如果要给 Personal Agent 排下一轮产品优先级,我会先看它能否把一件事交付完整,再看它能接多少工具。这是本文的产品判断,并非关于市场格局的统计结论。
本文讨论一个产品假设:当 Agent 可以通过 MCP、CLI、Skills 等入口使用底层能力,组织这些能力、检查任务结果的体验,就值得单独设计。能调用外部能力,并不能直接证明通用个人助理已经成熟。
对产品经理更实际的问题是:有限的研发资源,该先投向更多连接器,还是投向已有任务的完成质量?
先把“交付结果”写成能验收的状态
设想一个会议准备场景:用户希望在会前拿到客户简报。以下是用于讨论设计的假设案例,不是产品实测。
搜索客户、读取历史邮件、整理笔记,都只是中间动作。简报是否交付,还要看材料是否对应正确的客户、信息是否有来源、关键缺口是否说明,以及文件能否在约定时间被用户打开。
如果 Agent 返回了十条搜索记录,用户还得重新筛选、核对、排版,系统虽然调用了工具,人的任务仍然没有结束。
因此,我建议先为一个窄任务写清四件事:交付物是什么、谁来验收、什么时候交付、什么情况必须停下来问人。先做“会前客户简报”,比直接承诺“帮你处理工作”更容易测试。
这也会改变产品界面。任务页除了显示“正在搜索”,还应告诉用户:现在已有哪部分结果,缺什么,是否需要授权,以及最终材料放在哪里。过程记录的价值,在于帮助人判断任务是否可信。

图:用于产品验收的检查顺序,由本文提出;异常核验可能返回前面步骤,并非单向执行架构。
工具接入解决可执行性,任务设计决定完成度
MCP、CLI、Skills 不应被当成同一种东西:协议、命令接口和可复用操作说明,在系统中承担的角色不同。这里将它们放在一起讨论,只是因为它们都可能成为 Agent 使用外部能力的入口。
一个连接器能让 Agent 读取日历,并不会自动回答“这次该不该改会”。能调用发信接口,也不意味着系统知道邮件应发给谁、哪些附件可以外传。
Anthropic 对 Agent 的工程说明区分了预设路径的工作流和由模型动态决定过程的 Agent,并强调执行中要利用环境反馈判断进展。它也提醒开发者考虑成本、延迟和累积错误,而不是默认选择更复杂的系统。
据此,我的判断是:当一个产品已有足够工具完成目标任务时,继续扩充工具数量,未必比补齐结果检查更有价值。这个判断有明确前提。如果核心数据根本无法访问,接入仍然是第一优先级。
最容易低估的是失败之后的工作
继续看客户简报。搜索服务超时,可以换来源或有限重试;历史资料权限不足,应说明缺口;客户名称有歧义,需要先确认对象。三种失败需要三种处理方式。
更麻烦的是动作已经提交,却没有收到明确结果。例如系统提交了文件分享请求,随后连接中断。直接重试,可能造成重复通知;直接报成功,又可能误导用户。产品需要能够保留操作状态、核实实际结果,再决定下一步。
我把这类能力视为交付设计的一部分:失败分类、进度保存、重复动作防护、人工接管入口,都应进入验收清单。它们很难在一次顺畅演示中显得突出,却决定用户能否在下一次任务里继续放心委托。
“交付结果”也有权限边界。用户让系统准备邮件,不能据此推断用户同意发送。用户让系统比较商品,也不能据此推断用户同意付款。产品应区分可自动执行、需要确认、只能由用户完成的步骤,并在等待期间保留已经完成的工作。
把指标从调用量移到人的剩余工作
如果只能先搭一组评估,我建议用同一类任务、相近难度和统一验收标准,记录以下指标。这是本文提出的评估框架,不是行业统一标准。
- 验收通过率:结果满足预先定义条件的任务占比,不能只用模型自己的“已完成”作为判断。
- 用户补救时间:用户为纠正错误、补充缺漏和整理交付物额外花的时间。
- 异常恢复情况:失败后是否恢复成功,是否留下重复操作或错误状态。
- 单次合格交付成本:把失败尝试和必要人工复核一并纳入,再按合格结果计算。
授权确认应单独统计。一次必要的付款确认,不该和一次本可避免的客户名称追问混在同一个“打扰次数”里。否则团队可能为了降低数字,错误地减少用户控制。
工具调用量仍然有诊断价值,比如定位耗时和费用,但它不适合作为用户价值的替代指标。
下一版先补哪里
我的取舍建议是:先找出已有任务最常卡住的环节。缺数据,就补连接;结果经常不合格,就补验收;失败后只能重来,就补恢复;用户不敢授权,就把动作范围和确认点说清楚。
固定、可预测的步骤可以继续用工作流。只有需要根据新信息调整路径的部分,才值得增加 Agent 的自主决策。这也符合 Anthropic 在同一篇工程说明中提出的原则:从简单方案开始,在确有收益时增加复杂度。
本文提出的竞争判断仍有待真实产品数据验证。对于正在做产品的人,可以先落到一个更小的实验:选定一个任务,记录用户从提出需求到拿到合格结果,究竟还需要做多少工作。下一轮迭代,就围绕这个差额展开。
