LastMile AI

LastMile AI是什麼

LastMile AI最初是一套面向生成式AI開發者的調試、評測與改進平台，曾提供AI Workbooks、AutoEval、資料集、實驗及API功能。此後，該產品的發展重點則轉向了智能體、模型上下文協議以及認知計算領域。

目前最重要的變化是，LastMile AI團隊已經加入Meta Superintelligence Labs的產品與應用研究組織。原有的獨立網站現在主要用來公布團隊的去向與願景等資訊，不再顯示有關商業平台的註冊、購買或現行套餐的相關資訊。

當前狀態需要怎樣理解

LastMile AI不能再被簡單地視為一款仍在正常銷售的獨立SaaS產品。在目錄條目中，應將原有的商業平台視為歷史產品，而將那些仍處於維護階段的开源專案，視為目前可實際使用的核心功能。

當前最值得關注的開源專案

• mcp-agent：使用MCP連接模型、工具和外部服務，構建可組合的智能體工作流。
• AIConfig：將提示詞、模型、參數和運行配置從應用程式代碼中分離出來。
• mcp-eval：在真實代理與MCP伺服器互動環境中運行測試與品質評估。
• OpenAI Apps範例：示範如何託管用於應用程式整合的後端專案。
• MCP登錄表搜尋項目：為MCP伺服器目錄提供語意檢索與服務介面。

mcp-agent核心能力

mcp-agent是LastMile AI目前最具代表性的開源專案，它是一套以Python為主的MCP原生智能體框架。該框架負責處理MCP伺服器的連線週期、工具調用、設定、日誌記錄以及執行上下文等事務，如此一來，開發者便能將精力集中在代理行為與業務流程的設計上。

• 支援MCP工具、資源、提示、通知、OAuth、採樣和用戶引導等功能。
• 提供路由、並行、編排、評估優化及多代理協作等組合模式。
• 可以把智能體應用重新暴露為標準MCP伺服器。
• 支援普通異步執行，也能接入Temporal實現暫停、恢復、重試和持久執行。
• 提供結構化日誌、OpenTelemetry觀測和令牌用量追蹤。
• 可以連接多種模型供應商及已有MCP伺服器。
• 提供項目初始化、配置、運行、安裝和雲端部署命令。

mcp-agent工作流模式

如何開始使用mcp-agent

mcp-agent適合那些熟悉Python、模型API以及MCP基本概念的開發者。在開始使用之前，需要準備Python環境、所選擇的模型服務的憑證，以及至少一個希望連接的MCP伺服器。

1. 安裝推薦的Python專案與依賴管理工具。
2. 初始化新的mcp-agent專案並選擇基礎模板。
3. 在配置檔案中登記需要連接的MCP伺服器。
4. 將模型金鑰放入專用的秘密設定或環境變數中，不要提交到程式碼倉庫。
5. 建立代理名稱、指令以及可存取的伺服器清單。
6. 選擇模型適配器，並組合路由、平行或評估優化工作流。
7. 先在本地運行，檢查工具權限、日誌、令牌和異常處理。
8. 通過測試後再決定自託管、持續運行或部署到MCP-Cloud。

MCP連接與代理伺服器

此框架既可用作MCP用戶端，用於連接檔案系統、執行搜尋、存取資料庫以及企業服務；同時也可將完整的代理應用程式發布為新的MCP伺服器。如此一來，桌面助手、程式編輯器或自訂用戶端就能透過統一的協議來調用複雜的工作流程。

持久執行與可觀測性

簡單的專案可以使用異步執行引擎，而複雜的任務則可以切換到Temporal後端。對於那些需要長時間運行、需要人為確認、能自動重試，或在進程中斷後仍能恢復的任務而言，持久執行方式則更為適合。

• 結構化日誌有助於定位模型、工具和工作流異常。
• OpenTelemetry可以記錄完整的呼叫鏈與執行跨度。
• 令牌計數用於追蹤代理、工作流和模型節點的消耗。
• 觀察器可以在用量達到閾值時觸發提示或控制。
• 持久歷史便於檢查暫停、重試和人工輸入過程。

AIConfig是什麼

AIConfig會將提示詞、模型名稱、參數、變數以及鏈式依賴關係儲存為可序列化的配置，從而讓生成式AI的行為與應用程式代碼分離開來。這些配置檔案可以納入版本控制中，並透過編輯器進行測試、執行及比較。

• 使用統一配置保存提示、模型與推理參數。
• 支援Python和Node開發方式。
• 可以運行帶變數和依賴關系的提示鏈。
• 支援文本、圖像和音頻等多模態配置擴展。
• 允許接入不同模型和自訂推理端點。
• 適合把提示版本、評測和應用程式代碼分開管理。

AIConfig使用流程

1. 根據專案語言安裝Python套件或Node軟體套件。
2. 建立AIConfig設定檔並填入名稱、模型及預設參數。
3. 為每個提示設定獨立的名稱、變數及依賴關係。
4. 在編輯器中運行提示並觀察模型輸出。
5. 將穩定配置納入版本控制並接受代碼審查。
6. 在應用中載入設定，透過運行時呼叫指定提示。
7. 結合測試集比較模型、參數和提示版本的效果。

mcp-eval是什麼

mcp-eval用於測試MCP伺服器以及呼叫這些伺服器的智能體，它會讓實際的代理與伺服器進行互動，而非僅模擬單個函數。測試過程中可以記錄工具的執行順序、回應內容、延遲時間、令牌狀態、成本，以及完整的追蹤資料。

• 支援裝飾器、pytest以及以資料集為驅動的多種測試方式。
• 可以斷言特定工具是否被調用、調用次數與執行順序。
• 可以檢查回應文字、正則模式和結構化條件。
• 支援響應時間、模型呼叫次數和路徑效率限制。
• 可以使用LLM評委按量表檢查內容品質。
• 提供JSON、HTML和Markdown測試報告。
• 能夠接入持續集成流程執行回歸測試。

mcp-eval實施步驟

1. 準備Python 3.10或更高版本及需要測試的MCP伺服器。
2. 安裝mcpevals並初始化測試專案。
3. 登記伺服器啟動方式、傳輸設定及必要環境變數。
4. 編寫正常路徑、異常輸入、權限和邊界測試。
5. 設定內容、工具、性能、路徑或LLM評委斷言。
6. 運行測試並檢查追蹤、報告和失敗原因。
7. 將穩定測試加入持續整合，在變更後執行回歸驗證。

原LastMile商業平台的歷史能力

舊版的LastMile開發平台曾將AI Workbooks、AutoEval、資料集、實驗、合成標註以及評測模型集中管理。Workbooks允許在同一工作區中混合使用文本、圖像、音頻和模型單元，而AutoEval則用於RAG及生成內容的品質評估。

價格與使用成本

價格資訊於2026年8月23日核驗，實際金額、稅費、匯率及優惠可能變動，最終以結算頁面顯示為準。

目前沒有可信的 LastMile 獨立商業平台現行套餐或購買價格，舊文件中的免費入門及企業 VPC 說明不能作為當前的報價依據。公開開源代碼本身可以免費使用，但模型調用、伺服器、資料庫、觀測與運維仍會產生費用。

開源許可證

適合哪些用戶

• 希望使用Python構建MCP原生智能體的開發者。
• 需要路由、平行、編排和評估優化模式的AI團隊。
• 準備將代理發布為標準MCP伺服器的產品團隊。
• 需要暫停、恢復、重試和人工審批的工作流開發者。
• 希望將提示與模型參數從業務代碼分離的工程團隊。
• 需要對MCP伺服器與代理進行真實互動測試的品質團隊。
• 原LastMile平台用戶及正在評估遷移路徑的企業。

產品優勢

• mcp-agent以開放協議為核心，連接工具時不必為每項服務編寫專用框架。
• 代理模式保持可組合，適合從簡單程式逐步擴展。
• Temporal後端為長流程提供恢復與持久執行能力。
• AIConfig便於對提示、模型和參數進行版本控制。
• mcp-eval覆蓋真實工具調用、品質、效能和路徑檢查。
• 三個項目分別覆蓋構建、配置和測試環節。
• 許可證允許開發者在滿足條件後修改和商用。

限制與風險

• 原商業平台目前沒有清晰的獨立註冊、銷售與現行價格資訊。
• 舊文件和舊SDK並不代表相關雲端介面仍然可用。
• 開源框架需要自行配置模型、伺服器、權限和運行環境。
• 開放測試階段的雲服務可能調整價格、額度及可用性。
• 連接檔案、資料庫和企業系統會擴大代理的權限風險。
• 模型生成、工具選擇和LLM評委都可能出現錯誤。
• 開源許可證不會自動授予第三方模型、數據和服務的商用權。
• 不同倉庫的活躍度不同，採用前應檢查版本與維護情況。

原平台用戶遷移檢查清單

1. 確認現有帳戶、工作區、API端點及支援渠道是否仍可訪問。
2. 導出資料集、評測結果、實驗記錄、提示和模型配置。
3. 記錄正在使用的SDK版本、依賴、金鑰和權限範圍。
4. 停止把舊文件中的套餐與服務承諾視為續費依據。
5. 評估AIConfig能否承接提示與模型配置管理。
6. 評估mcp-eval能否重建關鍵評測和回歸測試。
7. 需要代理編排時使用mcp-agent重新實現核心流程。
8. 為模型、儲存、部署、觀測和維護重新核算總成本。
9. 遷移前撤銷不再使用的金鑰並清理敏感資料。

安全使用建議

• 對每個MCP伺服器實施最小權限和獨立憑證。
• 模型金鑰放在秘密管理系統或專用配置中。
• 對寫文件、發消息、修改資料庫等動作設定人工確認。
• 限制代理可訪問的目錄、帳戶、表和網路範圍。
• 在日誌與追蹤中隱藏令牌、個人資訊和商業機密。
• 為工具超時、重複呼叫、循環和成本設定硬性上限。
• 使用mcp-eval覆蓋越權、提示注入和錯誤恢復場景。

常見問題

LastMile AI還在提供原來的商業平台嗎？

目前該網站並未清晰展示原平台的註冊、套餐及購買流程，團隊也已加入Meta相關組織。舊文件仍可訪問，但無法以此斷定該商業SaaS仍在正常銷售中。

LastMile AI被Meta收購了嗎？

可以確認的是，該團隊已加入Meta Superintelligence Labs的產品與應用研究組織。在沒有充分依據時，不應進一步寫成公司整體已被收購，或原有產品已成為Meta的正式服務。

LastMile AI是開源產品嗎？

原商業平台並非完整的開源產品，但mcp-agent、AIConfig和mcp-eval則分別以公開許可證的方式發布。在目錄中，應將該平台與這些獨立倉庫的開源狀態區分開來標示。

mcp-agent可以免費使用嗎？

框架代碼可依 Apache-2.0 授權證免費使用。實際運行時仍需承擔模型 API、計算、儲存、網路、資料庫及維護成本。

MCP-Cloud需要收費嗎？

目前，該文件將MCP-Cloud標記為開放測試階段，且可免費使用。測試政策可能會有所變動，因此，在正式投入使用之前，應再次確認使用額度、服務的持續性以及之後的計費規則。

舊版 LastMile SDK 還能直接用於新專案嗎？

不建議在未經驗證的情況下直接採用，舊SDK對應歷史平台介面。新專案應優先評估目前正在維護的mcp-agent、AIConfig和mcp-eval，並實際測試所需的端點。

總結

LastMile AI的條目重點已從獨立的商業AI開發平台，轉向團隊加入Meta後的現狀，以及mcp-agent等仍可使用的開源成果。它對開發者的實際價值主要體現在MCP智能體的構建、配置管理以及真實互動評估上。

採用前需要把歷史SaaS、當前開源倉庫和開放測試雲服務分開判斷。原客戶應優先導出資料並確認服務連續性，新項目則應從最小權限、本地測試和可回歸評測開始。