MCP、Projects、Artifacts：Anthropic 正在建造什麼樣的 AI 產品生態系？

本文整理自 Lightspeed Venture Partners 的 Podcast《Generative Now》訪談內容。

「我有一個 Project 專門放我所有的健康紀錄。」

Mike Krieger 在訪談中分享了這個使用習慣。作為 Anthropic 的首席產品長，他自己也是 Claude 的重度使用者。每次有新的血液檢查報告，他就丟進那個 Project 裡，然後問 Claude：跟上次比有什麼變化？這段時間我血壓偏低，有什麼建議？

Projects 這個功能本身並不複雜——它就是一個讓使用者可以集中管理相關對話和文件的容器。技術上來說，使用者完全可以用普通對話達成類似效果，只要每次都把相關檔案重新上傳就好。但有了這個容器，行為就改變了。人們開始建立「健康 Project」、「工作 Project」、「學習 Project」，把 Claude 當成不同生活領域的長期夥伴，而不只是一次性的問答機器。

這種「產品原語」（product primitive）的設計思維，是 Krieger 帶領的產品團隊一直在追求的：找到那些能解鎖新行為的基本元素。

讓 Claude 連接你的整個數位生活

2024 年底，Anthropic 開源了 Model Context Protocol（MCP）。這是他們對「如何讓 AI 模型連接外部資料」這個問題的解答。

MCP 的設計目標是成為一個開放標準。他們選擇開源是因為想要培養一個開放的生態系——人們在上面建造的東西可以用於 Claude，也可以用於其他整合了 MCP 的工具，例如 Block 開源的 AI 程式設計工具 Goose。

真正有趣的是觀察人們用 MCP 建造了什麼。

如果你使用 Claude 桌面版，可以整合自己撰寫的 MCP 伺服器。社群已經建造了連接 Apple Notes 的伺服器——讓你可以用自然語言跟自己的筆記對話。有人做了 Google Calendar 整合，有人做了 Apple Reminders 整合。這些都是非常個人化的工具，即使它們看起來像是「生產力工具」，本質上處理的是人們的私人生活。

這讓 Krieger 意識到，AI 輔助個人生活的需求可能比想像中更大。目前的 AI 產品似乎更專注於工作場景，但連接到人們的筆記、行事曆、提醒事項——這些都是日常生活的核心。

他分享了一個例子：有個成功生產力公司的創辦人告訴他，自己建了一個工作流程，專門處理小孩學校發來的密密麻麻的電子郵件。那些郵件很長、資訊很多，用 Claude 分析後自動產出行動清單。Krieger 聽完覺得：對耶，我也應該用 AI 處理更多家庭生活的事情。

這回到了一個核心問題：AI 不只是幫工程師寫程式，而是幫每個人解決「只有程式碼能解決的問題」。

非工程師也在建造軟體

Krieger 分享了一個假期後的觀察。

Anthropic 的 Go-to-Market 團隊裡有幾個成員，是完全沒有程式設計背景的人。假期期間，他們用 Vercel 的 v0 這類 AI 開發工具，實際建造了功能完整的網頁應用程式——用來呈現他們對 Claude 未來功能的想法。

他們回來之後說：「我這輩子沒寫過一行程式碼，但我真的做出了一個可以運作的應用程式。我們來聊聊 Claude 可以在這種場景下做什麼吧。」

這種能力的民主化正在發生。現在寫 MCP 伺服器還是相對技術性的事，但趨勢很清楚：AI 會持續降低門檻，讓越來越多人可以用程式碼解決問題，即使他們不自認是程式設計師。

未來幾年會出現的有趣問題是：當創造軟體變得如此容易，使用者的行為會如何改變？今天還沒有人真正回答這個問題，但這是 Anthropic 產品團隊正在思考的方向。

企業與個人產品的交叉學習

Claude 同時服務消費者和企業客戶。兩端的回饋可以互相餵養，這是一個獨特的學習機會。

企業客戶的對話深度往往更豐富。當一家公司決定導入 Claude，雙方都有動機讓這件事成功，所以會有更頻繁、更細緻的回饋。Anthropic 可以派 Applied AI 團隊實地了解客戶如何使用產品、遇到什麼問題。這種紋理是消費者產品難以獲得的——在 Instagram 時代，資料科學團隊可以分析整個美國使用者的行為模式，但很難深入了解個別使用者的真實體驗。

同時，很多功能在消費者和企業端都適用。Projects 和 Artifacts 最初是比較通用的功能，後來才針對企業做客製化調整。知識整合（例如連接 Google Drive、GitHub）則是先針對企業需求開發，但個人使用者同樣可以用類似方式連接自己的資料來源。

Krieger 認為，至少在未來六個月內，兩條產品線會維持相當程度的相似性。真正開始分化的可能是「代理」類型的功能——當 Claude 開始能夠自動執行工作流程時，企業場景和個人場景的需求會更明顯地分開。一個行銷人員讓 Claude 幫忙處理日常任務，和一個工程師讓 Claude 協助寫程式，需要的東西可能很不一樣。

Claude 作為批評者與加速器

Krieger 自己如何使用 Claude？他提到了兩個主要用途。

第一是把 Claude 當作「批評者」。他經常和 Claude 一起寫東西——可能先列一個大綱，讓 Claude 產出初稿，然後再修改；或者自己寫完之後丟給 Claude 問：「我漏了什麼？這個論證有什麼漏洞？」

在 Anthropic 的領導團隊做年度 OKR 規劃時，Krieger 做的第一件事就是把整份計畫丟給 Claude，問：「我們應該設定但沒有設定的目標是什麼？我們遺漏了什麼？」Claude 給了三個非常好的答案。這種用法不需要 Claude 從無到有產出完美策略，但它確實很擅長看出人類思考中的盲點。

第二是當作加速器。他舉了一個例子：自己在做一個表格，填了一半的格子之後突然想到，既然前面已經有這麼多範例了，Claude 應該可以把剩下的填完。結果不只填完了，有些格子裡的想法比他自己想的還好。

整個過程就是這樣循環：人類提供方向和判斷，Claude 加速執行和補充盲點。

內部生產力也是產品實驗場

Krieger 加入 Anthropic 三個月後，寫了一份「到目前為止的觀察」備忘錄。其中一點是：Anthropic 應該更積極地用 Claude 來加速自己的內部運作。

這不是說沒有人在用，而是分布非常不均勻。有些人已經把 Claude 深度整合進工作流程，有些人還停留在最基本的使用方式。這其實反映了整個產業面臨的問題：AI 工具的潛力和實際採用之間存在落差，而產品設計和產品策略正是用來彌合這個落差的。

Anthropic 在 11 月辦了一次內部黑客松。有一個 Go-to-Market 團隊的成員，他的工作包含大量銷售前的準備：研究潛在客戶公司的背景、閱讀他們的 S-1 文件、了解即將開會的對象是誰。這些事情每次都要重複做，而且大部分都可以被 Claude 自動化。

他和一位工程師合作，在黑客松期間把這個流程自動化了。這就是 Krieger 想要推動的方向：先在內部找到「AI 在工作場景中真正有用的地方」，把它變成不用思考就自然發生的事，然後再把這些學習外化成可以給所有使用者的產品功能。

如果連 Anthropic 內部的銷售團隊都能因為 Claude 變得更有生產力，那就更有信心這些功能在外部客戶那裡也會有效。

從 Tokens 到真正的價值

最後一個貫穿整場訪談的主題是：AI 產品要提供的不只是「用 input tokens 換 output tokens」，而是真正解決問題的能力。

企業客戶想要的是 AI 夥伴，幫他們共同設計內部轉型策略、讓產品更智慧化、成為他們社群的一份子。消費者想要的是真正讓生活變簡單的工具，而不只是一個聊天介面。

MCP、Projects、Artifacts、知識整合——這些都是往那個方向走的步驟。每一個都是在回答同一個問題：如何把強大的模型能力，轉化成使用者真正感受到的價值？

Krieger 用「降低門檻」來形容這個過程。去年中，所謂「降低使用門檻」的先進做法是在輸入框旁邊放幾個建議提示詞。但光有建議提示詞，沒有正確的上下文，使用者還是得不到滿意的答案，最多只能玩一些「寫笑話」「寫詩」的娛樂用途。

現在的問題是：AI 有沒有連接到正確的資料來源？有沒有足夠的使用者上下文？產出的東西能不能直接用到使用者的實際工作中？這些問題一個比一個難回答，但都是產品團隊要解決的。

建造 AI 產品生態系不是為了展示技術能力，而是為了這些功能能被真正使用、真正改變人們的生活和工作方式。這是一個仍在進行中的過程，Anthropic 只走完了 1%——甚至可能更少。但方向是明確的：讓 AI 變得更容易用、更有用、更能解決真實問題。

剩下的 99% 會是什麼樣子？那就是接下來幾年最有趣的產品問題了。