大家好，我是何三，独立开发者。

今天咱们来聊聊一个最近在开发者圈子里挺火的新玩意儿——Nanobot。这个名字很有意思，nano（纳米） + bot（机器人），一听就是走极致轻量、精巧路线的。不过，此“机器人”非彼机器人，它不造实体，专攻软件，目标很明确：帮你打造专属的 AI 智能体（Agent）。

一个核心AI助手功能只需4000行代码就能实现，香港大学团队推出的nanobot正试图重新定义AI助手的开发标准。

在AI助手愈发臃肿的当下，香港大学数据科学实验室（HKUDS）推出了颠覆性项目——nanobot。这只“纳米猫”仅用约4000行代码就实现了AI助手的核心功能，相比动辄43万行代码的Clawdbot，代码量锐减99%。

臃肿的代码库不仅维护困难，也推高了部署成本和出错风险。而nanobot的极简设计带来了更快的启动速度、更低的资源占用与更高的迭代效率，让开发者更易理解、修改和扩展。

这一突破证明，通过精心架构，AI助手的核心功能完全可以大幅简化。它的出现有望推动轻量化AI在资源受限场景中的应用，也体现了开源工具民主化的趋势。

Nanobot 到底是啥？

简单说，Nanobot 是一个灵活、开源的 MCP 主机（MCP Host）。

等等，MCP 又是啥？别急，我用大白话给你解释一下。

你可以把 MCP（Model Context Protocol） 想象成一套“万能插座”标准。现在市面上有各种各样的 AI 模型（比如 GPT、Claude）和各种工具、数据源（比如数据库、天气 API、电商后台），它们原本接口各异，很难直接“插”在一起用。MCP 就是给它们定了个统一的“插口”规格。

而 MCP 主机（MCP Host），就是这个“万能插排”本身。它负责把符合 MCP 标准的各种“插件”（称为 MCP 服务器）接上，再连上一个大脑（LLM，大语言模型），最后呈现给你一个能干活儿的智能体。

所以，Nanobot 的核心价值在于：它让你能轻松地、像搭积木一样，组合不同的能力和数据，构建出属于你自己的 AI 助手。

为什么需要 Nanobot？

你可能会问：VSCode、Claude Desktop、Cursor 这些不也内置了 MCP 主机吗？为啥还要单独弄一个？

问得好！这就体现了 Nanobot 的独特定位：

  1. 独立与可集成：它是一个独立运行的 MCP 主机。这意味着你可以把它部署在任何地方（你的服务器、你的电脑），也可以轻松地集成到你自己的应用程序里，打造一个专属于你产品的 AI 聊天机器人或智能助手。
  2. 开源与透明：代码完全开放，你可以清楚地知道它是如何工作的，如何管理上下文，如何调用工具。这对于需要深度定制和掌控的开发者来说，至关重要。
  3. 专注与灵活：它专注于做好 MCP 主机这一件事，因此在配置的灵活性、多智能体支持等方面，可能比那些“顺带”做 MCP 功能的通用工具有更多想象空间。

MCP host

上手体验：两种配置，任君选择

Nanobot 提供了两种配置方式，都很直观。

方式一：单文件配置 (YAML)

这是比较传统的方式，所有配置写在一个 nanobot.yaml 文件里。

# nanobot.yaml 示例
agents:
  shopping_assistant:          # 智能体 ID
    name: "购物小助手"         # 显示名称
    model: gpt-4o             # 使用的大脑（模型）
    mcpServers: store         # 使用的工具（MCP 服务器）

mcpServers:
  store:                      # MCP 服务器定义
    url: "https://example.com/mcp"
    headers:
      Authorization: "Bearer ${YOUR_API_TOKEN}"

然后一行命令启动：

nanobot run ./nanobot.yaml

访问 http://localhost:8080，你的专属购物助手就上线了！

方式二：目录配置 (Markdown + YAML)

这是我个人更偏爱的方式，因为它更清晰，尤其适合管理多个智能体。

你的项目目录可以这样组织：

my-awesome-bot/
├── agents/               # 存放所有智能体定义
│   ├── main.md          # 主智能体（会自动设为入口）
│   └── helper.md        # 辅助智能体
└── mcp-servers.yaml     # 所有 MCP 服务器的定义

每个智能体都是一个 Markdown 文件，用 YAML 头信息来配置，正文就是给 AI 的“人设”和指令。

agents/main.md 示例：

---
name: 黑杰克发牌员
model: claude-3-7-sonnet-latest
mcpServers:
  - blackjack_game
temperature: 0.8
---

你是一个风趣幽默的黑杰克（21点）发牌员。
你的任务是引导用户进行游戏，解释规则，并公正地发牌、计算点数。
请保持轻松愉快的氛围。

mcp-servers.yaml 示例：

blackjack_game:
  url: https://blackjack.nanobot.ai/mcp

启动方式一样简单：

nanobot run ./my-awesome-bot/

这种方式把配置（YAML 头）和提示词/指令（Markdown 正文）完美地结合在一个文件里，管理和版本控制都方便多了。

技术栈与亮点

扒了扒它的仓库，发现几个对开发者友好的设计：

  1. 跨平台 CLI：通过 Homebrew 一键安装，体验流畅。 bash brew install nanobot-ai/tap/nanobot
  2. 多模型支持：目前支持 OpenAI 和 Anthropic 的模型，根据你指定的模型自动选择对应的提供商，只需设置好 OPENAI_API_KEY 或 ANTHROPIC_API_KEY 环境变量即可。
  3. 前后端分离，UI 现代化：前端是一个独立的 Vite + React 项目（在 /ui 目录），界面美观。开发时支持热重载，体验很棒。
  4. 活跃的社区与示例：项目提供了现成的、好玩的示例，比如黑杰克游戏、Hugging Face 工具集，你可以直接体验，也能作为自己开发的参考。

它适合谁？

  • 想深度集成 AI 能力的应用开发者：如果你正在开发一个 SaaS 产品、内部工具，想加入一个智能客服或自动化助手，Nanobot 提供了一个高起点的框架。
  • AI 应用爱好者与研究者：想实验不同的模型（GPT、Claude）结合不同工具（检索、代码执行、特定领域API）能产生什么化学反应？Nanobot 是你的快速实验平台。
  • MCP 生态的参与者：如果你在开发 MCP 服务器（即提供某种能力的“插件”），Nanobot 是一个绝佳的宿主环境，可以用来测试和展示你的服务器。

一些思考

Nanobot 的出现，反映了 AI 应用开发的一个趋势：基础设施的标准化和专业化。

以前我们要做一个 AI 应用，可能得从头操心上下文管理、工具调用、聊天界面等等。现在，像 MCP 这样的协议在解决工具接入的标准问题，而像 Nanobot 这样的主机则在解决“如何优雅地组装和运行这些标准部件”的问题。

这大大降低了构建复杂 AI 智能体的门槛。你可以更专注于两件事：

  1. 业务逻辑：你的智能体到底要解决什么具体问题？（比如：是游戏发牌，还是商品推荐？）
  2. 提示词工程：如何更好地引导 AI 模型理解你的意图并调用正确的工具？

技术，正在从需要自己造轮子，转向如何更高效地选用和组装现成的优质轮子。 Nanobot 就是这样一个帮你组装“AI轮子”的优秀工具箱。

当然，项目目前还处于 Alpha 阶段，意味着它正在快速迭代中，可能还会有较大的变化，但也意味着有更多的参与和塑造空间。

最后

如果你对构建自己的 AI 智能体感兴趣，不妨去 Nanobot 的 GitHub （https://github.com/nanobot-ai/nanobot）看看，试试它的示例，甚至参与贡献。在 AI 平民化的浪潮里，掌握如何利用好这些基础设施，或许就是你下一个项目的突破口。

我是何三，一个持续关注 AI 与开发工具演进的独立开发者。我们下期再见！