👉 项目官网:https://www.python-office.com/ 👈
👉 本开源项目的交流群 👈
把 MCP、Agent、RAG、工作流(Workflow)、插件(Plugin)放在同一张图里,就能看出它们其实是不同抽象层次的积木。用一句话先给结论:
插件 ≈ 最小功能单元,工作流 ≈ 编排插件的脚本,Agent ≈ 带大脑的工作流引擎,RAG ≈ 一种特殊的插件,MCP ≈ 让插件/工作流/Agent 能“热插拔”的标准底座。
1. 五者分层图(越往上越接近业务,越往下越接近基础设施)
层级 | 概念 | 关键词 | 举例 | 与 MCP 的关系 |
---|---|---|---|---|
业务层 | 工作流 Workflow | 顺序、分支、循环、审批 | “收到客户邮件 → LLM 提炼需求 → 查库存 → 生成订单 → 通知物流” | 工作流里的每个节点可以是 Agent 或插件;MCP 负责把这些节点注册成可复用服务。 |
执行层 | Agent 智能体 | 规划、记忆、工具调用、自我反思 | AutoGPT、LangChain Agent、Claude Computer Use | Agent 的“工具箱”通过 MCP 统一暴露,Agent 本身也可以被工作流调用。 |
能力层 | 插件 Plugin | 单一接口、原子功能 | “查天气插件”“发邮件插件”“数据库查询插件” | 插件可以包装成 MCP Server,实现一次编写,任何 Host 即插即用。 |
知识层 | RAG | 检索、增强、分段、嵌入 | 向量数据库 + 文档召回 | 常被实现为一个特殊插件,或直接内嵌在 Agent/工作流节点里;MCP 可提供统一的检索服务。 |
底座层 | MCP | 协议、注册、发现、鉴权、传输 | MCP Server(本地文件系统)、MCP Client(Claude Desktop) | 本身不提供业务功能,但让所有上层模块能“像 USB-C 一样”互联。 |
2. 用“外卖平台”类比帮助记忆
概念 | 外卖平台类比 |
---|---|
插件 | 一家家具体餐馆(只提供“宫保鸡丁”或“奶茶”) |
工作流 | “下单 → 备餐 → 骑手取餐 → 送达”整条链路脚本 |
Agent | 平台调度大脑,根据天气、运力、用户忌口实时重排链路 |
RAG | 实时爬取菜单更新,保证用户看到的“今日特价”不是过期数据 |
MCP | 平台统一 API:餐馆入驻标准、骑手接口、支付协议,谁接入都能跑 |
3. 一句话总结每个区别
插件 vs 工作流
插件 = 一个工具函数;工作流 = 把多个函数按顺序/条件串起来的 DAG。工作流 vs Agent
工作流是“死脚本”;Agent 是“活大脑”,能根据中间结果动态改写脚本。RAG vs 插件
RAG 是一种知识类插件(查文档),但插件还可以是“执行类”(发邮件)、“计算类”(跑 SQL)。MCP vs 其他四者
MCP 不是业务概念,而是让插件/Agent/工作流可以跨平台热插拔的“统一总线”;没有 MCP,每个 Agent 都要单独对接一次 Slack、一次 Notion、一次数据库,有了 MCP 只需对接一次 MCP Server 即可。
4. 选型速查表
你的需求 | 先用哪个概念 | 备注 |
---|---|---|
只想给 Chatbot 加 3 个工具按钮 | 写 3 个插件 | 暂不引入工作流 |
想让 LLM 自动完成多步审批 | 设计工作流 + Agent | 工具用 MCP 暴露 |
想让不同团队共享同一批企业 API | 用 MCP 封装 API | 上层可以是 Agent 或工作流 |
客服需要实时知识库 | RAG 插件 | 也可通过 MCP 提供检索服务 |
一句话:插件是原子,工作流是剧本,Agent 是导演,RAG 是提词器,MCP 是整个剧场的标准化电源插座。