第02课 工程化技术栈：AI Agent × MCP × 自动化工具链

一个技术选择的教训

赵明在2025年犯了一个错。

他花了两个月时间，用Python写了300行脚本来自动化亚马逊的广告报告。它能跑——但只能在他的电脑上跑。换了台电脑就各种报错。亚马逊API改了个参数，脚本也挂了。更要命的是，他写的代码只有他自己能看懂。

助理小何问："赵哥，我想把这个改成也能看Shopee的数据，你教我？"赵明看了看自己两个月前写的代码，发现自己也看不懂了。

问题不是技术太难，而是他选择了错误的技术栈。

他需要的不是一堆散装脚本——而是一个完整的、模块化的、可维护的工程化技术栈。

---

工程化技术栈的三层架构

一个成熟的软件系统通常有三层：

┌─────────────────────────────┐
│    应用层（解决具体问题）      │
├─────────────────────────────┤
│    中间层（调度、协议、通信）   │
├─────────────────────────────┤
│    基础层（计算、存储、网络）   │
└─────────────────────────────┘

我们的电商工程化技术栈也是三层：

基础层：AI大模型

这是"大脑"——负责理解、分析、生成。

模型	优势	适用场景	成本
Claude Opus 4.7	最强推理、100万上下文	复杂分析、策略制定	$5/MTok输入
DeepSeek-V3	高性价比、中国友好	内容生成、翻译	¥0.5/千tokens
Qwen-2.5	中文优化	面向中国市场的内容	按量计费

推荐配置：Claude Opus 4.7做核心决策（选品分析、策略制定），DeepSeek做日常任务（内容生成、数据格式化）。一个管"重要的事"，一个管"重复的事"。

中间层：Hermes Agent + MCP

这是"引擎"——负责执行、调度、协调。

Hermes Agent v0.8 的核心能力：

40+ 内置工具
    → 文件操作、网页访问、API调用、数据处理

Skills Hub（agentskills.io）
    → 社区共享技能，一键复用

Cron 定时任务
    → 自然语言配置你的"触发器"

消息网关
    → Telegram / 微信(HermesClaw) / Discord / Email

子代理并行
    → 多个任务同时执行

自我学习闭环
    → 从经验中生成Skills，下次自动更好

MCP（Model Context Protocol） 的角色：

MCP是标准化的"连接器"——让AI Agent能以统一的方式连接各种外部工具和数据源。

Hermes Agent
    ↕ MCP协议（JSON-RPC 2.0）
各种工具和服务
    ├── 电商平台API
    ├── 广告平台API
    ├── 数据分析工具
    ├── 素材生成工具
    └── 消息推送服务

把MCP理解为"USB接口"——不管什么设备（U盘、键盘、鼠标），只要符合USB标准就能即插即用。MCP就是AI工具领域的USB标准。

应用层：流水线配置

这是"任务"——具体解决什么问题。

流水线	功能	触发方式
日常巡检	全平台数据扫描+告警	定时（每天8:00）
新品上架	选品→Listing→上架→广告	手动触发
广告优化	ACOS监控+出价调整	定时（每6小时）
库存管理	库存天数检查+补货提醒	定时（每天）
客服预警	差评监控+自动回复	事件触发
竞品追踪	价格/排名/新品变动	定时（每天）

---

Hermes Agent 搭建指南

Step 1：安装

# macOS / Linux
curl -fsSL https://hermes.ai/install.sh | bash

# Windows
winget install hermes-agent

Step 2：模型配置

hermes model

# 选择你的AI模型提供商
# 推荐：先配置一个高性能模型（Claude）+ 一个经济模型（DeepSeek）

模型选择策略：

任务类型	推荐模型	理由
选品分析（复杂推理）	Claude Opus 4.7	需要深度分析
Listing生成（创意）	Claude Opus 4.7	创意质量更高
数据格式化（简单）	DeepSeek-V3	成本低10倍
日常报告（批量）	DeepSeek-V3	大量重复任务
实时告警（速度）	DeepSeek-V3	响应快

Step 3：工具配置

hermes tools

# 启用以下工具集：
# - 文件系统（存储Listing版本、报告）
# - 网页访问（采集竞品数据）
# - API调用（连接平台接口）
# - 消息发送（告警推送）

Step 4：消息网关

hermes gateway

# 配置 Telegram Bot（推荐，无需翻墙）
# 或 HermesClaw（微信桥接，适合中国团队）

Step 5：Cron定时任务

hermes cron

# 添加任务，例如：
# "每天早上8点，检查所有ASIN的销量和排名变化，发送日报到Telegram"
# "每6小时，检查广告ACOS，超过40%的自动降低出价10%"

---

MCP Server配置

MCP Server是连接外部服务的"插头"。每个MCP Server提供一组工具。

必装的三个MCP Server

1. 文件系统 Server（内置）

管理所有本地文件——Listing版本、数据报告、配置文件。

2. 数据采集 Server

# 概念配置
server: ecommerce_data
capabilities:
  - 关键词搜索量查询
  - 竞品排名追踪
  - 价格监控
  - 评论采集
platforms:
  - amazon
  - shopee
  - tiktok_shop

3. 通知推送 Server

# 概念配置
server: notification
capabilities:
  - telegram_message
  - wechat_message  # 通过HermesClaw
  - email
rules:
  - level: critical → 立即推送
  - level: warning → 汇总到日报
  - level: info → 仅记录

---

安全边界：AI能做什么、不能做什么

工程化不意味着全自动——而是意味着有边界的自动化。

审批规则矩阵

操作	风险等级	AI行为
数据查询/报告生成	低	自动执行
Listing文案建议	低	自动生成，人工确认
广告出价微调（±10%）	中	自动执行，事后通知
广告出价大幅调整（>30%）	高	生成建议，等待审批
新品上架	高	全部准备好，等待审批
删除/下架产品	极高	仅建议，绝不自动执行
账号设置变更	极高	仅建议，绝不自动执行

关键原则：越是不可逆的操作，越需要人工审批。AI负责"准备所有材料"，人负责"最后一步确认"。

数据安全

Hermes Agent本地部署的安全优势：

✅ 所有数据存储在你自己的电脑/服务器上
✅ API密钥加密存储在本地
✅ 不会向第三方传输你的运营数据
✅ 可以断网使用（使用本地模型时）

---

赵明的技术栈重建

赵明把300行Python脚本扔掉了。用了两天时间，他搭建了完整的工程化技术栈：

Claude Opus 4.7（复杂分析） + DeepSeek-V3（日常任务）
         ↕
    Hermes Agent v0.8（调度引擎）
         ↕
    MCP 协议连接
    ├── 亚马逊数据采集
    ├── Shopee数据采集
    ├── TikTok Shop数据采集
    ├── 广告数据汇总
    └── Telegram消息推送
         ↕
    Cron 定时任务
    ├── 08:00 日常巡检
    ├── 14:00 广告优化检查
    └── 20:00 库存预警

助理小何也能用——因为所有操作都是自然语言。不需要看代码，不需要懂Python。

“帮我查一下上周五那个新品的竞品价格是多少。”——直接问Hermes就行。

“把上次的广告报告重新发一遍到我邮箱。”——Hermes自己知道报告存在哪里。

这才是可维护的技术栈——人换了、设备换了，系统照样能跑。

---

技术栈搭建清单

今天你需要完成的配置：

步骤	预计时间	完成标志
安装Hermes Agent	5分钟	命令行输入hermes有响应
配置Claude模型	5分钟	能和AI正常对话
配置DeepSeek模型	5分钟	经济模型备选就绪
配置消息网关	10分钟	收到测试消息
设置第一个Cron任务	5分钟	定时任务运行成功
总计	30分钟

30分钟。你的"工程基础设施"就建好了。

---

本课核心

一个架构：三层技术栈 = AI大模型（大脑）+ Hermes Agent + MCP（引擎）+ 流水线配置（任务）

一个原则：越是不可逆的操作，越需要人工审批。AI负责准备，人负责确认。

下一课，我们建第一条真正的流水线——选品上架流水线。