智能体很聪明。问题是网络很脏。
凌晨 2 点，你的 AI 智能体为了确认竞争对手价格而连接到网站。但该网站弹出验证码、改变 HTML 结构、封锁机器人。智能体不会慌张。它会转而编造看似合理的内容。用户将这种幻觉当成事实。
当你在运行时将智能体暴露于网络时，你就是在把不确定性直接递送到用户眼前。
问题的核心不在于“抓取多少”，而在于如何为智能体将要消费的数据接口订立契约(contract)。这篇文章谈的不是性能，而是接口契约。
TL;DR
- 将网页数据连接到 AI 智能体·MCP 服务器的真正关键，不是采集规模，而是供智能体消费的数据契约(machine-facing interface)设计。
- 如果智能体在每次调用时直接浏览网页，封锁、延迟和幻觉风险会原样载入响应。通过将预先清洗的 Feed 作为 MCP 资源查询，响应会保持一致，也更容易引用。
- 不要把不确定性压在智能体运行时上，而应转移到后端契约中。HashScraper 通过托管后端吸收采集与封锁应对，向智能体只提供契约化的 Feed。
目录
- MCP 是什么 — 智能体的标准插座
- 两条路径：直接浏览 vs 契约化 Feed
- 对比表：不是性能，而是责任主体的位置
- 像写合同一样写 Schema — tool 与 resource
- 防止幻觉的 4 条 Grounding 原则
- 面向机器的 5 项契约要素
- 连接设计 5 步法
- 自检 5 问
- FAQ
- 结论
- 立即开始
MCP 是什么 — 智能体的标准插座
定义 1. MCP(Model Context Protocol) 是一种协议，用于定义 AI 智能体如何以标准化方式连接外部工具(tool，执行动作)和数据(resource，查询)。
想象插座就很容易理解。如果每个国家的插头形状都不同，就必须每次都制作适配器。MCP 就是将这些规格统一为一种标准插座。智能体只要插到这个插座上，无论是什么后端，都可以用同样的方式进行交互。
MCP 暴露两类线缆。tool 是“执行某些操作”的动作，resource 是“查询某些内容”的数据。在网页数据连接中，我们重点关注后者，即 resource。设计方向也在这里分岔。
两条路径：直接浏览 vs 契约化 Feed
将网页接入智能体的方法大致有两种。
路径 A — 智能体在每次调用时直接浏览网页。 用户提问时，智能体当场访问网站。它看似灵活，但网站的封锁、验证码、结构变更和延迟，都会全部流入响应质量。同一个问题，昨天和今天的答案可能不同。网站一旦封锁，智能体不会停下，而会编造看似合理的内容。这正是幻觉的温床。
路径 B — 将预先采集、清洗的 Feed 作为 MCP 资源查询。 采集早已由后端完成，智能体只需按契约获取结构化结果。响应保持一致，且附带来源，因此更易于引用。
直接浏览是让智能体每次都走进荒野；契约化 Feed 则是在清洗过的窗口接收文件。
不要误解。这不是“哪一种更快”的问题，而是不确定性积累在哪里的问题。路径 A 将不确定性积累在智能体运行时，也就是用户眼前。路径 B 则将不确定性推到后端契约之后。
对比表：不是性能，而是责任主体的位置
定义 2. 数据契约(data contract) 是一种面向机器的约定：预先固定智能体将接收的数据字段、类型、含义和元数据，使双方都能信任这一规范。
| 维度 | 直接浏览（路径 A） | MCP 资源 Feed（路径 B） |
|---|---|---|
| 封锁风险 | 原样暴露于智能体运行时 | 隔离在后端契约之后 |
| 延迟 | 在调用时发生，无法预测 | 查询基于清洗后的 Feed，保持稳定 |
| 成本 | 每次调用都重新采集 | 采集一次，分摊至多次查询 |
| 响应一致性 | 每次调用都可能波动 | 相同输入 → 相同结果 |
| 幻觉风险 | 失败时会编造内容 | 通过明确空结果与来源进行抑制 |
| 维护 | 采集与智能体逻辑耦合 | 在契约层分离管理 |
贯穿该表的结论只有一个。差异不在性能维度，而在于责任主体的位置。你是要让智能体承担封锁、延迟和幻觉的责任，还是让契约承担这些责任。
智能体要薄，契约要厚。
像写合同一样写 Schema — tool 与 resource
要让契约获得信任，措辞必须准确。MCP tool·resource Schema 也是如此。
固定字段类型和含义。 要在 Schema 中明确 price 是字符串还是整数、货币是什么、“缺货”用什么值表示。智能体一旦开始猜测值的含义，契约就被打破了。
必须附加支持引用的元数据。 以下三项必须包含：
- 来源 URL — 使智能体能够在回答中引用“来自哪里”。
- 采集时间 — 使其能够判断并标注新鲜度。
- 标识符(id) — 使其能够重新查询同一对象并去重。
没有来源、时间和标识符的数据，对智能体而言就像没有依据的传闻。
这三行元数据创造了可引用性(citability)。契约的目的，是让智能体不只回答“价格是 12,000 韩元”，而是回答“价格是 12,000 韩元（来源：X，采集：今天上午 9 点）”。
防止幻觉的 4 条 Grounding 原则
智能体的幻觉通常源自“空手而归时，无法承认自己空手而归”。契约消除了这种余地。
- 以结构化 JSON 响应。 不是自由文本，而是符合 Schema 的 JSON。不给智能体在解析时凭空想象的空间。
- 强制来源字段。 没有来源的记录即为违反契约。不可引用的数据不应出现在回答中。
- 明确空结果。 用明确值返回“无结果”。沉默会引发幻觉。
- 标注新鲜度。 一并传递采集时间，让智能体自行说明“以何时为准”。
幻觉并不是因为数据错误而产生，而是因为放任它去填补空白。
面向机器的 5 项契约要素
不同于面向人的 API，供智能体反复调用的 machine-facing 契约需要五项要素。
- 幂等性(idempotency) — 即使多次发送相同请求，结果和副作用也必须相同。这是重试频繁的智能体环境中的基本功。
- rate limit — 在契约层控制调用洪峰，保护后端和智能体双方。
- Token·权限 Scope — 通过 Scope 限定哪个智能体可以访问哪些资源。
- Schema 版本控制 — 字段变化时通过版本告知。不要悄无声息地修改契约。
- 错误规范 — 以规定的代码和格式返回失败，避免智能体将失败误认为“成功但数据为空”。
契约的价值不在于顺利时，而在于出错时。
连接设计 5 步法
- 定义用途 — 先确定智能体将用这些数据做什么。是价格比较，还是口碑摘要。用途决定 Schema。
- 确定架构 — 是直接浏览（路径 A），还是契约化 Feed（路径 B）。大多数生产环境智能体应选择路径 B。
- 确定 Schema — 固定字段类型和含义，并强制要求来源、采集时间、标识符等元数据。
- 附加契约要素 — 加入幂等性、rate limit、权限 Scope、版本控制和错误规范。
- 验证 Grounding — 测试空结果、来源字段和新鲜度是否真的被强制执行，以及智能体是否不会编造内容。
好的连接不是从代码开始，而是从契约开始。
有一点需要明确。这 5 个步骤全都是接口契约层的内容。“如何大规模、如何快速地抓取”这一采集性能属于不同层面，将在[实时大规模采集管道(023)]文章中讨论。这里仅设计供智能体消费的契约。
自检 5 问
检查你的智能体-网页数据连接是否称得上是契约。
- [ ] 交给智能体的数据是否始终附带来源 URL·采集时间·标识符？
- [ ] 没有结果时，是否以“无结果”的明确值返回？（智能体是否不会编造内容）
- [ ] 响应是否不是自由文本，而是Schema 固定的 JSON？
- [ ] 即使重复相同请求，结果是否相同，即是否为幂等契约？是否具备 rate limit·权限 Scope？
- [ ] 字段变化时，是否通过Schema 版本·错误规范告知智能体？
如果仅符合 3 项或更少，那么你并不是在连接数据，而是在将不确定性装进智能体运行时并递送给用户。
FAQ
Q. 如何将实时网页数据连接到 AI 智能体或 MCP 服务器？
A. 不要让智能体在每次调用时直接浏览网站，而应设计为通过 MCP 资源查询预先采集和清洗的数据。核心是数据契约。固定字段类型和含义，将来源 URL、采集时间和标识符作为强制元数据，然后附加幂等性、rate limit、权限 Scope、Schema 版本控制和错误规范。由托管后端吸收采集与封锁应对，让智能体只消费契约化 Feed，这种方式更稳定。
Q. tool 和 resource 有什么区别？
A. tool 是“执行”的动作，resource 是“查询”的数据。在网页数据连接中，交付清洗后的 Feed 时通常以 resource 暴露。改变状态的动作（例如：触发采集）应分离为 tool，这样契约更清晰。
Q. 智能体总是编造不存在的数据。应该修复什么？
A. 强制执行 Grounding 契约。使用结构化 JSON 响应，将来源字段设为必填，以明确值返回空结果，并通过采集时间标注新鲜度。幻觉通常并非因为数据错误，而是因为“放任它去填补空白”。
Q. 网站总是封锁访问的问题，应如何在智能体中处理？
A. 不要在智能体中处理。正确做法是将封锁应对转移至契约背后的托管后端。HashScraper 通过托管后端吸收采集与封锁应对，并仅将已清洗的 Feed 按契约交付给智能体。这种结构不会将不确定性压在智能体运行时上。
结论
智能体并不是为承受整个网络而设计的存在。承受网络脏乱是后端的职责，而智能体的职责是从契约化窗口接收清洗后的文件，并准确引用它们。
因此，设计的重心不在于“抓取多少”，而在于“如何订立契约”。固定字段，附加来源、时间和标识符，明确空结果，并具备幂等性、版本控制和错误规范的契约。这一纸契约，便能将智能体的幻觉与响应波动推至后端之后。
不要把不确定性压在智能体运行时上。转移到后端契约中。智能体要薄，契约要厚。
采集与封锁应对由托管后端吸收。HashScraper 提供吸收采集、封锁应对和清洗工作的托管采集服务，智能体只需消费契约化 Feed。
更广泛的背景可参阅韩国数据采集服务对比（2026 年真实地图）和监控不是采集，而是通知 — 用价格·口碑数据构建响应闭环。
立即开始
如果你想为 AI 智能体·MCP 服务器接入稳定的网页数据契约，最快的方式是从能够吸收采集、封锁和清洗工作的托管后端开始。让智能体只消费契约化 Feed，将荒野般的网络交给后端。
HashScraper 凭借韩国境内超过 5,000 个网站的采集经验、195 个国家的代理以及 99.7% 的准确率，在后端吸收荒野网络，并只向智能体按契约交付清洗后的 Feed。我们已服务超过 500 家企业，并保持 0 起法律问题。新用户注册即可获赠 5 万 Credits。
