微软首席软件工程经理谈团队如何用AI与MCP连接器

一堆 MCP 连接器并不等于上下文引擎

你的团队通过 MCP 把 Slack、Jira 和 GitHub 连接了起来，可工程师们仍然把时间花在引导 agent 找到正确答案上。

本文要探讨的就是其中的原因：连接器一次只能从一个工具抓取数据，于是每个 agent 都得自己把碎片拼起来，相信第一个看起来靠谱的文档，而且每次搜索都会增加你的 token 账单。

看看当上下文引擎架设在连接器之上时会发生什么变化：同样的编程任务完成速度快了 83%，成本降低了 48%。

我的书《The Multiplier Mindset》由 O'Reilly 出版，最近刚刚发行，并且过去 3 周一直是亚马逊的 #1 畅销书（或接近榜首）。

在本书的第二部分，我收录了 8 个成功倍增者的案例研究（技术负责人、工程经理、资深工程师和架构师），探讨了：

他们给工程师和工程领导者在 AI 时代蓬勃发展的建议

今天，我分享的是书中收录的微软首席软件工程经理 Tarik Guney 的案例研究。

Tarik Guney 是 Microsoft Teams 的工程领导者。他的团队负责多个对 Teams 的健康和可靠性至关重要的服务。

他曾在多家公司工作过，领导过不同规模的团队，也管理过经理，这些经历让他认识到系统思维的重要性。

他的大部分工作都在于理解事情通常在哪里出问题，并找出系统中的瓶颈和约束。

Guney 指出，这些“往往源于沟通不畅、缺乏沟通或沟通延迟”，并且通常表现为延迟以及缺失或失真的反馈（来自人和工具两方面）。

Guney 的工作还包括直接落实正确的技术指导，或者“引入合适的领域专家，或者确保团队在正确的深度上探索了解决方案”。他解释说，目标是“尽早发现可预防的错误，避免它们升级为难以管理的问题”。

作为工程经理，他通过一对一辅导来支持团队，同时确保他们获得应有的曝光度和认可。他努力让团队的目标清晰明确，确保它们与组织其他部分保持一致，同时给工程师留出实验的空间。

Guney 说，他的成功归结为一个简单的问题：他的团队是否在以可持续的方式持续为组织创造价值，同时不在其他地方造成倒退？不能带来有意义价值的工作，实际上就是瞎忙。

为了消除瞎忙，Guney 同时关注领先指标和滞后指标。

“滞后指标反映结果，”他解释说。“它们表现为系统可靠性、交付可预测性以及他们所构建之物的整体影响。领先指标才是我大部分注意力所在。”

这让团队能够主动塑造开发者生产力、流程效率以及自身的职业成长，同时识别并消除瓶颈。Guney 说，瓶颈不仅仅是技术性的：

它们往往来自低效的工具、不清晰的流程，或者构成我们文化的不一致假设。我努力确保这些领先指标的改善能够随着时间的推移转化为更好的结果。

当它们没有转化时，通常是一个信号，说明我们在优化错误的东西，或者遗漏了一个重要的约束。

他说，随着时间的推移，专注于瓶颈会培养你的直觉，让你知道 AI 在哪里真正有用、在哪里没用。这种直觉比追逐每一个新能力更有价值。

Guney 将“倍增他人”理解为在不增加团队成员工作时间或压力水平的前提下提高每个人的产出，这对“持续取得成果至关重要”。

他把这个问题分解为文化、目标和工具：

他说，好的工程文化应该具备“清晰的沟通、信任和心理安全感”。

设定正确的目标是管理瓶颈的关键。

高效的工具减少手工工作，释放工程师的认知能力，让他们专注于正确的问题。

Guney 指出，根据他的经验，大多数改进往往孤立地存在于这三个类别之一中。例如，更好的开发工具可以提高编码速度，但不一定能改善沟通或对齐。

同样，流程变更可能改善协调，但不会减少认知负荷，恰恰相反。

在实践中，试图用新流程解决每一个问题会让事情变得更复杂。它增加了记住和遵循每一套步骤所需的认知负荷，同时也限制了个人的创造力。

这反过来又限制了生产力的提升，使其只能是渐进式和局部性的。

Guney 发现 AI 对于审视日常工作中反复出现的短板非常有帮助。这些短板可能表现为缺乏协调、认知短板、身体限制和时间约束。

他喜欢提醒自己，整个系统的运行速度最终取决于它最慢的部分。这个心智模型帮助他专注于正确的问题。

以身体限制为例。我们许多工程师的打字速度大约是每分钟 80 到 100 个单词。我们只能坐着专注有限的时间，而且注意力会随时间下降。

认知限制也类似。我们只能深度思考有限的时间，在工作记忆中保持有限的信息量，在时间压力下清晰地传达有限数量的复杂想法。

在会议中，我们会忘记或记错细节，并且带着不同的上下文和沟通风格行事。

作为一种工具，AI 扩展了我们的身体和认知能力，就像书写扩展了人类思考、记忆和协调的能力一样。AI 甚至进一步扩展了这些能力。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）