跨国深谈← 返回←仪表盘已死：智能体才是新用户

仪表盘已死：智能体才是新用户

关联

人物 Sarah Simionescu

公司 Composio

概念 智能体 · MCP · 仪表盘 · 上下文窗口 · Claude

开场的 Sarah 是个每天用 Datadog 的工程师——但有一天同事让她当场查个告警，她打开仪表盘整个人僵住了：完全不知道东西在哪。她真的从来没打开过仪表盘，却每天都在「用」它。

由此她抛出一个听似疯狂、其实显而易见的论点：仪表盘已死。而她的团队恰好负责 Composio 的仪表盘，所以她给仪表盘做了一次「复盘」。

复盘第一幕：人类时代的工具地狱

2022 年，有人在 Slack 上报了个 bug。她要立刻开五个窗口：Slack 读上下文、Datadog 写查询、PostHog 查会话、VS Code 修 bug、GitHub 开 PR——五个工具、五套 UI,每次改版还得重新学。更烦的是每个工具都有自己的查询语言：Datadog 有自己的语法，JIRA 有 JQL,Slack 有搜索修饰符；甚至连同说 SQL 的工具，SQL 也互不兼容 。

她的洞见是：你用过的每一个仪表盘、每一种冷门查询语言，本质上都是你和数据之间的翻译装置——因为另一端的机器听不懂你真正想要什么。你从来就不想要一个带查询语言的仪表盘，你想要的是答案 。

复盘第二幕：闪光按钮与 MCP 都没解决根本问题

2023 年「闪光按钮」（各种 AI 产品里那个点击后让 LLM 帮你写查询的按钮）诞生，仪表盘变成 AI 原生——但前提是你的问题不需要超过两次数据库 join。后来 Anthropic 发布 MCP（一个让 AI 智能体连接外部数据源的开放标准），你自己的智能体可以直接生成查询、替你执行、给你答案。

【背景】MCP 由 Anthropic 于 2024 年 11 月发布。

看起来问题解决了？远没有。Sarah 说，真接过十几个 MCP 服务器的人都知道现实是一团糟，原因有三个 :

1. 智能体不会学习。每次对话从零开始，它不记得昨天在 Slack 里把链接格式搞砸了，今天只会再搞砸一次。用 skills 打补丁只是创可贴——因为给的上下文越多，智能体反而越笨。
2. 工具一多模型就淹死。接的服务器够多，等于把数千条工具定义直接倒进上下文窗口。她说光 Composio 的 GitHub 工具包就有超过 200 个工具，模型会抓错工具、理不清该先调用哪个。
3. 每个应用都是孤岛。每个 MCP 服务器只知道自己，任务一横跨两个应用(任务几乎总是这样)，拼装就是你的活儿。

一句话总结：MCP 给了智能体一扇通往每个应用的门，却让它们站在成千上万个彼此隔绝的房间里——没有地图，也没有记忆 。

Composio 的解法：给智能体一个专用界面

Composio 在 MCP 之上做了一层专为智能体设计的界面：把那些杂乱、文档稀疏、不断变化的 API,翻译成智能体真正爱用的东西。核心机制是 Composio Search——智能体先声明自己想完成什么任务，Composio 返回的不是一大堆工具定义，而是恰好需要的工具，外加一份使用计划。

她演示了修那个 Slack bug 报告的完整流程：只把 Slack 消息链接粘贴给 Claude,说「用 Sentry 和 Datadog 找根因，开个 draft PR,不许出错」。Claude 声明三项子任务(取 Slack 消息、搜 Sentry 问题、搜 Datadog 日志)，Composio 对每项返回工具加计划——比如用 Slack 前得先找到频道 ID。

然后智能体并行拉取各数据源、扫描代码库，不到五分钟，带修复的 PR 就提交上来了 。她强调：没搭工作流、没写 skill 教它，就只是 Claude 在用 Composio 的 MCP。

第二个例子更见功力：她想看用户在 onboarding 时选择的行业分布，再深挖电商用户最爱用哪些工具集(Composio 把「应用」叫「工具集」)。这需要跨 PostHog 和 MetaBase 两个数据源。

Claude 的做法很聪明：查到用户 ID 后直接保存结果，不把完整数据加载进上下文；先在 MetaBase 里查 schema、抽样感受结构，有把握后用一个叫 Composio Remote Workbench 的工具，动态生成一条带正则的 SQL 查出所有匹配用户——同样全程不把全量数据塞进上下文窗口 。几分钟内，跨两个数据源的答案就出来了。

效果可衡量：她展示了尚未发布的早期对比结果——同样的任务、同样的模型，Composio 对比 Claude 应用市场里各应用自带的原生 MCP,完成度有明显差距 。

真正的教训：你在服务一个新物种

许多创业公司已经开始把落地页做成对 AI 友好(所谓 GEO,生成式引擎优化)，但很少有公司准备好让自己的应用被智能体使用。而趋势已经倒过来了：Composio 最早是帮开发者把热门应用变成智能体能用的工具，现在创业公司主动找上门，说客户在恳求一种通过智能体使用他们服务的方式 。

她给所有正在构建产品的人的忠告：你现在服务的是一个新物种的用户。它们没有眼睛，不会点你的闪光按钮；它们带着一个目标和一套工具而来，只用一件事评判你——能不能把活干成 。十年来我们造产品都为了人类好用，下一个时代属于对智能体好用的产品。

回到开场那一幕：她曾以为自己僵在仪表盘前是在落后，现在她把那一刻看作未来的预演。

本集带走

• 仪表盘和查询语言只是翻译装置：用户要的从来是答案，不是界面。智能体能直接对话数据后，这一整层界面正在失去存在的理由。
• 裸接 MCP 服务器的三个坑：智能体无记忆(每次从零开始)、工具定义一多就淹没上下文窗口、应用之间互不连通——跨应用任务还是得人肉拼。
• 「先声明任务、再取工具加计划」的模式：让智能体说明要完成什么，按需返回少量工具和使用步骤，比一次性倒进几千条工具定义有效得多。
• 跨源查数据的关键是别把全量结果塞进上下文：存中间结果、先摸 schema 再写精确查询，智能体也能做原本要仪表盘才能做的分析。
• 做产品的新评判标准：智能体用户只看「能不能把活干成」——没有眼睛，不看你的 UI,不点你的 AI 按钮。

仪表盘已死。
The dashboard is dead.
—— Sarah Simionescu · [01:06]

你用过的每一个仪表盘，每一种被写出来的奇怪、冷门的查询语言，都是你和你数据之间的翻译装置，因为另一端的机器无法理解你真正想要什么。
Every dashboard you’ve ever used, every weird, obscure query language ever written was a translation device between you and your data because the machines on the other end cannot understand what you actually wanted.
—— Sarah Simionescu · [02:15]

你从来不想要一个带着该死查询语言的仪表盘。你想要的是答案。
You never wanted a dashboard where it’s cursed query language. You wanted the answer.
—— Sarah Simionescu · [02:27]

每次对话都是从零开始。它不记得昨天在 Slack 里把链接格式搞砸的事，所以今天它只会再搞砸一次。
Every conversation starts from zero. It has no memory of how it fumbled formatting links properly in Slack yesterday, and so it’s just going to fumble again today.
—— Sarah Simionescu · [03:53]

我们用 skills 来打补丁，但 skills 只是一张创可贴，因为你提供的上下文越多，智能体反而变得越笨。
And we patch this with skills, but skills is just a band-aid because agents become dumber with the more context you provide.
—— Sarah Simionescu · [04:01]

拿我们来说，光是 GitHub 工具包就有超过 200 个工具。模型直接被淹没了。
I mean, our GitHub toolkit alone has over 200 tools. The model just drowns.
—— Sarah Simionescu · [04:17]

所以 MCP 给了智能体一扇通往每个应用的门，却让它们站在成千上万个彼此隔绝的房间里，没有地图，也没有曾到过那里的记忆。
And so MCP gave agents a door into every app, but it left them standing in thousands of separate rooms with no map and no memory of ever being there.
—— Sarah Simionescu · [04:45]

一旦它确定了根本原因，不到五分钟，带修复方案的 PR 就提交上来了。
Once it identifies the root cause, PR is up with a fix in less than five minutes.
—— Sarah Simionescu · [06:00]

我们把你每天生活在其中的所有那些杂乱、文档稀疏、不断变化的 API,翻译成智能体真正爱用的东西。
We translate messy, sparsely documented, ever-changing APIs from all the apps that you live in every day into something that agents really love to use.
—— Sarah Simionescu · [06:56]

但很少有公司真正准备好让他们的应用能被智能体使用。
But so few have really prepared their applications to be used by agents.
—— Sarah Simionescu · [09:11]

但人类已经厌倦了仪表盘，而他们的智能体也厌倦了设计糟糕的 MCP 服务器。
But the humans are tired of dashboards and their agents are tired of poorly designed MCP servers.
—— Sarah Simionescu · [09:28]

你现在服务的是一个新物种的用户。它们没有眼睛。它们不会去点你的闪闪发光的按钮。
You are now serving a new species of user. They don’t have eyes. They are not going to click your sparkle button.
—— Sarah Simionescu · [09:44]

而下一个时代属于那些对智能体易于使用的产品。
And the next era belongs to those that are easy for agents to use.
—— Sarah Simionescu · [10:05]