从代理到智能连接器
大多数 MCP 网关只做一件事：把你的 API 暴露为工具并转发调用。这很有用——但把难题留给了 AI。当一个工具返回 customer_id 时，智能体并不知道同一个 id 正是去另一个系统查订单的钥匙。它只能猜，而且常常猜错。
AnythingMCP 在原始工具之上加了一层：你的连接器的知识图谱。它梳理你的系统暴露了哪些实体、数据如何在它们之间流动，然后教你的 AI 智能体把它们配合使用——无需你手写集成逻辑。
这就是代理与智能连接器的区别。
知识图谱究竟是什么
图谱是每个工作区私有的地图，包含两类元素：
节点
你的工具所处理的实体——客户、订单、产品。
边
它们之间的关系——引用、同一身份、产生／消费、父／子。
它由四层构成，从最廉价的开始：
1
静态无需数据
直接从你的工具名称和参数读取。
get_customer_id 工具意味着一个带 id 字段的客户实体。免费、即时。2
观测越用越准
从真实调用中学习。当
customer_id 从 CRM 流出、同一值进入 ERP，这就是一条数据流的边。3
手动人工验证
在界面中由人工整理，并受自动层保护。
4
LLM可选
一次 AI 处理，识别出
CRM.person 与 Billing.customer 是同一现实实体的不同名称。标识符的值绝不以明文存储——图谱保存加盐哈希，因此它学习你数据的形态，而不保存数据本身。
一个具体例子：CRM → ERP
假设你接入了一个 CRM（联系人与商机）和一个 ERP（订单与发票）。看着这条边随着数据流动从推测升级为确认。
- →静态层从工具定义中提取出 联系人、商机、订单 等实体。
- →智能体调用
crm.get_customers，流出一个customer_id——观测层将其记录。 - →随后它调用
erp.search_orders(customer_id=…)，联系人 → 订单 这条边被升级为已确认。
AI 技能：智能体复用的规则
反复出现的模式会成为技能——从你的工具实际用法中提炼的可复用业务规则，被烘焙进 MCP 服务器的指令里，而不必在每次请求时重新解释。
✦
已学习的技能
revenue = orders in status 2, 3 or 4
kg_how_to_obtain：作为工具的图谱
图谱不只是内部使用。AnythingMCP 暴露了一个 kg_how_to_obtain 工具。运行时，智能体询问如何获取某物，便会得到串联提示——该调用哪个工具，以及哪个字段连接这两个系统。
agent ⇄ kg_how_to_obtain
// 智能体询问
“我该如何获取某个客户的订单？”
// kg_how_to_obtain 返回
→ 调用 erp.search_orders(customer_id)
→ 链接 联系人 → 订单 通过 customer_id
为何重要
更少失败的调用
智能体按你数据真正的关联方式串联系统，而不是反复试错。
更少提示工程
集成知识存在于图谱中，而非你手工维护的 2000 字系统提示里。
越用越好
每一次成功调用都让观测层更敏锐。
隐私安全
只有名称与结构，绝不保存原始值。