LastMile AI

LastMile AI是什么

LastMile AI最初是一套面向生成式AI开发者的调试、评测和改进平台，曾提供AI Workbooks、AutoEval、数据集、实验及API能力。产品后来把重点扩展到智能体、模型上下文协议和认知计算方向。

当前最重要的变化是LastMile AI团队已经加入Meta Superintelligence Labs的产品与应用研究组织。原有独立网站目前主要保留团队去向和愿景信息，不再清晰展示商业平台的注册、购买或现行套餐。

当前状态需要怎样理解

LastMile AI不能再简单标记为一款仍在正常售卖的独立SaaS。目录词条应把原商业平台视为历史产品，同时将仍在维护的开源项目作为当前可实际使用的核心能力。

当前最值得关注的开源项目

• mcp-agent：使用MCP连接模型、工具和外部服务，构建可组合智能体工作流。
• AIConfig：把提示词、模型、参数和运行配置从应用代码中分离出来。
• mcp-eval：在真实代理与MCP服务器交互环境中运行测试和质量评估。
• OpenAI Apps示例：演示如何托管面向应用集成的后端项目。
• MCP注册表搜索项目：为MCP服务器目录提供语义检索与服务接口。

mcp-agent核心能力

mcp-agent是LastMile AI当前最有代表性的开源项目，它是一套以Python为主的MCP原生智能体框架。框架负责MCP服务器连接生命周期、工具调用、配置、日志和执行上下文，让开发者把精力集中在代理行为与业务流程。

• 支持MCP工具、资源、提示、通知、OAuth、采样和用户引导等能力。
• 提供路由、并行、编排、评估优化和多代理协作等组合模式。
• 可以把智能体应用重新暴露为标准MCP服务器。
• 支持普通异步执行，也能接入Temporal实现暂停、恢复、重试和持久执行。
• 提供结构化日志、OpenTelemetry观测和令牌用量跟踪。
• 可以连接多种模型提供商及已有MCP服务器。
• 提供项目初始化、配置、运行、安装和云端部署命令。

mcp-agent工作流模式

如何开始使用mcp-agent

mcp-agent适合熟悉Python、模型API和MCP基础概念的开发者。开始前需要准备Python环境、所选模型服务的凭证，以及至少一个希望连接的MCP服务器。

1. 安装推荐的Python项目与依赖管理工具。
2. 初始化新的mcp-agent项目并选择基础模板。
3. 在配置文件中登记需要连接的MCP服务器。
4. 把模型密钥放入专用秘密配置或环境变量，不要提交到代码仓库。
5. 创建代理名称、指令和可访问的服务器列表。
6. 选择模型适配器，并组合路由、并行或评估优化工作流。
7. 先在本地运行，检查工具权限、日志、令牌和异常处理。
8. 通过测试后再决定自托管、持久运行或部署到MCP-Cloud。

MCP连接与代理服务器

框架既能作为MCP客户端连接文件系统、搜索、数据库和企业服务，也能把完整代理应用发布成新的MCP服务器。这样可让桌面助手、代码编辑器或自定义客户端通过统一协议调用复杂工作流。

持久执行与可观测性

简单项目可使用异步执行引擎，复杂任务则可切换到Temporal后端。持久执行适合需要长时间运行、人工确认、自动重试或进程中断后恢复的代理。

• 结构化日志帮助定位模型、工具和工作流异常。
• OpenTelemetry可以记录完整调用链和执行跨度。
• 令牌计数用于跟踪代理、工作流和模型节点的消耗。
• 观察器可以在用量达到阈值时触发提示或控制。
• 持久历史便于检查暂停、重试和人工输入过程。

AIConfig是什么

AIConfig把提示词、模型名称、参数、变量和链式依赖保存为可序列化配置，使生成式AI行为与应用代码分离。配置文件可以进入版本控制，并通过编辑器进行试验、运行和比较。

• 使用统一配置保存提示、模型与推理参数。
• 支持Python和Node开发方式。
• 可以运行带变量和依赖关系的提示链。
• 支持文本、图像和音频等多模态配置扩展。
• 允许接入不同模型和自定义推理端点。
• 适合把提示版本、评测和应用代码分开管理。

AIConfig使用流程

1. 根据项目语言安装Python包或Node软件包。
2. 创建AIConfig配置文件并填写名称、模型和默认参数。
3. 为每个提示设置独立名称、变量及依赖关系。
4. 在编辑器中运行提示并观察模型输出。
5. 将稳定配置纳入版本控制并接受代码审查。
6. 在应用中加载配置，通过运行时调用指定提示。
7. 结合测试集比较模型、参数和提示版本的效果。

mcp-eval是什么

mcp-eval用于测试MCP服务器以及调用这些服务器的智能体，它会运行真实的代理到服务器交互，而不是只模拟单个函数。测试过程可以记录工具顺序、响应内容、延迟、令牌、成本和完整追踪数据。

• 支持装饰器、pytest和数据集驱动的多种测试方式。
• 可以断言特定工具是否被调用、调用次数与执行顺序。
• 可以检查响应文字、正则模式和结构化条件。
• 支持响应时间、模型调用次数和路径效率限制。
• 可以使用LLM评委按量表检查内容质量。
• 提供JSON、HTML和Markdown测试报告。
• 能够接入持续集成流程执行回归测试。

mcp-eval实施步骤

1. 准备Python 3.10或更高版本及需要测试的MCP服务器。
2. 安装mcpevals并初始化测试项目。
3. 登记服务器启动方式、传输配置和必要环境变量。
4. 编写正常路径、异常输入、权限和边界测试。
5. 设置内容、工具、性能、路径或LLM评委断言。
6. 运行测试并检查追踪、报告和失败原因。
7. 把稳定测试加入持续集成，在变更后执行回归验证。

原LastMile商业平台的历史能力

旧版LastMile开发平台曾将AI Workbooks、AutoEval、数据集、实验、合成标注和评测模型集中管理。Workbooks允许在同一工作区混合文本、图像、音频和模型单元，AutoEval则面向RAG与生成内容质量评估。

价格与使用成本

价格信息于2026年8月23日核验，实际金额、税费、汇率和优惠可能变化，最终以结算页面显示为准。

当前没有可信的原LastMile独立商业平台现行套餐或购买价格，旧文档中的免费起步和企业VPC描述不能当作当前报价。公开开源代码本身可以免费使用，但模型调用、服务器、数据库、观测和运维仍会产生费用。

开源许可证

适合哪些用户

• 希望使用Python构建MCP原生智能体的开发者。
• 需要路由、并行、编排和评估优化模式的AI团队。
• 准备把代理发布为标准MCP服务器的产品团队。
• 需要暂停、恢复、重试和人工审批的工作流开发者。
• 希望把提示与模型参数从业务代码分离的工程团队。
• 需要对MCP服务器和代理进行真实交互测试的质量团队。
• 原LastMile平台用户及正在评估迁移路径的企业。

产品优势

• mcp-agent以开放协议为中心，连接工具时不必为每项服务编写专用框架。
• 代理模式保持可组合，适合从简单程序逐步扩展。
• Temporal后端为长流程提供恢复与持久执行能力。
• AIConfig便于对提示、模型和参数进行版本控制。
• mcp-eval覆盖真实工具调用、质量、性能和路径检查。
• 三个项目分别覆盖构建、配置和测试环节。
• 许可证允许开发者在满足条件后修改和商用。

限制与风险

• 原商业平台当前没有清晰的独立注册、销售与现行价格信息。
• 旧文档和旧SDK不代表相关云端接口仍然可用。
• 开源框架需要自行配置模型、服务器、权限和运行环境。
• 开放测试阶段的云服务可能调整价格、额度和可用性。
• 连接文件、数据库和企业系统会扩大代理的权限风险。
• 模型生成、工具选择和LLM评委都可能出现错误。
• 开源许可证不自动授予第三方模型、数据和服务的商用权。
• 不同仓库的活跃度不同，采用前应检查版本与维护情况。

原平台用户迁移检查清单

1. 确认现有账户、工作区、API端点和支持渠道是否仍可访问。
2. 导出数据集、评测结果、实验记录、提示和模型配置。
3. 记录正在使用的SDK版本、依赖、密钥和权限范围。
4. 停止把旧文档中的套餐与服务承诺视为续费依据。
5. 评估AIConfig能否承接提示与模型配置管理。
6. 评估mcp-eval能否重建关键评测和回归测试。
7. 需要代理编排时使用mcp-agent重新实现核心流程。
8. 为模型、存储、部署、观测和维护重新核算总成本。
9. 迁移前撤销不再使用的密钥并清理敏感数据。

安全使用建议

• 对每个MCP服务器实施最小权限和独立凭证。
• 模型密钥放在秘密管理系统或专用配置中。
• 对写文件、发消息、修改数据库等动作设置人工确认。
• 限制代理可访问的目录、账户、表和网络范围。
• 在日志与追踪中隐藏令牌、个人信息和商业机密。
• 为工具超时、重复调用、循环和成本设置硬性上限。
• 使用mcp-eval覆盖越权、提示注入和错误恢复场景。

常见问题

LastMile AI还在提供原来的商业平台吗？

当前网站没有清晰展示原平台的注册、套餐和购买流程，团队也已经加入Meta相关组织。旧文档仍可访问，但不能据此认定商业SaaS仍正常在售。

LastMile AI被Meta收购了吗？

可以确认的是团队已经加入Meta Superintelligence Labs的产品与应用研究组织。没有充分依据时不应进一步写成公司整体被收购或原产品已成为Meta正式服务。

LastMile AI是开源产品吗？

原商业平台不是完整开源产品，但mcp-agent、AIConfig和mcp-eval分别以公开许可证发布。目录中应把平台与这些独立仓库的开源状态分开标注。

mcp-agent可以免费使用吗？

框架代码可以按Apache-2.0许可证免费使用。实际运行仍需承担模型API、计算、存储、网络、数据库和维护成本。

MCP-Cloud收费吗？

当前文档将MCP-Cloud标记为开放测试阶段并可免费使用。测试政策可能变化，正式项目应在部署前再次确认额度、持续性和后续计费规则。

旧LastMile SDK还能直接用于新项目吗？

不建议未经验证直接采用，旧SDK对应历史平台接口。新项目应优先评估当前维护的mcp-agent、AIConfig和mcp-eval，并实际测试所需端点。

总结

LastMile AI词条的重点已经从独立商业AI开发平台转向团队加入Meta后的现状，以及mcp-agent等仍可使用的开源成果。它对开发者的现实价值主要体现在MCP智能体构建、配置管理和真实交互评测。

采用前需要把历史SaaS、当前开源仓库和开放测试云服务分开判断。原客户应优先导出资料和确认服务连续性，新项目则应从最小权限、本地测试和可回归评测开始。