产品猎奇·11月05日：给agent真实设备与记忆

今天在ProductHunt上又发现了几个有意思的新产品。排第一的Scalekit,四百多票,一百多条评论。 这个我看了。一句话说清楚,它给生产环境的agent,做了一个统一的MCP网关。 MCP网关,听起来是给开发者的基础设施。它具体解决什么痛点? 现在agent接工具最麻烦的地方,不是能力不够,是权限和授权太碎。 每个app一套鉴权,一个agent接十几个工具,光管token就够喝一壶。 所以它是把这些都收拢到一层? 对。通过一个网关,让agent用六百多个app里的三万多个工具。 关键是每个动作,都是以发起那个用户的身份跑的,权限不超过他给的范围。 这个设计我挺喜欢。等于把代理人做事的边界,卡死在授权里。 还有个Virtual MCP Server,能给每个agent只开它那份职责需要的工具。 最小权限原则,直接做成产品功能了。安全性这块有说法吗? 每次调用都打日志。这对要上生产的团队,几乎是刚需。 免费额度一万次调用一个月,这个量对试点团队够用了。 总结一下就是,Scalekit把agent的工具接入和授权,从脏活变成了标准层。 好,下一个。Glasshand,这个标题很有意思,给agent一台真的iPhone和Mac。 字面意思。硬件就摆在他们的机房里,agent一个prompt就能租一台。 等一下,所以是接Claude Code或者Codex,让它们直接操作真机? 没错。发TikTok、叫Uber、编译测试iOS app,都行。跟人操作一样。 这个痛点我太懂了。很多事模拟器根本测不出来,必须上真机。 而且你租期内是独占的。用完擦数据、恢复出厂设置。 那这套路子,和云手机、真机农场比,差别在哪? 重点是它的客户是agent,不是人。接口和交互都按agent来设计。 明白了。把设备当成agent的一个action来调,这个抽象很聪明。 然后还有第三个,Living Brain。一个给agentic AI用的记忆层。 这个戳的是老问题。每段对话里都有值得留下的知识,但都困在各自的聊天里。 它把这些抓出来,连到你已有的知识上,变成一份持续演进的长期记忆。 跨模型这点挺关键的。API、SDK、MCP都能接? 对。ChatGPT、Claude、Gemini、Cursor这些之间,记忆能复用。 等于让每次新对话接着上次往下走,而不是每次从零开始。 但这里有个坎。记忆的格式和召回质量,跨模型还能保持一致吗? 这也是它票数没前两个高的原因吧。概念很对,落地还在验证。 你说到点子上了。记忆层谁都想做,难的是互操作和质量。 那总结一下,今天这三个产品,共性很明显。 全是agent的基础设施。网关管接入,设备管执行,记忆管上下文。 对。大家不再卷模型,开始卷agent的底座了。今日推荐我只选一个,Scalekit。 同意。授权和日志这两件事,是agent进生产绕不过去的。它先把痛点接了。