你的 Claude Code 或 Cursor 代理可以写出漂亮的代码，重构整个代码库，还能调试棘手问题。但如果让它为落地页生成主视觉图，替你在网上搜索竞品定价，或者把构建产物上传到云存储，它就会碰壁。
AI 编码代理很强大，但它们受限于自己能看到和能做的事情。本指南会告诉你如何突破这些限制，为代理补上五种能力，把它从代码编写器变成全栈构建者。
你的编码代理缺少的五种能力
开箱即用的典型编码代理（Claude Code、Cursor、Codex CLI、Windsurf）可以：
- 读取、写入和编辑文件
- 执行 shell 命令
- 浏览本地目录
- 调用 API（前提是你提供了端点和密钥）
这对于纯编程很棒。但生产级软件开发远不止写代码：
| 你需要做什么 | 代理能做到吗？ |
|---|---|
| 为落地页生成主视觉图 | ❌ 不能 |
| 搜索最新的 API 变更 | ❌ 不能（curl 可以获取 URL，但不是语义搜索） |
| 制作产品演示视频 | ❌ 不能 |
| 将资产上传到云存储以便共享 | ❌ 不能（需要云凭证和 SDK） |
| 发布更新日志或文档页面 | ❌ 不能 |
| 将你的定价与竞争对手比较 | ❌ 只有在你手动粘贴竞品数据时才行 |
| 为产品发布生成社交媒体图片 | ❌ 不能 |
这些不是边缘场景，而是现代软件开发中的日常任务。下面逐一填补这些缺口。
1. 给你的代理添加网页搜索
为什么重要
你的代理需要持续获取最新信息：最新 API 变更、新包版本、竞品功能、安全公告、文档更新。没有网页搜索，你就成了代理和互联网之间的人肉桥梁。
方案 A：使用 MCP 服务器
最常见的做法是添加一个网页搜索 MCP 服务器：
{
"mcpServers": {
"brave-search": {
"command": "npx",
"args": ["-y", "@anthropic-ai/mcp-server-brave-search"],
"env": {"BRAVE_API_KEY": "your-key"}
}
}
}
这能用。但它意味着你要再创建一个 API 密钥，再维护一套 MCP 服务器配置，并为工具说明向上下文里增加 3,000 到 8,000 个 token。
方案 B：使用 AI Grounded Search
与原始网页搜索不同，AI grounded search 会返回带引用的综合答案。你的代理问“React 20 有什么变化？”时，得到的是带来源链接的结构化回答，而不只是需要抓取的一串 URL。这个方式可通过把搜索与其他代理工具打包在一起的能力运行时实现。
2. 给你的代理添加图片生成
为什么重要
当你的代理搭建落地页时，需要图片；当它创建文档时，需要图表；当它做 UI 原型时，需要 mockup。没有图片生成能力，代理只能产出文字和代码，所有视觉素材都得你手动去找或自己制作。
自己搭建的方式
你可以添加 Replicate 或 Fal.ai 的 MCP 服务器，配置 API 密钥，编写模型选择逻辑，并处理图片格式转换。这大约需要 30 到 45 分钟配置时间，还会多出一个要维护的 MCP 端点。
一条命令的方式
能力运行时把图片生成打包进一个工具里。代理输入一条命令，就能拿到可直接嵌入的生成图片 URL——无需模型选择、无需 API 密钥管理、无需格式转换。
3. 给你的代理添加视频生成
为什么重要
产品演示、功能导览和社交媒体内容越来越依赖视频。你的代理可以写脚本，但不能产出视频——除非你给它这个能力。
视频生成比图片生成更难，因为它涉及渲染时间、格式限制和质量要求。专门的视频能力会自动处理模型选择（Kling、Runway、Sora）、格式编码和交付。
4. 给你的代理添加云存储
为什么重要
你的代理会产出文件，但这些文件该去哪？云存储会把代理输出变成可分享的成果：生成图片变成可分享 URL，构建产物被存储并版本化，报告也可以从任何地方访问。
另一种做法是让代理把所有内容都保存到本地磁盘，然后你再手动上传到 S3、Google Drive 或 CDN。
5. 给你的代理添加发布与部署
为什么重要
一个能构建网页但不能部署的代理，只完成了一半。发布能力会把代理输出变成你真正可以分享的东西——已部署页面、托管报告、实时更新日志。
这就把流程闭环了：代理构建、设计、生成素材并发布，全部在同一个会话里完成。
配置税：为什么零散配置很痛苦
我们来算一算，用单独的 MCP 服务器添加全部五种能力要付出什么成本：
| 能力 | MCP 服务器 / API | 设置时间 | API 密钥 | 约计 token 开销 |
|---|---|---|---|---|
| 网页搜索 | Brave Search MCP | 10 分钟 | 1 个 | ~5,000 token |
| 图片生成 | Replicate / Fal MCP | 15 分钟 | 1 个 | ~6,000 token |
| 视频生成 | 自定义 MCP 或 API | 20 分钟 | 1 个 | ~5,000 token |
| 云存储 | S3 / Drive MCP | 15 分钟 | 2 个 | ~4,000 token |
| 发布 | Netlify / Vercel MCP | 15 分钟 | 1 个 | ~4,000 token |
| 总计 | 75 分钟 | 6 个 | ~24,000 token |
这意味着你要花一个多小时配置，而且在代理真正开始工作之前，仅工具说明就烧掉了 24,000 个 token。对于 Claude Sonnet 4 这样拥有 200K 上下文窗口的模型来说，这等于在写出第一行代码前就浪费了 12% 的上下文。
打包方案：一个 CLI，五种能力
另一种选择是 能力运行时——一个把图片生成、视频、网页搜索、云存储和发布都封装在同一个端点后的单一 CLI 工具。
它如何工作
不用配置五个独立的 MCP 服务器，只要安装一个工具：
curl -fsSL https://anycap.ai/install.sh | bash
现在你的代理通过一个工具就拥有五种能力：图片生成、视频、AI grounded 网页搜索、云存储（Drive）和页面发布。
这对你的代理意味着什么
| 维度 | 5 个独立 MCP 服务器 | 1 个能力运行时 |
|---|---|---|
| 设置时间 | ~75 分钟 | ~2 分钟 |
| 需要管理的 API 密钥 | 6 个 | 1 个 |
| token 开销（工具说明） | ~24,000 token | ~2,000 token |
| 维护负担 | 逐个更新每个服务器 | 一次更新即可 |
| 输出格式一致性 | 各服务器不同 | 统一 JSON |
| 凭证轮换 | 6 个地方要改 | 1 个地方 |
单看 token 账，这种打包运行时就很合理。对开发者的精神状态而言，更是毫无悬念。
真实工作流：端到端构建落地页
下面是一个配备了全部五种能力的代理的完整工作流：
你：“为我们的新 AI 功能做一个落地页。”
代理：
- 在网上搜索竞品落地页（能力：搜索）
- 编写 HTML/CSS/JS 代码（原生能力）
- 生成符合设计的主视觉图（能力：图片）
- 创建 30 秒产品演示动画（能力：视频）
- 将所有资产上传到云存储（能力：存储）
- 将页面发布到可分享的 URL（能力：发布）
结果：一次会话。一个代理。一个带真实资产的在线落地页。
如果没有这些能力，代理只会写代码，而你接下来两个小时都要忙着找图片、录制演示、上传文件和部署上线。
如何开始
从小处开始。一次只加一种能力，看看会发生什么变化：
- 第 1 天：添加网页搜索。你的代理现在可以边写代码边做研究。
- 第 2 天：添加图片生成。你的代理现在可以创建视觉素材。
- 第 3 天：添加存储和发布。你的代理现在可以交付它构建的内容。
最快的路径是一体化能力运行时，只需一次安装就能获得全部五种能力——比如 AnyCap。但即使你通过单独的 MCP 服务器逐个添加，它们也会大幅扩展代理能完成的事情。
目标不是取代你，而是让你的代理承担那些繁琐、耗时的部分，这样你就能专注于只有你才能做的高杠杆工作：战略、架构和创意方向。