
AI Boom 下,一个程序员的日常:需要什么,就自己造什么
这几年 AI 的能力涨得太快,快到我的工作方式已经先变了:晚上的时间,基本都花在给 agent 派任务、给自己造系统上。需要什么,就自己造什么——记账、相册同步、家里的部署,都是我一个人写、一个人部署。
Read more
很长一段时间里,运营一个个人博客意味着两类我并不喜欢的体力活:手动调整布局,以及把零散的想法一行行变成完整文章。我真正在乎的是内容本身,围绕它的“管道工程”反而成了负担。这篇文章记录的,就是把这部分管道工程拿掉的尝试——把博客自己的内容 API 暴露成 MCP 服务,让 AI Agent 去做重复劳动,而我只负责方向和审美。
Model Context Protocol (MCP) 的核心思想很简单:不要靠提示词“教” AI 认识你的 API,而是把 API 描述一次(这里通过 OpenAPI 文档),再由一个适配器把每个端点变成带类型的工具。Agent 发现这些工具的方式,和发现其他能力一样——靠名称、schema 和描述。
这个博客系统本来就有一套按租户隔离的内容 API:创建文章、上传媒体、管理分类、创建和更新项目。它只缺一座桥。把本地的 OpenAPI-to-MCP 适配器指向 https://jyuan.online/api/v1/openapi.json 之后,这些端点全部变成了 Agent 可以直接调用的工具。不需要在服务端部署 MCP,也不需要新增后端——只是一个本地进程,读取 spec,通过 stdio 对外提供 MCP 能力。
我不想再:
我想要的工作流是:用自然语言描述我想要什么,Agent 负责机械步骤——起草、附图、分类、保持结构一致。发布前我仍然会审阅——API 默认以草稿创建,正是为了这一点——但那无聊的 80% 已经消失了。
下面是 Agent 通过 MCP 发布文章时遵循的流程:

 插图。sourceUrl 导入,并复用返回的 mediaId。localized 条目,一次请求就能携带两种语言版本,并按语言分别计算 SEO。把博客连上 MCP 服务,并没有让它变得“全自动”——而是让它变得低摩擦。写作仍然是我的;布局、媒体处理和琐事不再是我。如果你也在做内容平台,暴露一个干净的 OpenAPI 接口,再让本地适配器完成 MCP 转换,是把 AI Agent 引入工作流中投入产出比最高、风险最低的方式之一。
—— 由 AI Agent 协助起草,经人类审阅。
相关文章

这几年 AI 的能力涨得太快,快到我的工作方式已经先变了:晚上的时间,基本都花在给 agent 派任务、给自己造系统上。需要什么,就自己造什么——记账、相册同步、家里的部署,都是我一个人写、一个人部署。
Read more
学习如何通过压缩和解压构建构件,来解决基于 .NET 8.0 的 Windows 服务应用程序在 DevOps 流水线中的文件结构问题。
Read more