一张图，看清 AI
能力从哪里来。
Skill 让 Agent 懂得怎么做，MCP 让它真的能做。而真正决定商业模式的，是：逻辑、数据与模型，分别运行在哪里。
探索云端能力与商业边界
切换架构，看看连接如何变化。绿色实线代表参与执行的数据通路。
混合架构
云端保留收费能力，本地 MCP 负责操作 XMind。Agent 协调两条通路。
核心原则：Skill 文件从云端读取，并不等于代码也在云端执行；MCP Server 位于云端，也不意味着它自动获得用户电脑的权限。
必须拆开看 内容在哪里 / 工具在哪里 / 模型在哪里。
云端分发解决的是「安装不便」，不是「明文保密」。如果付费 Skill 的核心就是 Markdown，一旦客户端读取，内容原则上已交付。
把独家算法、关键参数和需要保密的 Prompt 留在服务端，只对外开放受保护的 MCP Tool；再让 Agent 负责选择和编排。
发现、读取、调用。
分别是三件事。
一个 MCP Client 不会自动扫描互联网上的所有服务。它先获得服务器地址，建立连接，再从协议中发现工具与可用资源。
MCP Server 先要有入口
[mcp_servers.xmind-local] command = "/path/to/xmind-mcp"
注意：配置好服务器后，Client 才能通过协议发现内部提供的工具。
承载 Agent 的应用，例如 Codex 或 Claude Desktop。
Host 内建立 MCP 连接、发起请求的协议组件。
向 Client 提供工具、资源或专业工作流的服务端。
你卖的是能力。
不是部署麻烦。
同一个 Skill，可以托管在云端、操作本地设备，或两者协作。点击方案，理解它实际改变了什么。
边界检查
每个方案都需要回答的四个问题
若用户已有具备文件操作能力的 Agent，可直接复用；否则仍需轻量本地连接器。
关键算法放在服务端，客户端只拿到输入输出与必要的操作说明。
可以只上传必要的节点摘要，但发送了什么内容，云端就能看到什么。
用户 Agent 推理由用户侧承担；你的私有服务若自己调 API，就由你的账户承担。
不存在“同时零安装、完全私密、直接控制所有本地 App”的万能 MCP
本地设备必须存在一个已经获授权的执行通道。它可以是用户现有的 Agent 内置能力，也可以是你提供的 Companion / 本地 MCP。云端 URL 本身不是本地授权。
一次调用，亲手走完。
比较三条真实可设计的路径：普通 MCP 调用、兼容性较好的双阶段 Tool，以及协议级 MRTR。使用箭头逐步观察请求归属与输出。
边界：工具调用只是协议动作。谁付模型费，取决于具体在哪个账户、哪个执行环境里发生了推理。
协议级“借用用户模型”的兼容性
请勿当作通用保证在 MCP 2026-07-28 中，MRTR 可以通过 resultType: "input_required" 请求客户端补充输入，包含旧 Sampling 形式的模型推理请求。然而 Sampling 同时被标记为弃用，且客户端支持并不一致。要做跨平台产品，优先用两个普通 MCP Tool + Agent 编排作为稳定回退路径。
模型在哪推理，
账单就流向哪里。
调整每月调用量、Token 规模和推理位置，观察用户模型额度与你的服务端成本如何变化。下面的单价全部是可编辑的假设参数，不代表任何模型实际报价。
成本模型设置
可调参数用户的 ChatGPT / Claude 等订阅可能按额度、请求或不同计费方式结算，不能直接等同于图中的 Token 价格。此处用于理解成本归属，不是精确费用预测；未计网络流量、税费及利润。
最重要的一句：Skill 里有 Python / JS / SQL 代码，不等于你的服务器会产生大模型账单。只有实际发生模型 API 调用的一方，才承担那一次推理的相应成本。 普通代码执行另计计算资源。
把 Skill 变成服务，
不是把明文藏起来。
你可以卖「一次连接即可使用的能力」。但要把可读取的知识、不可公开的代码、可执行的权限和收费权益分开设计。
Skill 说明书与工具 Schema
对客户端可读的 SKILL.md、工具名称、参数和返回内容，都应视为可能被用户看到。适合放使用条件、公开方法论和调用约定。
- 云端分发 ≠ 内容加密
- 订阅到期不能收回已读明文
私有 MCP 工具执行权
把专有算法、付费数据、特殊工作流与私密 Prompt 留在你的后端，只暴露经过授权的工具接口与必要结果。
- 由服务器检查身份和额度
- 高风险写入需要显式授权
互动权限模型
策略演练推荐的商业化产品边界
玖玖AI最终架构决策表
| 你真正要卖的东西 | Skill 负责 | MCP 负责 | 主要收费理由 |
|---|---|---|---|
| 知识方法 | 专业知识 / 方法论 | 可选 | 内容、培训、更新 |
| 专业执行能力 | 调用场景与输入规范 | 私有算法、API、数据 | 调用额度、会员权益 |
| 跨应用自动化 | 多工具编排与校验 | 云端与本地的具体执行 | 稳定性、效率、持续服务 |