# 学习目标

3.  理解MCP协议的核心思想

    掌握HITL协作模式

    了解Agent在规划设计中的落地场景

# MCP协议

## 什么是MCP

**Model Context Protocol (模型上下文协议)**：连接AI模型与外部数据/工具的开放标准。

## 核心价值

`传统方式：`\
`    AI``模型`` → ``各自独立`` → ``数据孤岛`\
\
`MCP``方式：`\
`    AI``模型`` ← MCP → ``统一接口`` → ``所有工具``/``数据`

MCP架构

`┌─────────────────────────────────────┐`\
`│           AI Application            │`\
`│   (Claude, ``ChatGPT``, ``等``)             │`\
`└─────────────┬───────────────────────┘`\
`              │ MCP`\
`┌─────────────┴───────────────────────┐`\
`│         MCP Client                  │`\
`├─────────────────────────────────────┤`\
`│  ┌──────┐ ┌──────┐ ┌──────┐        │`\
`│  │File  │ │DB    │ │API   │  ...  │`\
`│  │``Server│ │Server│ │Server│        │`\
`│  └──────┘ └──────┘ └──────┘        │`\
`└─────────────────────────────────────┘`

# HITL：人机协作模式

## 什么是HITL

**Human-in-the-Loop (人在回路)**：在AI决策关键环节引入人类干预。

## HITL层次

  ----------------------------------
  层次       人类角色   自动化程度
  ---------- ---------- ------------
  完全自动   无         100%

  人工审核   监督者     80-90%

  交互决策   合作伙伴   50-70%

  人工主导   操作者     \<50%
  ----------------------------------

## 规划设计中的HITL

`AI``生成方案`\
`    ↓`\
`设计师审核`` ← ``修改意见`` → AI``调整`\
`    ↓`\
`最终确认`

# 规划设计Agent案例

## 场景分析Agent

`输入：场地数据`

`↓`

`分析流程：`

1.  `地形分析`` (``坡度、高程``)`

2.  `气候分析`` (``日照、风向``)`

3.  `交通分析`` (``可达性``)`

4.  `视觉分析`` (``视域、景观``)`

`↓`

`输出：场地分析报告`

## 方案生成Agent

`输入：设计要求`` + ``场地分析`

`↓`

`生成流程：`

1.  `理解需求`` (``CoT``推理``)`

2.  `布局功能`` (``工具调用``)`

3.  `连接路径`` (``图算法``)`

4.  `优化调整`` (``迭代改进``)`

`↓`

`输出：初步设计方案`

## 合规审查Agent

`输入：设计方案`

`↓`

`审查流程：`

1.  `调用规范库`

2.  `逐条核对`

3.  `标记问题`

4.  `生成报告`

`↓`

`输出：合规审查意见`

# Agent落地挑战

技术挑战

  ---------------------------
  挑战       说明
  ---------- ----------------
  准确性     复杂任务易出错

  可解释性   决策过程不透明

  鲁棒性     边界情况处理
  ---------------------------

应用挑战

  -----------------------------
  挑战         说明
  ------------ ----------------
  工作流整合   与现有流程融合

  责任界定     AI错误的后果

  成本控制     API调用费用
  -----------------------------

## 解决方向

1.  分级应用：简单任务自动化，复杂任务辅助

    渐进式：从局部到整体

    人机协同：关键环节人工确认

# 未来展望：AI设计师

### 短期 (1-2年)

`AI``作为工具`\
`    - ``数据分析`\
`    - ``方案生成`\
`    - ``合规检查`

### 中期 (3-5年)

`AI``作为助手`\
`    - ``创意启发`\
`    - ``方案优化`\
`    - ``文档撰写`

### 长期 (5-10年)

`AI``作为合作伙伴`\
`    - ``共同创造`\
`    - ``自主决策`\
`    - ``专业评审`

## 思考与练习

1.  MCP如何解决AI应用的"数据孤岛"问题？

2.  规划设计中哪些环节适合引入HITL？

3.  AI设计师如何与人类设计师协作？

## 关键术语

  ----------------------------------------------------------------
  中文             英文                   说明
  ---------------- ---------------------- ------------------------
  模型上下文协议   MCP                    Model Context Protocol

  人在回路         HITL                   Human-in-the-Loop

  数据孤岛         Data Silo              独立的数据存储

  协议             Protocol               通信标准

  工作流整合       Workflow Integration   融入现有流程
  ----------------------------------------------------------------

## 延伸阅读

1.  [MCP官方文档](https://modelcontextprotocol.io/)

    [Human-in-the-Loop AI](https://arxiv.org/abs/2301.02629)