4月19日 ，字节正式推出通用AI Agent平台——扣子空间（Coze Space），旨在实现用户与AIAgent的高效协作，以完成各类复杂任务。该平台拥有三项核心能力，分别是任务自动化、专家Agent生态以及打通MCP扩展集成。未来，它还将开放开发者平台，支持开发者将应用发布至扣子空间。
用户对扣子空间的探索模式和规划模式进行了测试。在探索模式下，以整理内容任务为例，上传4个Word文档后，AIAgent迅速开展工作，分三步完成任务：先是将文件内容整合输出新文件，接着转换文件格式，最后提取关键信息并梳理逻辑结构，输出Markdown文档，整个过程不到30秒。此模式下整理的内容结构清晰，但存在内容不够详细的缺点。相比Kimi、Grok等，其内容完整性和交互效率稍逊一筹。
规划模式方面，当用户提出撰写关于扣子空间的内容需求时，AIAgent能提炼需求形成提示词，并给出收集信息、规划逻辑、梳理逻辑和结构化输出等步骤。执行过程虽耗时较长，约13分钟，但用户能清晰看到其思考过程。该模式生成的内容全面，上下文记忆模型良好，还具备较强的可视化能力，支持多任务同时运行。不过，内容深度不足，抓取信息和生成文本较为表面。
MCP（Model ContextProtocol）平台是扣子空间的重要组成部分，其核心是用标准化协议重新定义AI应用与外部系统的合作方式。以往任务系统对接麻烦，开发成本高、更新慢，而MCP通过组件资产化和生态复用，将任务系统开发从“手工作坊”升级为“工业化生产”，显著降低了开发和维护成本。例如，支付功能集成和跨平台数据同步的人力成本大幅减少。
MCP采用“人在环路”机制，在任务关键节点触发人工确认，平衡了自动化效率和风险控制。从本质上看，它通过协议层抽象，将任务执行从“工具驱动”升级为“意图驱动”，即根据用户意图智能路由并调整任务执行。这种革新具有降低依赖、灵活应对和开放共享等核心价值。
然而，MCP平台也存在一些问题。一方面，它要求重新封装现有接口，增加了开发成本，且未能解决核心交互问题，在函数调用和多模态数据处理方面也存在不足。另一方面，标准化与碎片化的悖论导致不同大厂的MCP市场互不兼容，开源社区与企业级方案存在技术断层，协议扩展性和安全性也有待提高。此外，其商业价值在制造业等领域尚未得到充分验证。
对于具备商业价值的MCP平台，从用户使用场景来看，规划模式备受青睐。开发者应建立通用任务框架，支持灵活交互，提升任务准确性。从企业角度，MCP平台可将各种工具串联成完整工作流。字节的扣子平台在贴合用户需求方面迈出了第一步，但任务过程干预灵活性和生态补齐仍需时间完善。
