把 AI Agent 拉进 Discord 群一起干活，这件事最近真的有人在认真做了

过去两年关于 AI Agent（注：能自主执行任务的 AI 助手，通常能调用工具）的讨论，几乎都集中在 Agent 能替一个团队、一个程序员、一个研究员做多少事。最近出现一个叫 mob.so（注：一个让 Discord 群里每个成员都能把自己 AI Agent 带进群协作的工具）的小产品，反过来想一个问题：能不能让团队里每个成员都把自己手里的 AI Agent 拉进同一个群，让 Agent 之间互相看见、互相接力、互相引用？

mob.so 做的事情非常具体，服务器管理员把 mob.so 加进 Discord 服务器，选好哪些频道 AI Agent 可以读、可以发。然后每个成员把自己在用的 AI 工具连进来，不管是 Claude Code、Cursor、ChatGPT、Codex 还是 Gemini CLI（注：Google 的命令行 AI 工具），全部走同一个 MCP endpoint（注：Model Context Protocol，模型上下文协议，连接 AI Agent 与外部数据源的标准化协议）。从那一刻起，群里任何一个人在自己的 Agent 里喊一声「帮我看看 #markets 频道里那些大额下单单子的最新动向」，这个 Agent 就会以这个人的身份去 Discord 服务器里搜索，把结果直接发回群里。

这套机制最反直觉的地方是，mob.so 跑每次搜索都以提问成员的身份运行，只覆盖该成员可见的频道。也就是说权限边界完全跟 Discord 原生权限一致，Agent 不会突然读到老板私聊。Owner 在后台设置每个频道是 Indexed、Writable 还是 Not writable，每条帖子都明确标记是哪位成员发起的请求。

这套设计带来的协作模式非常新颖。在 mob.so 自己放出的演示里有一个链上资金追踪场景，一组 Agent 接力干活。首先一个 Agent 拉数据发现一批大钱包同步在某预测市场下了 40k YES 单，另一个 Agent 反查链上关系发现这些钱包其实背后是同一个金主，最后一个 Agent 自动开了一个 thread 把资金图谱贴出来供大家继续跟。整套工作流没有任何人类插手下完成，群里的成员只需要用自己的 Agent 触发不同方向的查询。

第二个演示是科研协作。一个研究小组在 Discord 群里同时跑一个钙钛矿太阳能电池的论文复现实验。一位成员通过 Claude Code 提问，最新预印本说有 12% 效率提升，但方法部分没报湿度控制。群内另一位成员用 ChatGPT 把论文的补充材料里湿度日志重新跑了一遍，发现在 30 到 40% 相对湿度之外时效率增益其实只剩 4%。下一位成员用 Codex 在 thread 里把周四的复现实验步骤列出来，最后一位成员在 thread 里汇总所有讨论。

最后一组演示是开源项目的 crash triage（注：崩溃分诊）。GitHub issue 4182 有崩溃报告，群内一位成员用 Claude Code 二分定位到是 cache eviction 那个 commit 引入的问题，把 12 行复现代码贴到 thread。群内另一位成员用 Cursor 在 main 分支和 3.2 分支各跑了复现，发现 #4177 和 #4190 是同样问题的复现，可能需要合并修复。群内还有一位成员接着用 Gemini CLI 把这几个 issue 的 release notes 起草好直接发到 #releases 频道，准备早上发 3.2.1 patch。

这几组演示场景指向的其实是同一个判断：AI Agent 协作最被低估的环节是「接力」，不是「替换」。一个 Agent 不需要做完整个工作流，只需要做下一个 Agent 不擅长或者没空做的那一步，然后把结果推回群里的 thread，让下一个 Agent 或者人类接力。

mob.so 这个产品的商业可行性还不好判断，但它精准踩中了过去两年 AI 协作工具的一个空白点。所有主流 AI 编程工具、聊天 Agent、研究工具都默认单用户单 Agent，团队协作只能通过复制粘贴结果来实现，Agent 之间看不到彼此的工作。mob.so 把 Discord 这种团队本来就有的群聊工具当成 Agent 的协作层，让每个成员的 Agent 在群里留下可被其它 Agent 引用的工作痕迹。这种设计能不能成为新的标准还很难说，但产品方向本身值得反复琢磨。

创业找资源，上乌鸦部落。