1. 定义：什么叫”接了数据的 agent”
一个 AI agent，剥到最简，是套在语言模型外的一层循环：观察、推理、行动、再观察。接了数据的 agent 与裸模型的全部区别，可以归结为一个性质——接地（grounding）。接地的 agent 能在使用时刻把一条断言拿到外部源上去核验；裸模型只能拿它的参数去核验，而参数在训练结束那一刻就冻结了。
这个区别与文采无关。在答案稳定的问题上——术语的定义、定理的陈述——两者没有差别。差别恰好出现在商业所在之处：每小时都在变的价格、昨天才写下的评论、随每次投放而漂移的排名。在这类问题上，裸模型不会说”我不知道”。它以知识的自信、回忆的实质作答，而读者没有任何仪器能分辨两者。
本指南是”AI Agent 接入实时 Amazon 数据”系列的总纲。它界定问题，对照三种接入模式，巡览各 agent 平台，并给出今天就能免费跑通的三步第一次测试。
2. 论证：AI agent 为什么需要实时商业数据
参数化知识——模型在训练中”学到”的东西——应用于商业问题时有三个结构性缺陷：时间冻结、无计数、无出处。
证据是一组对照实测，于 2026-10-12 对 Pangolinfo MCP 服务器真实执行（实测 2026-10-12）。同一个提示词——”AirPods Pro 3 的差评主要集中在哪些方面？”——被送入数据层的两种条件。
接地条件：search_amazon 先找到商品（ASIN B0FQFB8FMG，Apple AirPods Pro 3，4.4 星，16,350 条评分），get_amazon_reviews 加 filterByStar=critical 返回 4,268 条评论中的 1,392 条差评，最新评论日期为 2026 年 10 月 10 日——距测试仅两天。按 helpful 排序，差评主题集中为四条：更新后的软件问题、降噪名不副实、4–6 个月内损坏、来电接听故障。每条评论都带有 verified purchase 标记与 helpful 票数。
无数据条件：同一提示词仅凭参数化知识回答，只能给出看似合理的主题——降噪、佩戴、价格——没有数字、没有时间、没有验证标记。更严重的是代际污染风险：旧款 AirPods Pro 2 的记忆可能混入关于 Pro 3 的回答，而输出中没有任何机制让读者察觉这种替换。
论证于是成立：对商业问题而言，未接地的 agent 的缺陷不在文采，而在可验证性。没有数字、时间戳或来源的主张不是发现，而是穿着发现外衣的假设。接地的全部内容，就是把断言替换为测量。
3. 三种接入模式：MCP、REST API、Skill
给 agent 接实时 Amazon 数据有三种模式。区别在于谁发起调用、agent 需要知道什么、以及成本如何计量。
MCP（Model Context Protocol）。 agent 在对话中途自己发现服务器上的工具并调用。注册一次即可——例如 Muse 的 Settings → Connectors → Add custom connector，粘贴 https://mcp.pangolinfo.com/mcp——此后 agent 自行决定何时搜索、何时拉评论、如何串联调用。这是对话式 agent 的模式：Muse、Claude、ChatGPT 一类助手。本系列的 worked example 是 Meta Muse 篇，完整连接流程已实测走通。Pangolinfo MCP 服务器开放 20 个工具（19 个数据工具加免费的自检工具），调用按对应 REST 端点的点数标准计费。
REST API。 你的代码调固定端点，拿回结构化 JSON。这是自动化与流水线的模式：定时任务、n8n 或 Make 工作流、看板、对数千 ASIN 的批量分析。Amazon Scraper API 是 canonical 入口——商品数据每页 1 点，评论数据每页 5 点。分页、重试、存储都由你控制；即使流程里有 agent，它消费的也是你备好的数据，而不是自己联网。
Skill。 打包好的能力，直接装进 dev agent 生态——Claude Code、OpenClaw 这类编码 agent——装完即用，无需逐项目接线。Pangolinfo 把 Amazon 数据能力同时做成了 Skill（见 openclaw-skills 仓库）与 MCP 桥。这是”agent 住在 IDE 里”时的模式。
| MCP | REST API | Skill | |
|---|---|---|---|
| 发起方 | 对话中的 agent 自己 | 你的代码/工作流 | 装完 skill 的 dev agent |
| 适用 | 聊天助手（Muse、Claude） | 自动化、批量、流水线 | 编码 agent（Claude Code、OpenClaw） |
| 接入成本 | 注册一次服务器 URL | API key + HTTP 客户端 | 安装 skill 包 |
| 计费单位 | 按工具调用（≈REST 费率） | 按页/按次 | 与底层调用一致 |
| 实测案例 | Meta Muse 篇 | 见 Amazon Scraper API | 本系列后续子文章 |
选择规则是机械的：agent 对人说话，选 MCP；机器按计划跑，选 REST；agent 住在 IDE 里，选 Skill。
4. 平台一览：每个 agent 在哪里遇到 Amazon 数据
Meta Muse。 Meta 的个人 AI agent（2026-09-08 发布；当前仅美国、加拿大可用）。经自定义 MCP 连接器接入；Pangolinfo 连接已由我们团队实测走通——Settings → Connectors → Add custom connector，key 走安全凭证流。完整步骤见 Meta Muse 接入实测。
Claude。 Anthropic 助手支持自定义连接器与 MCP 服务器；Claude Code 直接接受 MCP 配置。Pangolinfo MCP 是同一个公网 HTTPS 端点，差别只在客户端一侧的注册方式。详见本系列 Claude 篇。
ChatGPT。 Custom GPT 经 Actions 调用外部 API；开发者模式的 MCP 支持把同一套工具带到对话界面。详见本系列 ChatGPT 篇。
腾讯 Workbuddy。 腾讯云桌面 AI agent（2026-03-09 发布），定位”AI teammate”，分国内版与国际版（Workbuddy AI）。首月月活 885 万，自带开放平台与云端数万生态 Skill，市场研究与数据分析在其能力列表中。接入走其开放平台与 Skill 生态。详见本系列 Workbuddy 篇。
IDE agent。 Cursor 一类开发 agent 在编辑器内消费 MCP 服务器或 skill 包，天然适配 Pangolinfo MCP 端点与 skill 包。详见本系列 IDE agent 篇。
n8n / Make。 工作流自动化平台按计划调 REST API——这是持续监测的 canonical 形态：盯一组 ASIN，每晚拉新增评论，差评率过阈值即告警。详见本系列自动化篇。
对于连接流程尚未经我们团队实测走通的平台，本指南只如实陈述其接入面，把一步步的操作留给对应的系列子文章。
5. 第一次测试：免费额度内的三步
唯一的前置条件是注册，而且是免费的：Pangolinfo 注册即带免费档：每月 60 credits（按月重置）——下面这套测试跑好几遍都够。整条链路只消耗个位数点数。
第一步——注册并复制 key。 建 Pangolinfo 账号，从控制台复制 API key。不要把它粘贴进可能被分享的聊天文本；下面每种客户端都有专门的凭证字段或请求头位置。
第二步——跑发现。 要一次商品搜索。走 MCP 时工具叫 search_amazon；走 REST 时是商品搜索端点。实测（2026-10-12）中，search_amazon {"keyword":"wireless earbuds","site":"amz_us","page":1} 返回 5 条真实 ASIN，其中测试目标 B0FQFB8FMG（Apple AirPods Pro 3，4.4 星，16,350 条评分）。
第三步——挖投诉。 拉评论并过滤到差评带。MCP 调用是 get_amazon_reviews 加 filterByStar=critical 与 sortBy=helpful；REST 侧是评论端点加同样过滤。实测返回 4,268 条中的 1,392 条差评，最新一条是 2026-10-10 的——四个具体抱怨主题（软件更新翻车、降噪名不副实、几个月就坏、通话问题），每条都能追溯到 verified purchase。
如果三步走完，你手里有一份商品列表、一个评论计数、一批带日期的差评，连接就是通的。本系列后面所有的监测、告警、跨品对比，都是这三个原语的组合。
6. 成本与安全
点数模型在三种模式下是统一的：调用按 Pangolinfo 余额扣点，费率与底层数据端点一致（评论按页计费，当前定价每页 5 点）。MCP 工具调用与对应 REST 调用同价——协议改变的是谁发起调用，不改变数据的价格。每月 60 credits 免费额度的意义，就是让第 5 节的测试在付费决策之前跑通。
key 管理三条规则。第一，永远不要把 API key 粘贴进可能被记录或分享的对话文本；所有受支持的客户端——Muse 的连接器安全流、Claude 的连接器、MCP 的 Authorization 请求头——都有 agent 看不到明文的凭证位。第二，按环境或成员签发独立 key，用量可归因。第三，只读研究就按只读对待：没有什么可写的，就在客户端把连接器锁成只读或写前审批。
7. FAQ
免费 key 够跑通第一次测试吗？
够。注册即得每月 60 credits 免费额度；第 5 节的三步链路（找 ASIN → 抓评论 → 过滤差评）只消耗个位数点数。先完整跑一遍，再决定是否升级。
MCP、REST API、Skill 怎么选？
看 agent 住在哪里：对人说话的聊天助手（Muse、Claude、ChatGPT）选 MCP；按计划跑的自动化与批量任务（n8n、Make、脚本）选 REST API；住在 IDE 里的编码 agent（Claude Code、OpenClaw）选 Skill。底层的数据和价格是一样的。
有地区限制吗？
agent 有，数据没有。Meta Muse 目前仅美国、加拿大可用；腾讯 Workbuddy 分国内版与国际版。Pangolinfo 的端点在 agent 能联网的地方就能用。
API key 放在 agent 的连接器里安全吗？
走客户端的凭证机制提交——Muse 的安全凭证流、MCP 的 Authorization 请求头、vault 字段——不要以聊天文本形式出现。按环境用长期 key，定期轮换。
一个 key 能通吃本系列所有 agent 吗？
能。同一个 Pangolinfo API key 同时鉴权 MCP 服务器、REST 端点与 skill 包。按 agent 分 key 是为了用量归因，不是功能必需。
8. 系列导航
本指南是总纲。下面每篇子文章带一个 agent 从接入走到第一次测试：
- Meta Muse 篇——自定义 MCP 连接器，实测走通。
- Claude Code 篇——Claude Code、Desktop、网页端三条路径对照与鉴权面拆解。
- ChatGPT 篇——开发者模式自定义连接器（Token 鉴权），兼述 Custom GPT Actions 路径。
- 腾讯 Workbuddy 篇——开放平台与 Skill 生态，国内版与国际版。即将推出。
- IDE agent 篇——编辑器内的 MCP 与 skill。即将推出。
- n8n / Make 篇——持续监测的定时 REST 工作流。即将推出。
每篇子文章复用第 5 节的同一套三步第一次测试，跨 agent 的结果可比。先拿免费 key 跑通测试，再选贴合你工作流的 agent。
