2026年3月 AI Agent 生態觀察：從 MCP 爆發到本地推理叢集的趨勢

三月份我觀察到的幾件事

每個月末我會整理一下這個月在 AI Agent 領域裡讓我印象深刻的動態。這不是新聞彙編，是 SFD 實驗室日常跑 Agent 過程中產生的一些真實觀察和想法。2026 年 3 月，有幾件事值得單獨寫一寫。

Model Context Protocol（MCP）這兩個月的採用速度超出我的預期。半年前它還是「感覺很有前途但大家都在觀望」的狀態，現在大量工具已經在推自己的 MCP server。

在 SFD 實驗室，我們把 MCP 用於本地端檔案系統存取、資料庫查詢，以及內部服務呼叫。最實際的變化是：以前 Agent 要讀伺服器上的日誌，需要先 SSH、cat 檔案、把內容貼進對話；現在直接掛一個 filesystem MCP server，Agent 直接讀，整個流程縮短了 80%。

但 MCP 也帶來了新的資安考量。一個被攻擊的 MCP server 可以作為跳板，取得 Agent 的全部情境權限。安全邊界怎麼劃、權限粒度怎麼設計，這些問題業界還沒有成熟的答案。我們的做法是：每個 MCP server 只開放必要的最小權限，不共用 credentials。

SFD 實驗室最近在添購新硬體：兩台 M5 Ultra 256GB、一台 M3 Ultra 96GB。全部到位之後總 unified memory 680GB，目標是跑 DeepSeek R1 671B Q8 全精度推理。

這在一年前是瘋狂的事——671B 參數的模型，居然有望在桌機等級的硬體上跑起來。關鍵變化有兩個：一是 Apple Silicon 的 unified memory 架構讓大記憶體成本斷崖式下降；二是 llama.cpp 的 RPC 分散式推理成熟了，多台機器可以協作跑一個超大模型。

但目前實測下來還有問題：多機 RPC 推理的 token 生成速度比單機慢，網路延遲是瓶頸。Thunderbolt 5 直連可以把頻寬推到 100Gbps 以上，比一般萬兆乙太網路好很多，但延遲特性和 PCIe 還是沒辦法比。

對於日常程式碼任務，我們現在的分工是：複雜推理走 Claude API（成本高但品質穩定），批次內容任務走本地端 Qwen——成本趨近於零，速度夠用。這個分層架構今年下半年應該會成為中型 AI 實驗室的標準配備。

如果你在用 OpenClaw，ClawHub（clawhub.com）的技能生態這幾個月成長得相當快。我觀察到幾個趨勢：

垂直領域技能在增加。不再只是通用工具，開始出現針對特定產業的技能，比如港股 AI 板塊分析（hk-ai-stock-expert）、12306 訂票輔助（12306-train-assistant）。這些技能的價值不在於通用性，而在於它們封裝了領域專業知識與特定 API 呼叫鏈。

技能品質參差不齊。這是開放生態的必然問題。有的技能寫得很扎實，有詳細的使用說明和錯誤處理；有的技能就是一個 SKILL.md 加幾行提示詞，根本沒有做過測試。建議在安裝新技能之前先讀 SKILL.md，評估一下品質再使用。

自我進化技能開始出現。skill-self-evolution-enhancer 這類技能能讓其他技能在使用過程中累積 learnings、更新自身邏輯。這個方向很有意思——技能不再是靜態的指令集，而是可以透過回饋迭代的活程式碼。SFD 實驗室的幾個核心技能已經接入了這個機制。

這是這個月最大的感受。在 SFD 實驗室的多 Agent 工作流程裡，單一 Agent 的能力已經夠用了——寫程式碼、分析資料、產生內容，這些任務 Claude 做得很好。

真正的瓶頸是 Agent 之間的資訊傳遞。一個 Agent 完成任務後，怎麼讓下一個 Agent 精準理解上下文？怎麼確保任務狀態不遺失？怎麼處理一個 Agent 逾時或失敗的情況？

我們的做法是：所有 Agent 交接都寫檔案，不依賴「記憶體」傳遞。完成一個步驟就更新 task-tracker.md，下一個 Agent 上來先讀檔案了解現況。這種「shared state via files」的架構很原始，但非常可靠。

更優雅的方案是結構化的訊息佇列，但對小團隊來說過於複雜。檔案系統就是最好的簡單訊息匯流排。

一是多模態 Agent 的實用化。現在大家說的多模態主要是「能看圖」，真正有價值的是「能操作圖形介面」——Agent 直接操作瀏覽器、桌面應用程式，不需要 API。這個能力今年會快速成熟。

二是本地端推理的成本曲線。隨著蘋果和 AMD 在大記憶體消費級硬體上持續發力，私有化部署的門檻還會繼續降低。哪類任務用雲端 API、哪類跑本地端，這個決策框架會越來越重要。

三是 Agent 資安。MCP、工具呼叫、Agent 協作——每擴展一層能力，攻擊面就大一圈。提示詞注入、權限提升、資料外洩，這些問題在生產級 Agent 系統裡已經不是理論上的威脅。這塊我會持續撰文探討。

就這些，下個月見。