AI 应用的新入口，可能不是聊天框，而是连接器和工作台

很多人第一次使用大模型是从聊天框开始的。输入一个问题得到一段回答继续追问再得到更细的解释。这个入口简单、直观也推动了 AI 的普及。但当 AI 真正进入工作聊天框的局限很快显现出来它不知道你的文件在哪里不知道上周会议怎么定的不知道代码库里哪一段刚改过也不知道公司内部规则和客户背景。于是AI 应用的下一轮竞争开始转向连接。Anthropic 提出的 Model Context Protocol也就是 MCP抓住的正是这个问题。它试图为 AI 助手连接外部数据源和工具提供统一协议避免每接一个系统就重新写一套集成。OpenAI Agents SDK 对 MCP 的支持、OpenAI 文档 MCP 服务以及 ChatGPT 中面向外部工具和资料的连接器都指向同一条路线大模型不应该孤零零地回答问题而应该在授权边界内读取合适资料、调用合适工具再给出可追溯的结果。这件事的重要性往往被低估。用户要的不是“更会聊天”而是“少搬运上下文”。过去做一次研究可能要打开搜索引擎、公司网盘、邮件、表格、浏览器标签页再把信息复制给模型。连接器改变的是信息流向用户仍然提出问题但资料可以从原系统被检索、引用和汇总回答也能带回出处。AI 从一个聪明的外部顾问变成工作台里的一层认知界面。Google 在 Search 的 AI Mode 里加入 Deep Search也说明搜索正在从“给链接”变成“做研究”。它面向复杂问题浏览多个来源、进行推理并生成带引用的报告。ChatGPT 的连接器和 Deep Research 则把类似能力扩展到用户授权的数据源里不仅查公开网页也可以在 Google Drive、GitHub、SharePoint 等资料中寻找上下文。对内容行业来说这意味着 AI 导航网站和资讯平台的价值也要升级。过去导航站主要回答“有哪些工具”。现在用户更关心“这个工具适合什么工作流”“能接哪些数据源”“是否支持团队权限”“结果能不能引用原文”“能不能和现有系统打通”。工具列表仍然有用但真正的判断来自场景、边界和组合能力。对企业来说连接器的价值更直接。一个销售团队不缺能写邮件的 AI缺的是能读 CRM、理解客户阶段、参考过往沟通、遵守合规边界的 AI一个研发团队不缺能解释代码的 AI缺的是能读 issue、理解仓库结构、运行测试、生成可审查 PR 的 AI一个内容团队不缺能写初稿的 AI缺的是能读资料库、查来源、按平台改写、留下发布记录的 AI。但连接也带来风险。接得越多权限越要细工具越强确认越要清楚。AI 如果能访问文件就必须明确哪些文件能读、哪些不能读如果能调用工具就必须明确哪些动作可自动执行哪些动作必须人工确认如果能生成引用就必须区分原文、总结和推断。没有权限管理、审计日志和人工接管连接器很容易从效率工具变成风险入口。所以AI 应用的新入口不是简单的“一个聊天框包打天下”。更成熟的形态可能是工作台左边是任务右边是资料中间是模型推理底层是连接器、权限、日志和工具调用。用户看到的是一句自然语言指令系统背后完成的是检索、引用、执行、校验和记录。这也是未来 AI 产品的分水岭。只会回答问题的产品会越来越像功能能接入真实资料和真实流程的产品才会成为入口。大模型的竞争还会继续但真正改变日常工作的未必是模型参数多了多少而是 AI 能不能在正确的上下文里做正确的事。连接器、MCP、深度研究和企业工作台正在把 AI 从“知道很多”推向“接得上、做得动、查得清”。