ToolJet 放弃多 Agent 自研 转向 MCP 驱动的开发逻辑
在低代码领域的观察中，ToolJet 的战略调整显得尤为有意义。很多企业在 AI 浪潮里倾向于“自研全家桶”，试图打造闭环的 AI 自动化体系，而 ToolJet 在经历了一段阵痛之后，选择了一条截然不同的路径——从“打造 AI 开发者”转向“成为 AI 的标准接口”。
ToolJet 的多 Agent 系统为何失败？
回顾之前的尝试，ToolJet 投入了整整 11 个月时间，潜心研发了一套复杂的多 Agent 系统。该系统的核心目标是通过 AI 自动化简化内部工具的构建过程，本质上是让 AI 充当一个“超级开发者”，理解用户需求并在后台直接生成功能模块。最初的设想是一个完美闭环：用户输入需求 → 多 Agent 协作 → 自动生成低代码配置或代码 → 工具交付。
然而，去年下半年团队发现了一个残酷的现实：市场对这种“黑盒式”生成的接受度正在下降。与此同时，用户开始向所谓的 vibe-coding（基于直觉和快速迭代的编码）转移。对开发者而言，AI 生成代码最核心的痛点在于可维护性。当 LLM 直接输出大量复杂的 React 代码、状态管理逻辑以及 CSS 样式时，虽然初次运行能让用户惊艳，但进入维护期后问题随之出现。这些由 AI 一瞬间生成的代码往往缺乏人类开发者的逻辑一致性，变成了没人敢轻易触碰的“黑盒”。对于依赖 ToolJet 构建关键业务流程的企业用户来说，这种不可控性是致命的。如果核心业务组件在升级或修改时因为是 AI 生成的黑盒代码而导致不可预测的 Bug，那么自动化带来的效率提升在稳定性面前就会显得微不足道。
除了用户端的接受度，ToolJet 内部还面临巨大的维护成本压力。在自研多 Agent 系统的逻辑下，平台功能更新与 Agent 的认知之间存在严重滞后。每当平台发布新功能或新的 API，团队必须重新训练 Agent，或者通过极其繁琐的 Prompt 引导让 Agent 学习这些新特性。与此同时，外部的通用 Coding Agent（例如 Claude Code 或 Codex）进化速度极快，它们在理解代码、处理逻辑和适应新语境方面的能力呈指数级增长。ToolJet 意识到，垂直领域的自研 Agent 在迭代速度上根本追不上通用模型的进化曲线。与其在一个永远追不上的赛道上死磕，不如直接利用这些顶尖模型的通用能力。
ToolJet 如何通过 MCP 协议实现架构转型？
基于此，ToolJet 做出了一个极其大胆且具有前瞻性的决定：推翻之前研发 11 个月的多 Agent 系统，将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去。这一转变的本质是：ToolJet 不再尝试做一个“能写代码的 AI”，而是把自己变成一个“可被 AI 操作的标准接口”。
为了理解这一转变的威力，需要看看 ToolJet 的底层架构。在 ToolJet 中，页面、组件、查询（Query）、集成（Integration）以及状态管理其实都是高度抽象的配置。以前的逻辑中，如果用户想要一个表格绑定某个数据库查询，或者需要一个按钮触发弹窗，AI Agent 必须生成大量的前端代码和复杂的逻辑链路来实现。而现在，通过 tooljet-mcp 这个 GitHub 仓库提供的服务，整个逻辑被彻底简化了。外部的 Coding Agent（如 Claude 等）不再需要去猜测如何写 React 代码，而是通过 MCP 协议发送结构化的配置描述。AI 只需要告诉平台：“这里需要一个 Table 组件，绑定到 Query A”，而不需要生成一行具体的 React 代码。
ToolJet 转型后 AI 的新角色是什么？
这意味着，ToolJet 将自己从一个“生成工具”变成了一个“可编程的资源池”。它把复杂的底层实现隐藏在 MCP 协议之后，将标准化的配置接口交给外部最强的 AI 模型。如此一来，AI 扮演的角色从“代码编写者”变成了“配置调度员”。
这种转向解决了之前提到的所有痛点。由于不再生成黑盒代码，而是发送结构化配置，生成的界面和逻辑在 ToolJet 平台内是透明且可编辑的，彻底解决了维护期的不可控问题。此外，ToolJet 团队不再需要为 Agent 编写繁琐的 Prompt 或进行重新训练，因为只要 MCP 接口定义清晰，外部进化极快的通用模型可以迅速通过协议文档掌握如何操作平台。
ToolJet 转型对 AI 赋能软件开发的启示是什么？
从这次转型可以看到，对“AI 赋能软件开发”的一次深刻反思。在 AI 时代，很多公司容易陷入“自研 Agent”的执念，试图掌控整个生成过程。但 ToolJet 证明了，在通用模型能力如此之强的今天，与其构建一个封闭的 AI 助手，不如构建一套标准化的协议接口，让全球最强的 AI 能够无缝地操作你的产品。从“掌控生成”到“开放接口”的逻辑转变，或许正是低代码平台在 AI 时代生存的正确姿态。
全部回复 （4）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
We need to rewrite the forum comment, adding a specific actionable point that is taken verbatim from the source (the basis). The point must be a direct sentence from the basis, embedded naturally in the comment. Must not mention it's from source. Must not include title, etc. Must not be self-testing. No "首先/总结". Length similar to original.
Original comment: "MCP 驱动到底能比 Agent 严谨多少？真怕又是一个逻辑混乱的坑。"
We need to add a specific actionable point (something you can do) that is a direct quote from the basis. The basis includes many sentences. We need to pick a sentence that is an actionable point (like "通过 MCP 协议发送结构化的配置描述" or "只需要告诉平台：“这里需要一个 Table 组件，绑定到 Query A”，而不需要生成一行具体的 React 代码。" or "将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去。" That's an actionable point: "将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去。" That's a specific action.
We need to embed that sentence naturally into the comment. The comment originally is short. We can expand a bit but keep similar length. Perhaps: "MCP 驱动到底能比 Agent 严谨多少？真怕又是一个逻辑混乱的坑。其实可以试着把整个平台通过 MCP（Model Context Protocol）协议完全暴露出去，看看是否能降低黑盒风险。" That adds the exact sentence: "把整个平台通过 MCP（Model Context Protocol）协议完全暴露出去". Need to ensure it's exactly as in basis: The basis says: "将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去。" That is the exact sentence. We need to embed it exactly, preserving punctuation? The basis includes a period at end. We can embed with that period inside sentence. Our comment: "MCP 驱动到底能比 Agent 严谨多少？真怕又是一个逻辑混乱的坑。其实可以试着将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去，看看是否能降低黑盒风险。" Need to ensure the exact phrase appears: "将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去". Yes we have that. The basis sentence ends with a period; we have a comma after it. Does that break exactness? The requirement: "这个点必须是依据里的原句，嵌进评论的自然句子里." It must be the original sentence, embedded. If we add a comma after, it's not exactly the original sentence because punctuation changed. Better to keep the period and then continue? Could embed as: "...其实可以试着将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去。看看是否能降低黑盒风险。" That keeps the period, then a new sentence. That seems okay. So final comment: "MCP 驱动到底能比 Agent 严谨多少？真怕又是一个逻辑混乱的坑。其实可以试着将整个平台通过 MCP（Model Context Protocol）协议完全暴露出去。看看是否能
低代码集成这路子稳，但 Agent 那个坑太大，现在还没看到能真正跑通的闭环方案。在低代码领域的观察中，ToolJet 的战略调整显得尤为有意义。很多企业在 AI 浪潮里倾向于“自研全家桶”，试图打造闭环的 AI 自动化体系，而 ToolJet 在经历了一段阵痛之后，选择了一条截然不同的路径——从“打造 AI 开发者”转向“成为 AI 的标准接口”。ToolJet 投入了整整 11 个月时间，潜心研发了一套复杂的多 Agent 系统。该系统的核心目标是通过 AI 自动化简化内部工具的构建过程，本质上是让 AI 充当一个“超级开发者”，理解用户需求并在后台直接生成功能模块。最初的设想是一个完美闭环：用户输入需求 → 多 Agent 协作 → 自动生成低代码配置或代码 → 工具交付。然而，去年下半年团队发现了一个残酷的现实：市场对这种“黑盒式”生成的接受度正在下降。与此同时，用户开始向所谓的 vibe-coding（基于直觉和快速迭代的编码）转移。对开发者而言，AI 生成代码最核心的痛点在于可维护性。当 LLM 直接输出大量复杂的 React 代码、状态管理逻辑以及 CSS 样式时，虽然初次运行能让用户惊艳，但进入维护期后问题随之出现。这些由 AI 一瞬间生成的代码往往缺乏人类开发者的逻辑一致性，变成了没人敢轻易触碰的“黑盒”。对于依赖 ToolJet 构建关键业务流程的企业用户来说，这种不可控性是致命的。如果核心业务组件在升级或修改时因为是 AI 生成的黑盒代码而导致不可预测的 Bug，那么自动化带来的效率提升在稳定性面前就会显得微不足道。除了用户端的接受度，ToolJet 内部还面临巨大的维护成本压力。在自研多 Agent 系统的逻辑下，平台功能更新与 Agent 的认知之间存在严重滞后。每当平台发布新功能或新的 API，团队必须重新训练 Agent，或者通过极其繁琐的 Prompt 引导让 Agent 学习这些新特性。与此同时，外部的通用 Coding Agent（例如 Claude Code 或 Codex）进化速度极快，它们在理解代码、处理逻辑和适应新语境方面的能力呈指数级增长。ToolJet 意识到，垂直领域的自研 Agent 在迭代速度上根本追不上通用模型的进化曲线。与其在一个永远追不上的赛道上死磕，不如直接利用这些顶尖模型的通用能力。基于此，
全靠Agent跑业务简直是赌博，还是MCP这种确定性逻辑能救命。在低代码领域的观察中，ToolJet 的战略调整显得尤为有意义。很多企业在 AI 浪潮里倾向于“自研全家桶”，试图打造闭环的 AI 自动化体系，而 ToolJet 在经历了一段阵痛之后，选择了一条截然不同的路径——从“打造 AI 开发者”转向“成为 AI 的标准接口”。ToolJet 投入了整整 11 个月时间，潜心研发了一套复杂的多 Agent 系统。该系统的核心目标是通过 AI 自动化简化内部工具的构建过程，本质上是让 AI 充当一个“超级开发者”，理解用户需求并在后台直接生成功能模块。然而，去年下半年团队发现了一个残酷的现实：市场对这种“黑盒式”生成的接受度正在下降。与此同时，用户开始向所谓的 vibe-coding（基于直觉和快速迭代的编码）转移。对开发者而言，AI 生成代码最核心的痛点在于可维护性。当 LLM 直接输出大量复杂的 React 代码、状态管理逻辑以及 CSS 样式时，虽然初次运行能让用户惊艳，但进入维护期后问题随之出现。这些由 AI 一瞬间生成的代码往往缺乏人类开发者的逻辑一致性，变成了没人敢轻易触碰的“黑盒”。对于依赖 ToolJet 构建关键业务流程的企业用户来说，这种不可控性是致命的。如果核心业务组件在升级或修改时因为是 AI 生成的黑盒代码而导致不可预测的 Bug，那么自动化带来的效率提升在稳定性面前就会显得微不足道。除了用户端的接受度，ToolJet 内部还面临巨大的维护成本压力。在自研多 Agent 系统的逻辑下，平台功能更新与 Agent 的认知之间存在严重滞后。每当平台发布新功能或新的 API，团队必须重新训练 Agent，或者通过极其繁琐的 Prompt 引导让 Agent 学习这些新特性。与此同时，外部的通用 Coding Agent（例如 Claude Code 或 Codex）进化速度极快，它们在理解代码、处理逻辑和适应新语境方面的能力呈指数级增长。ToolJet 意识到，垂直领域的自研 Agent 在迭代速度上根本追不上通用模型的进化曲线。与其在一个永远追不上的赛道上死磕，不如直接利用这些顶尖模型的通用能力。基于此，ToolJet 做出了一个极其大胆且具有前瞻性的决定：推翻之前研发 11 个月的多 Agent 系统，将整个平台通过 MCP（Model Context Protocol）
我觉得 vibe coding 这种玄学靠不住，还是得用那些有确定性产出的成熟工具；比如 ToolJet 在经历了一段阵痛之后，选择了一条截然不同的路径——从“打造 AI 开发者”转向“成为 AI 的标准接口”，这说明即便是 AI 驱动的平台也需要走可控、可维护的路线。