来源笔记
A Technology for Free Will
Local AgentsPersonal AIUser Data SovereigntyAgentic ProxyPermissionless Access
摘要
这篇文章提出了 Mango：一种以移动设备为起点的本地 AI 智能体。它使用用户已有的访问权限跨网站执行操作，同时让设备、数据和模型始终由用户控制。它的目标是减少平台对用户选择的引导，保留可迁移的用户记忆，并让客户端软件能够强制执行智能体安全规则。
问题
- Web 服务把有用的数据和操作分散在不同的界面、登录系统和受限 API 之后，迫使用户和开发者按照平台设计的工作流程操作。
- 云端智能体可能集中管理私人上下文、模型选择和控制权，使服务提供商能够影响用户的选项和操作。
- 这会影响用户自主性和使用便利性，因为智能体一旦介入个人数据和在线服务的访问，就可能影响用户如何做出决定和执行操作。
方法
- 在用户的手机或电脑上本地运行智能体，让它使用用户已有的浏览器或服务访问权限，不必等待平台提供 API 或 MCP 集成。
- 将聊天记录、记忆、操作和设置保存为用户可控制文件夹中的纯文本文件，以便其他应用或模型使用同一份数据。
- 保持模型可替换，让用户可以更换服务提供商，无需迁移历史记录，也不必让某一家提供商永久控制这些数据。
- 添加确定性的客户端安全层，目标是在用户明确许可之前阻止数据泄露和未经授权的操作。
- 提供一个由用户意图驱动的统一界面，使智能体能够读取多个平台上的信息并执行操作，同时减少广告、弹窗、跟踪器和推荐内容界面的干扰。
结果
- Matcha Tennis 的案例据称将预订网球场的时间从约 2 分钟缩短到 5 秒，并在西雅图获得了超过 1,000 名用户。
- 作者在 Amazon 开发的 Slack MCP 服务器据称在数周内成为公司使用量最高的 MCP 服务器之一，用户达到数千名员工。
- 一个面向内部网站的统一 CLI 据称平均每秒运行约一次，让开发者无需等待各项服务的负责人，就能添加集成。
- 文章没有为所提出的 Mango 设计提供受控基准测试、安全审计、数据集评估或与现有智能体系统的对比。
- 文章主要提出了一种产品架构：本地执行、基于文件的记忆、模型可迁移性、无需平台许可的界面访问，以及客户端强制执行的安全机制，被视为实现用户控制的个人 AI 所需的条件。