2.3 胶水编程
什么是胶水代码
胶水代码（Glue Code）是软件开发中一个重要概念。它指的是连接不同软件组件的代码——本身不包含业务逻辑，而是负责协调和整合。
想象你在做一份研究报告。数据来自 Excel、新闻来自网页、图表要用专门的工具生成。把这些来源整合成一份完整报告的工作，就是胶水的角色。
胶水代码的特点：
| 特性 | 说明 |
|---|---|
| 连接性 | 连接不同模块或服务 |
| 无业务逻辑 | 专注于数据传递和格式转换 |
| 轻量级 | 代码量少，但作用关键 |
| 适配性 | 处理不同接口之间的差异 |
Python 之所以被称为胶水语言，正是因为它特别擅长这种连接工作——可以调用 C 库、操作数据库、访问网络服务，把各种组件粘合在一起。
能连不造的开发哲学
Vibe Coding 把胶水编程提升到了核心位置。核心理念是：能抄不写，能连不造，能复用不原创。
传统编程鼓励从零实现功能。但在 AI 时代，更高效的方法是组合现有组件。原因有三：
减少幻觉风险：AI 在生成全新代码时可能出错。但如果只是调用经过验证的现有库或服务，出错概率大大降低。
降低复杂性：每个被调用的组件都是久经考验的成熟代码，有完善的文档和社区支持。
提高效率：与其让 AI 从头实现一个功能，不如让它找到并调用合适的现有工具。
| 维度 | 传统编程 | 胶水编程 |
|---|---|---|
| 代码来源 | 从零编写 | 组合现有组件 |
| 技能要求 | 精通编程语言 | 理解系统架构和接口 |
| 开发速度 | 较慢 | 快速 |
| 维护成本 | 需维护全部代码 | 只维护连接逻辑 |
| 风险控制 | 可能引入新 bug | 使用经过验证的组件 |
MCP 协议初步介绍
MCP（Model Context Protocol，模型上下文协议）是 Anthropic 推出的开放协议，为 AI 应用与外部工具、数据源的集成提供了标准化接口。
在 MCP 出现之前，如果想让 AI 调用外部工具，需要为每个工具编写自定义的集成代码。有了 MCP，这种情况变成了统一协议、标准化接口的方式。MCP 就像 AI 系统的万能胶水——一个统一的协议，让 AI 能够安全、高效地访问各种外部资源。
MCP 的三个核心组件：
| 组件 | 功能 | 举例 |
|---|---|---|
| 工具（Tools） | 执行具体操作 | 搜索网页、读写文件 |
| 资源（Resources） | 访问外部信息 | 数据库查询、API 调用 |
| 提示（Prompts） | 管理对话流程 | 预定义的交互模板 |
第 7 章「工具使用」会详细讲解 MCP 协议的架构、Server 开发和实战应用。这里只需要理解核心概念：与其让 AI 从头实现功能，不如让它连接已有的成熟服务。
模块化思维
胶水编程背后是模块化思维。把系统拆分成独立的模块，每个模块执行特定功能，通过标准接口通信。
模块化的核心原则：
- 独立性：每个模块可以独立开发和测试
- 互操作性：模块之间通过标准接口通信
- 可重用性：模块可在不同项目中复用
- 可替换性：可以用更好的模块替换现有模块
用投资分析来类比：你不需要自己写爬虫抓取财报数据，可以用 Wind 或 Choice 的 API；不需要自己实现情感分析算法，可以调用现成的 NLP 服务；不需要自己设计报表模板，可以用专业的可视化工具。你的工作是把这些模块组合起来，形成有价值的分析流程。
金融场景：舆情分析的胶水架构
假设你要构建一个金融舆情分析系统。传统做法是从零实现每个功能。胶水编程的思路是组合现有组件：
你的工作不是实现每个模块的内部逻辑，而是设计整体架构、选择合适的组件、编写连接它们的胶水代码。这样既能快速构建系统，又能保证各模块的可靠性。