、工具生命周期、共享状态变更、中断与恢复。1.0 规范已经冻结,并由 JSON Schema 生成 TypeScript、Python、.NET SDK,向后兼容 0.x。
2.2 一条事件流长什么样
下面是一段示意,字段以官方 schema 为准:
json
{"type":"RUN_STARTED","threadId":"thread_1","runId":"run_1","timestamp":1730000000000}
{"type":"TEXT_MESSAGE_CONTENT","messageId":"msg_1","delta":"正在打开页面..."}
{"type":"TOOL_CALL_START","toolCallId":"call_1","toolCallName":"navigate_page"}
{"type":"TOOL_CALL_END","toolCallId":"call_1"}
{"type":"STATE_DELTA","delta":[{"op":"replace","path":"/step","value":"check_console"}]}
{"type":"RUN_FINISHED","threadId":"thread_1","runId":"run_1"}
客户端消费时,不需要知道 Agent 内部用的是 LangGraph、CrewAI 还是自研循环,只需要按事件类型更新 UI。
ts
// 伪代码:不同 SDK 的订阅写法略有差异
const agent = new HttpAgent({ url: "/api/agent" });
const { result } = agent.runAgent({
threadId: "thread_1",
runId: "run_1",
messages: [{ role: "user", content: "检查首页的 console 报错" }],
});
for await (const event of result) {
switch (event.type) {
case "TEXT_MESSAGE_CONTENT":
appendText(event.delta);
break;
case "TOOL_CALL_START":
showToolStatus(event.toolCallName);
break;
case "STATE_DELTA":
applyStateDelta(event.delta);
break;
case "RUN_FINISHED":
finishRun();
break;
}
}
2.3 工程价值:把"前端胶水"变成契约
以前,你用一个 LangGraph Agent 做 Web 应用,再想让它服务终端或 Slack,每一端都要写一套独立的对接逻辑:WebSocket 一条、SSE 一条、CLI 再一条,状态映射各写各的。
AG-UI 的抽象是:Agent 侧只需是一个接受 RunAgentInput、流回事件的 HTTP endpoint;客户端用 HttpAgent 消费事件流。同一个 Agent,可以同时喂 Web、移动端、终端。
LangChain 的文档里已经出现 AG-UI 适配器,把 LangGraph 的执行翻译成 AG-UI 事件。GitHub Star 在 2025 年 11 月前后落在 1.7 万到 1.8 万区间,单周新增超过 1600。
它正在成为 Agent 前端层的事实参照点。不是因为它最完整,而是因为它把"前端怎么接 Agent"这件事,从每家自己发明,变成了一个可以对照的契约。
2.4 它不解决什么
AG-UI 只定义事件怎么流,不定义界面长什么样。
客户端仍然要自己渲染、自己处理状态、自己决定什么时候打断。事件流是传输层,不是组件库,也不是设计系统。
把 AG-UI 当成"Agent 前端框架"来用,会失望;把它当成"前端和 Agent 之间的 HTTP 契约"来用,刚刚好。
三、Chrome DevTools MCP:把运行时反馈接进编码闭环
3.1 从"读静态代码"到"看活的浏览器"
Agent 会写代码,不等于它知道代码跑起来是什么样。
Chrome DevTools MCP 把 Chrome DevTools Protocol 的能力封装成 MCP 工具,让编码 Agent 直接控制并检查一个正在运行的 Chrome:
| 能力 | 典型工具 | 用途 |
|---|---|---|
| 页面导航 | navigate_page |
打开本地页面、跳转路由 |
| 元素交互 | click、fill |
点击按钮、填表单 |
| 页面快照 | take_snapshot |
读取可访问性树,定位元素 |
| 控制台 | list_console_messages |
看报错、警告、日志 |
| 网络 | list_network_requests |
检查请求失败、慢请求 |
| 性能 | performance_start_trace / performance_stop_trace |
录制并分析运行时性能 |
| 审计 | lighthouse_audit |
跑 Lighthouse |
工具名以当前版本为准,上表只表达能力边界。
3.2 和 Playwright 的差别:调试导向 vs 测试导向
Playwright 面向的是"跑一个脚本验证流程":打开页面、点按钮、断言结果、跑完退出。
Chrome DevTools MCP 面向的是"Agent 改完代码,打开浏览器,看到实际渲染,读 Console 报错,定位问题,再回去改"。
这是一个完全不同的闭环。
没有这层,Agent 只能读静态代码,像一个闭着眼改 UI 的人;有了这层,它至少能睁眼看看自己改出了什么。
Antigravity 2.0 已经把 Chrome DevTools MCP 预打包进产品,开发者可以通过 /browser 命令或子 Agent 使用。
3.3 一个最小配置示意
json
{
"mcpServers": {
"chrome-devtools": {
"command": "npx",
"args": ["-y", "chrome-devtools-mcp@latest"]
}
}
}
配置之后,Agent 侧看到的就是一组 MCP 工具。它发起一次 tools/call,MCP server 把它翻译成 CDP 命令,再把结果返回给 Agent。
json
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/call",
"params": {
"name": "navigate_page",
"arguments": { "url": "http://localhost:3000" }
}
}
3.4 工程上的真实坑
协议设计不是最难的,真实浏览器状态 + 长会话才是。
GitHub issue 里有用户报告:
- 长时间运行的编码 Agent 会话中,
--autoConnect模式下 MCP 与 Chrome 的连接会变得不稳定,重连会反复触发 Chrome 的远程调试授权提示; - 通过 MCPProxy 的 stdio 传输层使用
--autoConnect时,初始化成功后,后续工具调用可能挂起直到超时。
这不是"协议不成熟"一句话能概括的。它更像浏览器自动化一直存在的问题,被 Agent 的长会话放大了:页面状态会变、连接会断、授权会过期、进程会挂。
从另一个角度看,这些问题被公开讨论、被追踪、被修,本身就是协议层项目走向成熟的标志。2026 年 11 月 18 日的 GitHub Trending 中,Chrome DevTools MCP 单日新增 717 Star;有报道称其 Star 已达到 39K+ 量级。
3.5 它补齐的是"运行时反馈"
Agent 的编码闭环,理想状态下应该长这样:
text
读代码 -> 改代码 -> 跑起来 -> 看渲染/Console/网络 -> 定位 -> 再改
大多数 Agent 只做到了前两步。Chrome DevTools MCP 补的是后三步。
这也是它比"再做一个代码搜索工具"更有价值的地方:它让 Agent 第一次能对"运行中的页面"负责,而不是对"看起来正确的代码"负责。
四、stitch-skills:技能层,把"怎么做"变成可携带资产
4.1 它不是代码生成器
stitch-skills 是 Google Labs 开源的一套 Agent Skills 技能库,遵循 Agent Skills 开放标准,配合 Stitch MCP server 使用,兼容 Codex、Antigravity、Gemini CLI、Claude Code、Cursor、OpenCode。
它不是代码生成器,而是一组描述设计约束的技能文件:设计 token 怎么用、组件规范怎么落地、提示词怎么改进、设计系统怎么自动生成。
更准确地说,它把"做好 UI"从 Agent 的隐式能力里抽出来,变成可安装、可版本化、跨 Agent 可移植的显式技能。
安装之后,Agent 写出的界面不会只是"能跑",而是能卡进一套既有的设计系统里。
4.2 一个技能包大概长什么样
下面是示意结构,不是 stitch-skills 的真实仓库内容:
text
design-review/
├── SKILL.md
├── references/
│ ├── tokens.md
│ └── components.md
└── scripts/
└── check-contrast.ts
SKILL.md 负责描述"什么时候用、按什么步骤做、输出什么":
md
---
name: design-review
description: 按团队设计系统审查页面,输出 token 与组件偏差
---
1. 读取 design/tokens.json 和组件清单
2. 检查颜色、间距、字号是否命中 token
3. 检查交互态、焦点态、禁用态是否齐全
4. 输出问题列表,按 P0/P1/P2 分级
这里的重点不是文件格式,而是"能力被显式化"这件事。
以前,这些规矩散落在聊天记录、口头传承和某个人的肌肉记忆里;现在,它们是一个可以被安装、被版本化、被不同 Agent 读取的文件夹。
4.3 跨 Agent 可移植,但管道还有缝
跨 Agent 可移植性是 stitch-skills 最关键的地方,也是它最诚实地暴露协议层现状的地方。
DEV Community 的一篇分析指出,stitch-skills 约有 8.7K Star,展示了真实的跨 Agent 可移植性,"但管道本身仍然存在缝隙"。
这些缝隙很具体:OpenCode 需要手动复制技能文件夹,还要求 kebab-case 命名。标准化的"最后一公里",还没有完全抹平。
但方向已经很清楚:技能开始脱离具体产品,变成可以携带的资产。
4.4 协议搬数据,技能搬判断
这是我认为 stitch-skills 最该单独拿出来讲的原因。
MCP 和 AG-UI 标准化的是"数据怎么流":工具调用参数、事件、状态。它们不关心你按什么设计规范做界面,也不关心你的代码评审清单。
Agent Skills 标准化的是"判断怎么做":什么算合格、先检查什么、遇到什么情况要停下来。
前者让 Agent 接得上系统,后者让 Agent 做得像团队。
两个问题都解决,Agent 才可能真正进入生产工作流。
五、三层怎么组合:一个 Agent 的完整链路
把四层放在一起,一个比较完整的链路是这样的:
text
用户
│
▼
AG-UI(事件流:文本、工具状态、状态增量)
│
▼
Agent Runtime(LangGraph / 自研循环 / 其他框架)
│ │
│ ├── MCP Client ──> MCP Server ──> 浏览器 / 数据库 / 内部系统
│ │
│ └── Agent Skills ──> 设计规范 / 评审清单 / 领域知识
│
▼
A2A(可选:把子任务分给其他 Agent)
对应到职责:
| 层 | 标准/组件 | 解决的问题 | 典型失败模式 |
|---|---|---|---|
| 交互 | AG-UI | 过程对用户可见、可中断、可恢复 | 前端各写一套适配,状态对不上 |
| 工具 | MCP | Agent 能调用真实系统 | 工具锁在某个产品插件里 |
| 协作 | A2A | 多 Agent 分工 | 自定义 RPC,无法跨厂商 |
| 能力 | Agent Skills | 团队规范可携带 | 换工具就重写 prompt |
这套组合的关键,不是"都上",而是"每层只做自己该做的事"。
AG-UI 不应该负责工具调用,MCP 不应该负责 UI 渲染,Agent Skills 不应该负责传输状态。混层会让系统看起来什么都有,实际每层都不可替换。
六、工程落地:三个坑,三条建议
6.1 三个坑
| 坑 | 表现 | 处理方式 |
|---|---|---|
| 长会话连接不稳 | 浏览器 MCP 反复授权、工具调用挂起 | 加超时、重连、健康检查;关键步骤幂等 |
| 事件流状态对不上 | 前端收到事件,但本地状态错乱 | 以服务端 STATE_SNAPSHOT 为准,增量只做优化 |
| 技能"可移植"变"可复制" | 换个 Agent 要手动搬文件夹 | 固定目录规范、版本号、安装脚本 |
第一个坑,Chrome DevTools MCP 的 issue 已经说得很清楚:真实浏览器 + 长会话,复杂度不在协议,在状态。
第二个坑,是很多 AG-UI 接入方容易忽略的:事件流不是"消息推送",它包含状态变更。客户端必须有"快照 + 增量"的处理能力,否则重连之后状态一定乱。
第三个坑,是 stitch-skills 这类技能库现在的真实状态:跨 Agent 的方向是对的,但安装、命名、版本管理这些"脏活",还没有完全标准化。
6.2 三条建议
第一,把内部能力包成 MCP server,而不是写死在脚本里。
今天多花一点封装成本,明天换工具时就少一次重写。MCP 的价值不是"多一个协议",而是把"能力"从"某个产品的插件"里解耦出来。
第二,前端接 Agent,优先考虑事件流,而不是为某个模型写死适配。
今天你接的是 LangGraph,明天可能是另一个框架;事件流的契约比框架的生命周期长。选型时先问:它能不能把工具状态、文本增量、状态变更、中断恢复都表达出来。
第三,把团队规范写成 Agent Skills,而不是散落在聊天记录里。
设计 token、组件约束、代码风格、评审清单,这些"怎么做"的知识,越早显式化,越容易被不同的 Agent 复用。
七、怎么评估一个 AI 编程工具
以后评估一个 AI 编程工具,可以先看这张表:
| 维度 | 要问的问题 | 为什么重要 |
|---|---|---|
| 工具接入 | 能不能接我已有的 MCP server? | 决定它能不能用你的真实系统 |
| 交互接入 | 能不能通过 AG-UI 把状态推到我现有前端? | 决定它能不能嵌入你的产品 |
| 技能携带 | 能不能加载 Agent Skills 标准的技能? | 决定你的团队规范能不能复用 |
| 运行时反馈 | 能不能看浏览器、Console、网络、性能? | 决定它能不能自己定位问题 |
| 可观测性 | 事件、工具调用、错误是否可追踪? | 决定出问题时能不能排查 |
| 可替换性 | 换模型/换框架,协议层是否还成立? | 决定你的投入会不会被锁死 |
"支持哪些模型"当然还重要,但它不再是第一个问题。
模型决定上限,协议决定它能不能进入你的工作流。
八、速记表
| 项目 | 定位 | 解决哪一层 | 关键数据/特征 |
|---|---|---|---|
| MCP | 工具调用标准 | 工具层 | 10K+ 活跃公共服务器,97M+ 月 SDK 下载 |
| A2A | Agent 协作标准 | 协作层 | 多 Agent 分工,跨厂商协作 |
| AG-UI | Agent-UI 事件流 | 交互层 | 约 27 种事件,1.0 规范冻结,TS/Python/.NET SDK |
| Chrome DevTools MCP | 浏览器运行时 MCP | 工具层(运行时) | CDP 封装,调试导向,报道称 39K+ Star |
| stitch-skills | Agent 技能库 | 能力层 | 设计 token/组件规范,8.7K Star,跨 Agent 可移植 |
最后,用一句话收束:
协议层不会自己写出好代码,但它正在让"好代码的产出方式"不再必须锁在某一个产品里。
这句话听起来很虚,但落到工程上很实:你今天封装的 MCP server、定义的事件契约、写下的技能文件,都会在下次换工具时,替你省下一次重写。
参考资料(按文中出现顺序)
- Linux Foundation Agentic AI Foundation 相关公告
- AG-UI 官方文档与 GitHub 仓库
- Chrome DevTools MCP 官方文档与 GitHub issue
- stitch-skills 官方仓库与 DEV Community 分析
- MCP 生态公开数据(截至 2026-11)
本文数字均来自公开素材,代码块为示意,实际字段与工具名以对应项目当前版本文档为准。