麻花视频播放器
42.03MB · 2025-10-19
作为一个每天都要和AI打交道的技术人，我发现了一个令人困扰的问题：当我使用CherryStudio这类AI客户端进行日常研究和搜索时，AI就像一个被关在"信息黑屋"里的助手，对真实世界一无所知。
"现在几点了？"——AI给我的答案可能是训练数据中的某个时间点 "我的电脑有点卡，怎么办？"——AI无法知道我的内存使用率已经99% "外面天气怎么样，适合出门吗？"——AI只能给出模糊的建议
这种环境感知缺失不仅影响了AI的实用性，更让它在处理时效性、本地化问题时显得力不从心。
面对这个痛点，我决定为AI打造一个"感知器官"。经过一番思考，我设计了一个名为**Agent Sense（智能感知）**的MCP Server，核心思路很简单：
我找到的解决方案是利用 Model Context Protocol (MCP) 来扩展AI的能力边界。MCP是一个开放协议，就像AI世界的"USB-C标准"，允许我们为AI Agent添加各种外部工具和能力。
根据MCP官方文档的描述，这个协议"标准化了应用程序如何为大语言模型提供上下文、数据源和工具"，正是我需要的解决方案。
基于日常使用场景，我为Agent Sense规划了五大核心功能：
get_time) - 获取精确的当前时间，支持多种格式get_location) - 基于IP的地理位置信息get_system_info) - 操作系统详细版本和架构get_hardware_info) - CPU、内存、磁盘使用情况get_weather) - 实时天气和预报这个项目的开发过程充分展示了现代AI辅助编程的威力。我的开发思路是这样的：
我确定了项目的功能点，并判断需求不是很复杂，于是在vibe和spec模式中选择了vibe模式。这个选择让我能够更灵活地进行迭代开发。
我遵循提示词规范，写下了这样一段清晰的提示词：
我想做一个为agent提供感知能力的mcp server，名为"智能感知(agent-sense)"，它需要提供以下工具：1.获取时间；2.位置定位；3.系统信息(操作系统版本，架构)；4.硬件信息(CPU型号，内存大小、硬盘大小、IP地址)，请你帮我设计一个可行的方案，必要查询文档或者信息时，可使用对应的mcp server。技术栈方面，我希望使用nodejs + typescript
借助AWS Kiro编辑器 + Claude 4.5的组合，AI很快就生成了完整的项目结构和核心代码。我对AI生成的代码进行仔细审核，发现它在跨平台兼容性、错误处理等方面已经考虑得很周全。
根据实际的生成效果，我让AI对代码进行了针对性的修改：
我使用MCP Inspector进行功能测试，这个工具让我可以在浏览器中实时测试每个工具的调用效果。当发现某些工具返回的数据格式不够理想时，我会立即让AI进行修改。
最后，我将配置好的MCP server导入CherryStudio中进行真实场景测试，确保在AI对话中能够正常工作。
Agent Sense投入使用后，效果立竿见影：
用户: "我的电脑运行很慢，怎么回事？" AI: 调用硬件信息获取功能 → 发现内存使用率99.72% AI回复: "你的内存使用率已达99.72%（23.93GB/24GB），建议关闭一些应用程序释放内存。"
用户: "帮我分析一下这个日志文件的错误" AI: 调用时间感知功能 → 获取当前时间和时区 AI回复: "根据日志时间戳（UTC）和你的本地时区（Asia/Shanghai），这个错误发生在2小时前..."
用户: "推荐一些学习资源" AI: 调用位置定位功能 → 发现用户在中国 AI回复: "根据你的位置，推荐一下中文学习资源和国内可访问的平台..."
用户: "如何安装Docker？" AI: 调用系统信息获取功能 → macOS M3芯片 AI回复: "你使用的是Apple Silicon (M3)，请使用以下命令安装Docker Desktop for Mac (Apple Silicon)..."
整个开发过程让我深刻体会到了现代AI辅助编程的威力：
Agent Sense这个项目完美诠释了"小而美"的设计理念。它解决了AI在环境感知方面的核心痛点，让AI助手真正变得"接地气"。
通过MCP协议，我们成功地为AI装上了"感官"，让它能够：
这个项目不仅提升了AI的实用性，更重要的是展示了人机协作的新模式。从需求描述到代码实现，从测试验证到实际部署，整个过程充分体现了AI辅助编程的威力。
未来，我相信会有更多这样的MCP Server出现，让AI真正成为我们日常工作的得力助手。
项目地址: agent-sense
如果这个项目对你有帮助，欢迎点个Star！也欢迎在评论区分享你对AI环境感知的想法和建议。
