从被 AI 推荐到被智能体用好:Resend 的产品设计

Latent Space6 天前

当开发者让 Claude Code 接入邮件功能时,智能体推荐哪个服务,可能直接决定最终进入项目的 SDK。开发者一旦接受代码补丁,未必还会逐一尝试备选方案。

这让开发者工具面临两个不同的问题:如何被 AI 推荐,以及被选中之后,如何让智能体真正用好产品。 前者属于答案引擎优化(AEO)的讨论,后者则进入了智能体体验(Agent Experience)的范畴。

被推荐,不等于拥有稳定优势

一项针对 Claude Code 推荐行为的研究中,在研究者提取出的 102 次邮件服务推荐里,Resend 有 64 次排在首位;SendGrid 首位出现 7 次,但作为备选出现了 55 次。

不过,另一项覆盖更广的 AEO 研究呈现了不同结果:Postmark 在多数模型中居于首位。

这些结果不宜直接等同于市场份额,也不足以证明某家服务拥有稳定优势。它们更具体地说明:模型和评测范围不同,推荐排序也可能不同。

先进入开发者的工作流

Resend 早期的重要切入口,并不是直接说服开发者更换邮件发送服务,而是解决邮件模板难写的问题。

团队在开发发送 API 时,持续听到开发者抱怨:让邮件呈现出理想效果很麻烦。于是,他们推出了 React Email。开发者可以用它制作模板,再通过 SendGrid 发送,团队甚至为这种用法提供了文档。

这意味着,开发者还没决定更换邮件服务时,Resend 团队的部分代码就可能已经进入项目。

页面不仅要方便人看,也要方便机器读

Resend 的定价页提供滑块,用户可以拖动滑块,根据发送量查看价格。这对人很直观,却未必是智能体获取信息的高效方式。

在定价页地址末尾添加 .md 后,智能体可以一次请求拿到可读取的价格表,不必操作交互控件。

这里的区别很具体:

  • 人类界面侧重浏览、交互和视觉反馈。
  • 机器可读界面侧重直接获取信息并用于判断。

相比只关注模型是否知道产品名称,检查智能体能否准确读懂套餐、用量和价格,是更容易着手验证的体验问题。

MCP 应该暴露 80 多个工具,还是两个?

在访谈录制时,Resend 的 MCP 服务已从上线初期的大约 20 个或更少工具,扩展到 80 多个。

联合创始人兼 CEO Zeno Rocha 希望,用户在聊天客户端里,也能完成原本需要进入控制台处理的操作。不仅是发送邮件,还包括邀请成员、检查用量和管理账单等任务。

另一种设计是 Cloudflare 的 Code Mode:通过 search() 和 execute() 两个工具提供 API 访问能力。

这并不能简单归结为“工具越少越好”或“覆盖越全越好”。工具数量之外,还有一个独立问题:每次调用究竟返回多少信息。

Zeno 会展开会话中折叠的工具调用,检查智能体实际做了什么。他遇到过一次返回结果过大、无法装入上下文的情况。即使减少工具总数,也不会自动让这次调用的结果变小。

对于 MCP 设计者,一个直接的检查方法是:展开日常调用的返回结果,看看模型究竟需要其中哪些内容。

点击“发送”之后,体验还没有结束

让智能体选中 SDK,只完成了接入环节。邮件能否可靠投递,还涉及基础设施、安全与滥用治理。

例如,邮件服务商可以通过共享追踪域名改写链接,以统计点击。如果某个客户利用该域名进行钓鱼,导致域名被加入拦截名单,其他客户正常邮件中的链接也可能受到影响。

Resend 推出自定义追踪域名,正是围绕这一风险展开的设计。Zeno 同时表示,希望保留免费套餐,即使免费注册也可能被垃圾邮件发送者利用。

这说明,智能体体验并不止于工具能否调用成功。邮件发送之后的投递质量、链接信誉和反滥用机制,同样是产品需要处理的问题。

值得讨论:你会优先优化哪一层?

Resend 的实践把问题拆成了几个可以分别检查的环节:模型是否推荐产品,智能体是否读得懂定价,工具是否覆盖任务,返回结果是否适合上下文,以及任务执行后的业务风险如何处理。

如果你正在开发 API、SDK 或 MCP 服务,你会优先解决哪一个:让模型知道你、让智能体读懂你,还是让它第一次调用就顺利完成任务?

评论

请登录后发表观点

暂无数据