探针 7｜Agent、RAG、MCP 到底啥区别

Agent、RAG、MCP，到底啥区别

AI 圈天天挂嘴边的三个词：Agent、RAG、MCP。

你可能每个都查过，但还是分不清：它仨到底是啥关系？是平级的三个东西？还是谁替代谁？还是干脆就是一回事？

这篇就把它们摆到同一张图上，一次理清。

先定位：它们都在「把模型用起来」这一层

还记得序幕那张四层地图吗？Agent、RAG、MCP，全部都在 L2「应用工程」这一层——就是「怎么把模型包起来、让它干活」的那一层。它们都不是模型本身（L0），也不是模型自带的能力接口（L1，比如 Function Calling），而是外面包着的工程。

但同样在 L2，它仨解决的问题完全不同。

Agent：让模型「自己干活」的整体方案

Agent（智能体）是最大的那个词。它指的是一整套让模型自己干活的方案——你给它一个目标，它自己拆步骤、调工具、看结果、接着干，不用你一步步盯着。

探针 4 讲过这套机制：外面套个 harness，靠 model loop 循环转着干。Agent 就是这套「自己干活」的整体设计。

所以 Agent 不是某个具体技术，是一种「打法」：让模型从「你问一句它答一句」，升级成「你给个目标它自己跑」。探针 4 讲的 harness + model loop，就是实现 Agent 的那套壳。

RAG：给模型外挂一个「知识库」

RAG（检索增强生成，Retrieval-Augmented Generation）解决的是另一个问题：模型的知识有上限。

模型的知识，来自它训练时吃过的语料（探针 3 讲过）。训练完就定死了，它不知道之后的事，也不知道你公司内部的资料。问它超纲的，它还不一定肯说「不知道」，可能直接给你瞎编一个。

RAG 的办法是：给模型外挂一个知识库。你先把自己的资料存进去；每次问问题，先去这个库里检索相关的片段，再把检索到的内容连同你的问题一起喂给模型，让它「照着」这些资料回答。

所以 RAG 不是让模型变聪明，是给它临时配一个「开卷资料」。它查到什么，还是靠模型自己去读懂、去组织语言。

MCP：连接工具的「统一协议」

MCP（模型上下文协议，Model Context Protocol）解决的是又一个问题：给模型接工具，太碎了。

探针 4 讲过，模型调工具靠 Function Calling。但每家工具的接口都不一样：这个数据库这么连、那个搜索引擎那么连，每接一个工具就得单独写一套对接。工具一多，乱、重复。

MCP 干的事，就是定一个统一标准：所有工具都按同一个协议来暴露自己，模型这边只要认这个标准，就能连上任意多个工具——相当于给 AI 应用预装了一个「万能插排」，往上插什么工具都行。

MCP 本身不是工具，是工具的「接口标准」。下一篇探针 8 会专门拆它，这里你先记住它解决的是「接工具太碎」。

关键：它仨不是平级，是层级关系

讲到这，最让人迷糊的点来了：Agent、RAG、MCP 不是三个平级的东西，更不是谁替代谁。它们是层级关系。

Agent 是个整体方案（「自己干活」），RAG 和 MCP 是它常用的两个零件：

• 一个 Agent 要查私有知识 → 用 RAG 当零件，挂个知识库。
• 一个 Agent 要调外部工具 → 用 MCP 当零件，连一堆工具。
• 一个像样的 Agent，往往两个都用：既查知识（RAG），又调工具（MCP）。

所以别再问「Agent 和 RAG 哪个好」「MCP 会不会取代 Agent」了——它仨根本不在一个层面上。Agent 是那张整图，RAG 和 MCP 是图里两块常用的拼图。

这根探针挖到了什么

一个「Agent、RAG、MCP 啥区别」的疑问，底下其实就一句话：它仨都在「把模型用起来」这一层，但 Agent 是整体方案，RAG 是外挂知识库，MCP 是工具的统一协议；而且它仨是层级关系，不是平级——Agent 经常把 RAG 和 MCP 当零件使。

这一趟，Agent、RAG、MCP 这三个让人头大的词，你算是分清了。以后再刷到，你大概就知道它仨各自在解决什么。

下一篇，挑其中一个挖深：给 AI 接个工具，为什么这么麻烦——MCP 到底在干嘛。下回聊。