隔离内网下 AI Agent 工程实战
好长一段时间不写文章了，又到国庆长假，是时候整理下最近对 AI 工程化上的一些心得进行总结和分享； 在 AI 的时代浪潮里写文章的门槛变低了很多，AI渲染、AI 代笔； 能真正愿意花费时间，认真的写点东西，是真的挺难得； 在有 AI 的日子里，人的深度阅读与总结能力也开始慢慢退化了。 回到主题，近期在公司的开发流程中集成 AI 工程化的落地实践的过程中，各端开发人员在开发流程的各个阶段均会有使用 coding agent 调用内网系统的需求，比如： 需求评审： 获取 tapd prd 需求信息，提供 Agent 了解需求进行脑暴和明确需求细节； 方案设计： 基于需求理解完后 ，让 AI 编写技术方案并同步到 wiki 文档中； 开发阶段： 构造 API 接口文档到 apidoc 平台中、功能开发完成自动 gitlab MR、自动触发发布测试环境； 测试阶段： 获取测试用例信息用于 AI 自测、获取 bug 信息用于 bugfix； 等等，在开发各个阶段，均会使用到内网系统，需要让 Agent 调度获取补充上下文信息，以及特定的功能操作； 前期大家都在探索，不同端（服务端、客户端、前端）各凭本事实现不同内网系统的调用； 当前各端在开发阶段均有内网系统调用需求，并各凭本事重复造轮子，多数解决方案是采用 skills script 去实现内网系统的登录授权，并且携带授权信息去调用 API，复用性差，使用门槛高，安全性差，等问题； 在短时间内想让内网系统（自建、开源搭建、商用搭建）都支持 MCP Tools 能力，也不太现实； 在不改动内网系统的情况下，将内网系统的相关能力封装成 MCP Tools 提供基础通用能力，支持 tools 的授权管理，支持个人账号登录授权管理、支持危险操作的审批机制、支持 Tool 调用审查日志、支持配套的 Skills； 使用个人内网系统账号去调用 Tools 与用户直接登录内网系统去手动操作效果一致，依然是以个人账号权限去调用，不会出现越权问题； 项目： internal-mcp — 让 AI Agent 直接使用内网系统；
