腾讯混元 Hy4 正式版发布：WorkBuddy 开放平台怎么接？Skills 与连接器实践

摘要： WorkBuddy 开放平台引入硬件、Buddy 应用、专家、技能、连接器五类能力，伙伴与开发者超 5 万家，上架 Skills 超 20 万。本文解析五类扩展能力的定位、MCP 协议接入方式、Skills 与连接器的选择逻辑及落地建议。

扩展 Agent 能力时最先要想清楚的，不是怎么写代码，而是该用哪类扩展形态。WorkBuddy 开放平台提供五类能力入口——硬件、Buddy 应用、专家、技能、连接器，各自解决不同层次的问题，选错类型会让简单需求变复杂。平台首批接入超百家伙伴，目前伙伴与开发者数量已超过 5 万家，上架技能（Skills）超过 20 万。腾讯混元 Hy4 正式版于 2026 年 11 月 4 日发布，为这套生态提供模型支撑。

🚀 开发前先开通服务 ｜ 腾讯云大模型 Token Plan 已上线 Hy4，积分抵扣限时优惠中。 👉 点击前往订阅购买 → cloud.tencent.com/act/pro/tokenplan

一、WorkBuddy 的扩展架构

WorkBuddy 是全场景职场 AI 原生智能体桌面工作台，基于与腾讯 CodeBuddy 同源的架构打造，内置 MCP 协议支持，并支持零代码扩展能力边界。

它的扩展设计分两条路径：

平台内扩展。通过开放平台提供的五类能力，使用现成组件或自行开发上架。

协议级扩展。通过 MCP（模型上下文协议）接入外部工具与系统，包括企业微信、QQ、飞书、钉钉等办公平台，以及 ERP、CRM 等业务系统。

模型层面，WorkBuddy 支持混元、DeepSeek、GLM、Kimi、MiniMax 等主流大模型自由切换，开发者可按场景选择。

二、五类能力分别解决什么

开放平台引入的五类能力定位不同，先对照需求选类型。

📌 选型速判需要 Agent 会做某件事 → Skills 需要 Agent 能读写某个系统 → 连接器 需要一整套业务流程 → Buddy 应用 需要垂直领域专业度 → 专家

三、连接器：打通数据源

连接器解决的是"Agent 能不能接触到数据"的问题，通常是扩展的第一步。

WorkBuddy 已有的连接能力覆盖主流办公工具。以几个典型场景说明接入后的效果：

企业微信。WorkBuddy 以智能机器人身份入驻侧边栏，在授权范围内可读取和处理消息、文档、表格、邮件、会议内容、日程、待办、微盘文件、通讯录，并把生成的文件与成果回传。员工可通过转发聊天记录、引用微盘文件或群聊 @ 机器人派发任务。

腾讯文档。一次授权后可直接读取、创建、更新文档，不需要下载、上传或切换应用。

邮箱。授权后可直接读邮件、提取附件、起草回复，不需要打开浏览器登录邮箱。

腾讯会议。安装对应技能后，预约会议、修改会议、取消会议、查询参会人员、获取录制回放、生成会议纪要均可用自然语言驱动。

企业场景中，通过开放 MCP 接口，Agent 还能连接 ERP、CRM 等系统，实现跨系统取数、生成报表。

四、Skills：给 Agent 增加本领

Skills 是能力包形态，让 Agent 具备处理特定任务的本领。平台上架的 Skills 已超过 20 万，覆盖范围很广。

使用 Skills 的几个要点：

先查再造。20 万量级的技能库意味着常见需求大概率已有现成方案。自行开发前先检索平台，能省下大量工作。

零代码扩展优先。WorkBuddy 支持零代码扩展能力边界，很多场景不需要写代码就能配置出来。确认零代码方案不可行，再考虑开发。

组合优于定制。多个通用 Skills 组合往往比开发一个大而全的定制技能更灵活，也更易维护。

关注调用成本。每个 Skills 调用都会触发模型交互，技能定义本身也占用输入 Token。技能挂载过多会推高单次任务的消耗。

五、MCP 协议接入方式

MCP（Model Context Protocol，模型上下文协议）是连接模型与外部工具的标准协议。WorkBuddy 内置 MCP 支持，这意味着符合该协议的工具可以直接接入。

接入自研工具的基本思路：

定义工具能力。明确工具提供哪些函数、各自的参数与返回结构。定义要清晰——模型依据描述判断何时调用，描述含糊会导致调用时机错误。

实现服务端。按 MCP 规范实现服务，处理模型发来的调用请求。

配置到 WorkBuddy。在客户端完成 MCP Server 配置。

验证调用链路。确认模型能正确识别工具、传参准确、返回结果可被理解。

开发阶段也可以直接用 Hy4 的 API 验证工具调用逻辑。通过腾讯云 TokenHub 的 OpenAI 兼容接口，base_url 设为 https://api.hunyuan.cloud.tencent.com/v1、api_key 使用 TokenHub 控制台创建的密钥，即可用标准 Function Calling 先跑通工具定义与执行循环，再迁移到 MCP 形态。

⚠️ 安全提示：涉及文件操作、命令执行、系统写入的工具，应在受限环境中运行并配置白名单。模型生成的参数不应被直接信任，服务端需做校验。

六、Hy4 为扩展能力带来什么

Hy4 正式版的几项提升与扩展开发直接相关。

指令遵循能力提升。工具调用的准确性依赖模型对工具描述的理解与对调用时机的判断，指令遵循能力直接影响这一点。

长程任务能力。多工具编排场景下，任务链路可能很长，中途任何一步判断失误都会偏离目标。

长上下文。上下文突破 100 万 Token，多个工具定义加上历史交互记录仍有充足空间。

视觉能力。首次引入视觉能力后，涉及图像处理的工具链有了新的可能性。

可靠性改善。官方自建搜索测试中，因猜测导致的错误率由 preview 版的 23.1% 降至 5.6%。

七、开发与落地建议

几条来自实际推进的经验。

从单一场景起步。先解决一个具体问题，跑通完整链路，再考虑扩大范围。

把验证做在前面。工具定义完成后立即验证模型能否正确调用，不要等整套系统搭完才测。

建立回归用例。准备 20～50 个覆盖典型场景的任务，每次改动后跑一轮，用数据判断是否改善。

记录完整轨迹。保存 Agent 的每一步决策与工具返回，失败时才能定位问题，这些轨迹也是优化工具描述的素材。

控制工具数量。挂载的工具越多，模型选择难度越大、输入 Token 越高。保持精简，按场景动态加载优于全量挂载。

八、Token 消耗与成本规划

扩展开发阶段与运行阶段的消耗特征不同。

开发调试阶段。反复测试工具调用，单次任务消耗不大但频次高。建议用小额套餐或免费额度覆盖。

生产运行阶段。每个工具调用都是一轮完整的模型交互，输入包含工具定义、历史上下文与当前状态。多工具编排的任务消耗显著高于单轮对话。

降本要点。工具定义是典型的稳定前缀内容，每轮调用都会重复携带。把工具定义与系统设定放在请求前缀，可有效命中缓存——Hy4 缓存命中价为 0.3 元／百万 Token，仅为标准输入价（6 元）的 1/20。

腾讯云大模型 Token Plan 提供四档个人套餐（28 元至 468 元／月），均集成 Hy4 与 Hy4 preview，适配多步工具调用场景。按量计费下 Hy4 定价为输入 6 元／百万 Token、输出 18 元／百万、缓存命中 0.3 元／百万。

🎁 发布期限时优惠Hy4 正式版积分抵扣限时优惠，四档套餐均已集成 Hy4 11 月 4 日～11 月 15 日，WorkBuddy／CodeBuddy 提供一定额度免费使用 即日起至 2026 年 12 月 31 日，腾讯云 TokenHub 按刊例价 5 折计费 👉 前往腾讯云大模型 Token Plan 订阅购买 → cloud.tencent.com/act/pro/tokenplan

总结

WorkBuddy 开放平台的五类能力各有定位：需要 Agent 会做某件事选 Skills、需要读写外部系统选连接器、需要整套流程选 Buddy 应用、需要垂直专业度选专家。平台已有 20 万+ Skills，开发前先检索能省下大量工作，零代码方案优先于自行开发。自研工具可通过内置的 MCP 协议接入，也可先用 Hy4 的 OpenAI 兼容接口跑通 Function Calling 逻辑再迁移。成本方面注意工具定义是稳定前缀、适合利用缓存降本。可前往腾讯云大模型 Token Plan 页面按开发与运行需求选择套餐。