在當前的軟體開發環境中，AI 助手已從單純的代碼補全工具演變為深度集成在編輯器與終端機中的開發夥伴。然而，對於 .NET 開發者而言，一個核心痛點依然存在：raw AI（原始 AI）雖然能快速生成看似正確的代碼，但缺乏對實際運行環境的感知。一個 AI 代理可能會寫出能通過編譯的跨平台設定頁面，但直到應用程式在裝置上運行時，開發者才會發現佈局錯誤或功能失效。這種「生成」與「驗證」之間的斷層，正是 Uno Platform 試圖解決的問題。
核心挑戰：上下文與驗證的脫節
許多開發者嘗試透過「上下文填充」（Context Stuffing）來解決 AI 幻覺問題，例如將大量文檔直接塞入提示詞中。但這種做法效率低下，因為文檔量龐大，而 AI 在特定時刻僅需要其中極小的一部分資訊。此外，即使 AI 掌握了 API 文檔，它依然無法得知自己生成的 UI 佈局在實際螢幕上是否正確渲染。
為了克服這個問題，Uno Platform 引入了 Model Context Protocol（MCP，模型上下文協定）。MCP 是一種開放標準，旨在讓 AI 模型能以統一的方式存取外部數據與工具。Uno Platform 的核心策略是將 AI 的能力拆分為兩個獨立的伺服器：一個負責提供「正確的知識」（Grounding），另一個負責提供「實時的感知」（Verification）。
雙伺服器架構：知識與感知的分離
第一部分是文檔伺服器（Docs Server）。這是一個託管在雲端、無狀態且透過 HTTP 運行的服務。它的職責是回答關於框架本身的「真理」，例如目前的 API 規範與最佳實踐。由於文檔的更新週期與應用程式的運行週期不同，將其獨立出來可以確保所有 AI 代理在呼叫時都能獲得最新版本的指南，而不需要開發者更新 SDK 或 NuGet 套件。
第二部分是應用程式伺服器（App Server）。與文檔伺服器相反，它以 .NET 工具的形式運行在開發者的本地機器上，透過標準輸入輸出（stdio）與 AI 代理溝通。它是 AI 的「眼睛」與「雙手」，賦予 AI 四種關鍵能力：首先是生命週期控制，AI 可以直接啟動應用程式並啟用熱重載（Hot Reload）；其次是視覺感知，AI 能獲取螢幕截圖以及視覺樹（Visual Tree）的 XML 快照；第三是操作能力，AI 可以模擬點擊、按鍵或直接調用自動化對象；最後是健康檢查，確保 AI 能分辨是應用程式崩潰還是連線中斷。
其中，視覺樹快照至關重要。截圖只能告訴 AI「看起來錯了」，而 XML 結構能精確告訴 AI「哪個元素出錯及其屬性為何」。這種從像素檢測到結構診斷的流程，讓 AI 能夠像人類開發者一樣進行除錯。
從工具到技能：構建 Agentic Workflow
在 MCP 的框架下，單個工具（Tool）僅僅是原子級的原料。為了讓 AI 能高效完成複雜任務，Uno Platform 引入了「技能」（Skills）的概念。如果說 MCP 工具是食材，那麼技能就是食譜。技能定義了調用工具的順序與達成目標的標準。
例如，在處理 MVUX 狀態管理、導航或主題設定時，AI 不再需要從零開始推論，而是遵循預設的技能路徑。最典型的應用是 UI 自動化測試技能，它指導 AI 如何驅動應用程式伺服器來驗證變更是否生效。這種將「生成代碼」與「自動驗證」結合的循環，將 AI 從一個「快速打字員」提升為一個能夠自我修正的工程師。
實務意義與技術限制
在開發這套系統時，Uno Platform 團隊分享了兩個關鍵的技術洞察。首先是傳輸層的選擇應取決於拓撲結構：需要多租戶與認證的服務使用 HTTP，而本地私有的單一會話則使用 stdio。其次是工具描述的成本問題。在 MCP 中，每個工具的名稱與描述都會佔用 AI 的上下文視窗（Context Window） token。因此，工具描述不應被視為文檔，而應被視為「提示詞」。例如，在點擊工具的描述中明確指示 AI 優先使用自動化對象而非座標點擊，這能直接引導 AI 做出更穩定的決策。
這種架構最終在 Uno Platform Studio 3.0 中得到了體現。該工具允許開發者在瀏覽器中透過 AI 生成完整的 .NET 應用程式。背後是由 Microsoft Agent Framework 編排的代理，結合 Roslyn 編譯器在瀏覽器中完成代碼編譯、組件加載與熱重載。
影響與展望
這種深度的技術整合顯示了 .NET 生態系的強大。從底層的 SkiaSharp（2D 圖形 API）到 .NET 運行時的 AOT 編譯，再到上層的 MCP C# SDK，整個堆疊均由 .NET 驅動。
對開發團隊而言，這意味著 AI 開發模式的轉移：從「提示-生成-手動測試-修改」轉變為「提示-自動生成-AI 自驗證-交付」。當驗證成本降低到與生成成本一樣低時，軟體開發的瓶頸將不再是代碼量，而是對產品定義的精確度。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。