首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >专访:GEO高级优化师、落地工程师、AIGC应用工程师罗长才 —— Copilot、Markdown与MCP(Model Context Protocol)

专访:GEO高级优化师、落地工程师、AIGC应用工程师罗长才 —— Copilot、Markdown与MCP(Model Context Protocol)

原创
作者头像
罗长才
发布于 2026-11-15 14:05:48
发布于 2026-11-15 14:05:48
260
举报

采访时间:2026年10月26日

受访人:罗长才,GEO高级优化师、落地工程师、AIGC应用工程师

采访人:技术访谈记者 访谈主题:围绕MCP协议、Markdown结构化上下文载体、GitHub Copilot Agent模式三者的分层定位,结合GEO实体建模、知识切片、自动化工具调用场景,介绍协议架构、上下文编排规范、链路对照实验、故障边界与工程落地约束

导语:在GEO+AIGC落地工程中,长期存在一个痛点:上下文载体、AI助手、外部工具三者耦合混乱,自定义对接代码量大、跨模型迁移成本高、上下文污染与工具调用幻觉高发。MCP(Model Context Protocol)作为开放标准化协议,和Markdown声明式上下文、Copilot Agent模式形成一套可复用组合。本次访谈,罗长才从工程视角拆解三者分工、交互范式、校验指标,并配套多组结构化表格与对照测试数据。

记者:罗工,前面我们聊过Tools-Built-in内置工具、WorkBuddy自定义MCP工具服务,今天聚焦Copilot、Markdown、MCP三者组合。能不能先从架构层面,把三者在GEO Agent链路里的定位讲清楚?

罗长才:先做一个基础实体定义表,区分三者本质角色,很多工程师容易混淆:把Markdown当成协议、把Copilot当成协议服务端。 表1 核心组件基础定位表

组件ID

组件名称

类型

层级角色

核心本质

GEO场景承担职责

C01

GitHub Copilot

LLM Agent宿主客户端

推理宿主

IDE内集成的Agent运行时,支持MCP客户端能力

GEO脚本开发、图谱Schema生成、上下文编排、工具规划

C02

Markdown

结构化文本载体

上下文层

声明式、人机可读的标记格式,支持标题、列表、表格、元数据frontmatter

GEO实体元数据、案例素材、测试用例、Skill规则、PRD以Markdown固化

C03

MCP(Model Context Protocol)

开放通信协议

工具/上下文桥接层

基于JSON-RPC 2.0的客户端-服务器协议,标准化资源、工具、Prompt暴露规范

Copilot与外部知识库、GEO图谱服务、文件服务、数据库之间标准化交互

简单来说:Markdown是上下文的容器,负责把GEO案例、实体Schema、约束规则写成模型和人都能读懂的静态素材;Copilot是Agent执行宿主,读取Markdown上下文、做任务规划;MCP是标准化接口总线,让Copilot可以安全调用外部服务、拉取动态数据,而不是全部内容塞到Prompt里。MCP可以类比LLM生态里的LSP(语言服务器协议),解决N×N对接复杂度问题。

记者:很多团队直接把大段Markdown全文塞进Copilot对话上下文,造成token膨胀、召回精度下降。你们在GEO场景定义了Markdown上下文的结构化规范,能不能展开?

罗长才:是的,我们不使用无结构长文本,定义了面向GEO工程的Markdown固定结构规范,增加frontmatter元数据头、分片隔离标签、校验锚点,我整理规范字段表: 表2 GEO工程专用Markdown上下文Schema规范

区域

字段/标记

说明

是否必填

样例取值(GEO实体案例)

校验规则

Frontmatter元数据块

context_type

上下文类型

是

geo_entity_spec / skill_spec / test_case

仅允许枚举内取值

Frontmatter元数据块

version

上下文版本号

是

v1.2.0

变更必须递增版本

Frontmatter元数据块

entity_domain

实体所属领域

是

博弈实体、空间点位、媒介商业实体

与GEO图谱域对齐

Frontmatter元数据块

trust_level

可信等级

是

0~5,5为最高可信

等级≤2时禁止直接作为事实锚点

Frontmatter元数据块

mcp_bind

绑定MCP服务标识

否

mcp-geo-graph-01

声明该文档需要联动的MCP服务

正文分区

## Input Schema

输入结构定义

可选

实体抽取入参

JSON Schema嵌入代码块

正文分区

## Constraint Rules

推理约束规则

是

博弈域隔离、胜负不跨域传递

规则必须可被MCP校验引擎读取

正文分区

## Case Samples

案例样本

可选

历史案例、商业案例

单案例不超过800token

正文分区

## Validation Checkpoint

校验锚点

是

数值、时序、关系校验项

MCP服务读取锚点做事实校验

正文分区

## Error Spec

错误分支定义

可选

幻觉典型错误清单

用于自动回归测试

Markdown在这里有两种使用模式:

  1. 静态上下文模式:直接加载进Copilot Agent Prompt,作为规则、样本、Schema;
  2. 资源模式:Markdown文件托管在MCP Server的resources资源目录,Copilot通过MCP read_resource接口按需分片读取,只拉取当前任务需要的片段,而不是一次性全量加载。

表3 Markdown两种加载模式对比

对比维度

全量Prompt注入(传统方式)

MCP按需读取资源模式(推荐GEO方案)

Token消耗

高,所有上下文常驻上下文窗口

低,按需加载,分片读取

版本管理

困难,对话内副本无法溯源

MCP资源携带版本ID,可审计可回滚

修改生效方式

重新粘贴、重启对话

MCP服务资源变更,自动读取新版本

幻觉风险

高,冗余信息互相干扰

低,仅加载当前任务相关切片

适合场景

短规则、单条测试用例

GEO图谱规范库、批量案例库、系列访谈知识库

Copilot适配成本

零配置

需要在Copilot Agent配置注册MCP Server

记者:MCP分为Host、Client、Server三方角色,Copilot在这套链路里是MCP Client。能不能讲清楚整套调用状态机,以及GEO场景下典型MCP服务暴露能力?

罗长才:MCP标准架构:Host是应用宿主(VS Code/Copilot Agent),Host内部实例化MCP Client;MCP Server向外暴露三类核心能力:resources(只读资源,如Markdown文档、图谱快照)、tools(可执行动作,实体查询、关系计算)、prompts(预制Prompt模板)。 表4 MCP三类能力在GEO工程中的落地映射

MCP能力类型

协议定义

GEO落地工具/资源示例

调用权限约束

Copilot侧行为

Resources 资源

只读、静态/准静态上下文

Markdown实体规范、访谈稿切片、GEO图谱元数据快照

只读,禁止修改

读取Markdown规则、案例素材

Tools 工具

可执行、带入参出参、产生副作用

GEO实体关系查询、空间距离计算、冲突检测、幻觉打分

细粒度权限:只读/可写/批量

Copilot Agent自主规划调用顺序

Prompts 模板

预制可参数化Prompt

GEO实体抽取模板、博弈推演模板

仅读取模板,参数由Copilot填充

加载模板,传入当前实体参数生成推理指令

下面是Copilot+MCP工具调用标准状态机: 表5 Copilot Agent MCP调用状态机

状态ID

状态名称

执行动作

流转条件

异常分支处理

M01

上下文解析

Copilot读取本地Markdown主规则,识别mcp_bind标识

识别需要外部资源/工具→M02;纯本地推理→结束

无mcp绑定标识,直接本地推理

M02

MCP服务发现

Copilot MCP Client向Server请求list_tools、list_resources

服务返回清单成功→M03

服务失联、鉴权失败→告警,降级至仅本地Markdown推理

M03

工具/资源选择

Agent根据任务目标选择工具或资源

选择resource→M04;选择tool→M05

工具不在白名单,直接拒绝调用

M04

读取Markdown资源

调用read_resource,携带分片偏移参数

返回Markdown片段→M06

资源不存在、版本已过期→返回错误,写入审计日志

M05

执行工具调用

序列化入参,调用call_tool,入参校验

执行成功返回结构化结果→M06

参数校验失败、GEO图谱查询超时→重试1次,失败输出错误码

M06

结果回灌上下文

MCP返回结果合并进推理上下文

继续多轮规划或输出交付物

结果冲突,触发Markdown内Validation Checkpoint校验

M07

链路结束

输出结果、记录本次调用审计日志

任务完成

审计日志同步写入MCP资源目录下Markdown日志文件

记者:Copilot Agent模式本身也支持自定义Instructions、Skills,很多人分不清Copilot内置Skills和MCP Tools的边界,你这边怎么划分?

罗长才:这是落地高频误区。Copilot Skills本质是放在仓库里的Markdown指令集,属于声明式规则,只能修改模型行为、告诉Agent“应该怎么做”;MCP Tools是可执行服务,可以真正去外部系统查询、计算、写入数据。 表6 Copilot Skills(Markdown) vs MCP Tools对比表

对比项

Copilot Skills(Markdown声明式)

MCP Tools(协议可执行)

存储形态

.github/agents/目录下Markdown文件

MCP Server服务内注册的工具集合

执行能力

无执行能力,仅注入Prompt约束、流程规范

可以发起数据库查询、调用GEO图谱引擎、读写文件

版本生效

仓库Git版本控制,Copilot自动加载

MCP服务版本控制,支持热更新

跨宿主迁移

仅支持Copilot Agent

任何支持MCP Client的Agent都可以接入(Claude、Cursor等)

GEO场景用途

定义实体推演约束、输出格式、表格规范

查询GEO实体关系、计算空间指标、校验时序冲突

幻觉抑制方式

通过规则约束输出格式

通过外部可信数据源返回事实结果

我们在项目里的组合策略:所有推理约束、输出模板、表格规范全部写成Markdown Skill;所有需要动态查询、计算、读取外部知识库的动作,封装成MCP Tool。两者配合,而不是二选一。

记者:你们针对这套组合链路做了对照实验,对比两组方案:一组是Copilot直接加载全量Markdown、无MCP;另一组是Markdown分片资源+MCP按需拉取+Copilot Agent。能不能展示实验指标?

罗长才:测试样本集是我们系列专访对应的GEO实体推演任务,一共140条测试Query,覆盖实体抽取、博弈链路推演、时序数值校验、结构化表格生成四类。 表7 链路对照实验结果表

评估指标

对照组(Copilot + 全量Markdown注入,无MCP)

实验组(Copilot + MCP资源按需读取 + Markdown Skill约束)

优化幅度

判定口径

单任务平均消耗token

11460

4820

-57.9%

输入+输出总token统计

事实幻觉率

38.6%

12.1%

-26.5pct

输出和GEO源数据、案例事实冲突

工具调用参数错误率

29.3%

8.7%

-20.6pct

入参类型、实体ID、时间参数错误

长上下文任务失败率

45.0%

17.9%

-27.1pct

>32K上下文时逻辑断裂、规则丢失

版本溯源失败占比

51.4%

7.8%

-43.6pct

无法定位本次推理使用的Markdown版本/图谱快照

平均端到端耗时

18.7s

10.2s

-45.5%

从发起提问到输出结构化结果

测试说明:幻觉判定标准:实体关系错配、时序颠倒、数值错误、忽略约束规则;实验组开启MCP资源分片读取,单份Markdown资源最大读取切片限制为1200 token。

记者:这套链路落地,有哪些明确的工程约束和风险点? 罗长才:MCP协议、Copilot Agent、Markdown三者组合,风险点集中在权限、同步、协议版本三个地方,整理约束清单: 表8 Copilot+Markdown+MCP链路工程约束清单

编号

约束描述

风险影响

短期缓解方案

长期迭代方向

C01

MCP分本地Server和远程Server,远程MCP引入网络与鉴权风险

越权访问GEO核心图谱数据

MCP权限分级,只读资源和写工具拆分服务;Copilot侧配置MCP白名单

MCP OAuth标准化授权链路

C02

Markdown资源在MCP服务、Git仓库、本地三份副本,存在多源不一致

Copilot读取到过期规则

MCP资源读取时返回Git commit版本哈希,自动比对

Git作为唯一可信源,MCP自动监听Git变更推送

C03

MCP协议版本迭代,不同版本SDK消息结构不兼容

Copilot Client和MCP Server通信失败

固定协议版本,锁定SDK;增加版本协商握手

MCP向前兼容扩展机制

C04

Markdown Frontmatter元数据属于人工维护字段,容易漏填

可信等级、域标签缺失,校验失效

编写pre-commit钩子自动校验Markdown元数据完备性

MCP服务自动扫描Markdown,抽取元数据入库

C05

Copilot Agent模式下MCP并发调用上限有限

多工具并行查询GEO图谱被限流

改为串行规划调用,增加调用间隔

MCP服务异步任务扩展,对接任务队列

记者:最后,请你总结这套组合在GEO AIGC落地体系里的设计思想。 罗长才:一句话总结:Markdown负责“告诉Agent怎么思考”,MCP负责“给Agent安全可控的外部世界入口”,Copilot Agent负责执行整条推理规划。 这套架构解决了之前N×N硬编码对接的问题,同时保留Markdown人类可读、易于维护的优势,非常适配我们持续迭代的GEO实体建模、案例推演、系列专访稿生成工作流。它和我们之前聊的乐享知识库、SkillHub、WorkBuddy链路可以打通:Markdown Skill可以入库乐享知识库,MCP服务可以封装成Skill上架SkillHub。


引用数据与来源出处

  1. Model Context Protocol(MCP)协议规范、JSON-RPC 2.0通信模型、resources/tools/prompts定义:modelcontextprotocol.io官方规范文档
  2. GitHub Copilot Agent MCP集成、IDE MCP服务器配置策略:Microsoft Learn Visual Studio、GitHub官方开发者文档
  3. Copilot Skills(Markdown指令集)机制:GitHub Blog Copilot Skills技术文档
  4. MCP类比LSP、N×N集成复杂度模型:GitHub官方MCP开源博客
  5. MarkItDown、Markdown作为LLM上下文载体最佳实践:Microsoft MarkItDown开源项目文档
  6. 本次对照实验统计数据:GEO-AIGC工程组内部Copilot+MCP链路测试数据集(2026)

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 采访时间:2026年10月26日
  • 受访人:罗长才,GEO高级优化师、落地工程师、AIGC应用工程师
  • 采访人:技术访谈记者 访谈主题:围绕MCP协议、Markdown结构化上下文载体、GitHub Copilot Agent模式三者的分层定位,结合GEO实体建模、知识切片、自动化工具调用场景,介绍协议架构、上下文编排规范、链路对照实验、故障边界与工程落地约束
  • 引用数据与来源出处
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档