作者 | Tim Anderson 译者 | 平川 策划 | Tina 本文最初发布于 DEV CLAS 。 Docker 推出了自己的 MCP（模型上下文协议）目录和用于管理 MCP 工具的 MCP Toolkit。 MCP Catalog 是 Docker Hub 的一部分，该公司声称其有 100 多台初始服务器，可以访问来自 Elastic、Salesforce Heroku、New Relic、Stripe、 Pulumi、Grafana Labs、Kong 和 Neo4j 等供应商的第三方工具。未来，他们计划让企业发布自定义的 MCP 服务器，而 Docker 承诺将提供 "全面的企 业控制"。 MCP 的目的是为 AI 代理提供一个标准化的 API，用于控制这些服务器提供的服务，从而扩展 AI 代表用户执行任务的能力。如果您正在寻找一份友好的 入门指南，可以看一下我们为您准备的 MCP 实践指南。 MCP 由 Anthropic 公司于 2024 年 11 月推出，是 "一个连接 AI 助手与数据所在系统的新标准"。该协议被包括 OpenAI、微软和谷歌在内的许多公司迅 速采用；供应商们争先恐后地 ...

今年以来，AI代理开始彻底爆发，越来越多AI代理产品上线，并快速进入商业化阶段。 作为一个新兴的产品形态，有一个很现实的问题摆在他们面前——AI代理应该如何定价？ 为了搞清楚这个问题，Kyle Poyar分析了市面上60多家AI代理公司，总结了现在AI代理的四大定价模式，分别是：代理席位定价、代理行为定 价、代理流程定价和代理结果定价。 通过这份报告，我们将能更清楚地了解AI代理产品在定价方面的趋势。（原文链接：https://www.growthunhinged.com/p/ai-agent-pricing- framework） 01 AI代理的四种定价模式 许多公司只使用这四种模式中的一种，但也存在一些混合模式（例如，按座位定价和按座席定价相结合）。 模型1：按席位定价 11x、Harvey和Vivun等公司率先采用了这种方法，有效地将其AI代理定位为数字员工。 这个模式下，每个代理都被视作初级员工或者部分全职员工的替代者；这意味着，支出应该来自员工预算，而不是IT或软件工具预算。主要包括三个特 点： 1） 部署每个代理的固定月费 2） 价值标准与员工支出直接相关 3）成本可预测，类似于传统平台或基于座 ...