新MCP创意变为现实的地方：Goose作为试验场

作者: Agentic AI Foundation
原文链接: https://aaif.io/blog/where-new-mcp-ideas-go-to-become-real-goose-as-a-proving-ground/

深入解析 Alex Hancock 在 2026 年 MCP 开发者峰会北美站的演讲

Alex Hancock 在 MCP 开发者峰会 的开场向观众提出了几个问题。

“在座有多少人对于 MCP 或代理（agent）如何能更好地工作有自己的想法？”

几乎所有人都举起了手。

“这些人中，有多少人有一个可以贡献的项目，一个拥有真实用户的项目，可以在其中测试这个想法并快速交付？”

很多手放了下来。

他说，这个差距正是他今天要谈论的内容。

Hancock 是 Block 的软件工程师，Goose（Block 的开源 AI 代理，现隶属于 Agentic AI Foundation）的核心维护者，同时也是 MCP 的 Rust SDK 的维护者。他的演讲对于技术会议来说有点不寻常：一个真诚的邀请：

“来这里构建你实验性的 MCP 想法。我们会交付它们。真实用户会尝试它们。然后我们一起找出真正有效的方法。”

观看完整演讲 这里。

为什么一个永久性的代理项目仍然有意义

在介绍功能之前，Hancock 提出了一个他认为任何诚实的代理团队都必须面对的问题：既然任何人都可以在几分钟内生成一个可工作的代理，为什么还要将其作为一个严肃的长期项目来维护？

他的答案归结为四点：

1. 性能和稳定性：核心代理循环需要紧凑且可预测，这需要持续的工程投入。
2. 互操作性：真正致力于开放协议，而不仅仅是那些恰好有利于其创建者的协议。
3. 实验意愿：模型能力逐月变化，一个能够质疑自身假设并快速行动的维护团队是一种不同的资产。
4. 治理：Hancock 对此直言不讳。他认为，如果所有高质量的代理实现都被锁定在绑定于单一公司模型的专有产品中，那将不是一个好的世界。与任何模型兼容、与任何开放标准互操作的开源实现，发挥着其他任何东西都无法替代的作用。

Goose 现已捐赠给 Agentic AI Foundation 并由其管理，是 Block 试图填补特定空白的尝试。目前有数以万计的 MCP 服务器，但很少有完整的开源主机（host）能将客户端、服务器连接以及它们之间的所有交互整合到一个连贯的项目中。

代码模式（Code Mode）：使用代码而非神经网络进行控制流

Hancock 介绍的第一个功能解决了代理当前使用工具时一个较为隐蔽的低效问题。

以这样一个提示为例：从过去一小时的日志文件中查找数据库错误。在传统方法中，代理会列出文件、读取每个文件、将整个内容传递给模型，并过滤出相关行。如果这些文件很大，你可能需要将 50,000 行内容通过模型处理，只得到 240 行结果，这会消耗大量令牌（token），并使用神经网络（最昂贵的资源之一）作为控制流原语，而 for 循环可以免费完成同样的工作。

代码模式改变了这一点，而无需改变底层工具。相同的 MCP 服务器被连接，相同的工具存在，但代理不是进行单独的工具调用并将中间结果传递给模型，而是生成一个处理逻辑本身的小型 TypeScript 程序。该程序在沙箱中运行，循环遍历文件，过滤错误，并返回结果。模型只看到最终的 240 行。

ACP：标准化代理接口的另一半

MCP 标准化了代理如何连接到外部系统。但另一边存在一个缺口：客户端告诉代理做什么的接口。目前每个代理都有自己的专有 API 来实现这一点，它们之间无法互操作。

Goose 采用了 代理-客户端协议（Agent-Client Protocol, ACP） 作为其解决方案。正如 MCP 为工具连接创建了标准一样，ACP 标准化了客户端如何连接到代理，这意味着一个多样化的接口生态系统可以独立于任何特定代理而出现。Hancock 演示了四个不同的 ACP 客户端同时驱动同一个 Goose 实例：一个新的终端界面、一个名为 Toad 的开源终端、一个全新的 Goose 桌面应用，以及 Zed 代码编辑器。在 Zed 中，集成是实时流式传输的，当代理打开文件时，编辑器中出现新的标签页。

下一步是为 ACP 添加 HTTP 支持，这将允许客户端和代理在完全不同的机器上运行。结合远程 MCP 服务器，堆栈的每一部分都可以放置在合理的位置，这得益于开放协议而非专有 API。

MCP 应用（MCP Apps）：在规范边缘进行实验

Goose 早期就采用了 MCPUI（MCP 应用的前身），虽然方式粗糙，但团队想看看在智能体内置视觉界面会发生什么。这种早期使用帮助概念完善了实现，最终它成为正式的 MCP 扩展，部分原因正是像 Goose 这样的项目充当了真实世界的测试环境。

最具前瞻性的演示是 Goose 正在孵化但尚未纳入官方规范的功能：从应用自身的前端进行采样。标准 MCP（模型上下文协议）采样允许服务器通过主机请求模型补全。Goose 对此进行了扩展，使应用的 UI 可以直接执行：应用通过桥接向 Goose 主机发送采样请求，主机将其路由到模型并返回结果。应用不再是被动的显示层，而是自身成为一个智能组件。Hancock 暗示了未来的方向：在界面内直接解释图像、音频或视频的多模态应用。Goose 的实时实现已经在影响关于是否将该功能正式纳入规范的讨论。

邀请

Goose 作为试验场的价值源于一件事：真实规模下的真实使用。在那里部署一个实验性的 MCP 功能，人们就会真正使用它。当你向 MCP 核心维护者提出提案时，你提交的不是一份纸面规范，而是一个有真实用户支持的工作实现。

“这就是我们的承诺：来构建有用的东西。我们会把它发布出去。”

Goose 是开源的，由 Linux 基金会 下的 Agentic AI Foundation 管理。你可以在 aaif.io 找到它、贡献代码并了解更多信息。