从多API调用到单一接口：Merge如何简化第三方集成与AI未来

API集成的挑战与Merge的解决方案

在当今互联世界中，每个网络应用后端都由大量API组成。Merge联合创始人兼CTO Gil Feig指出，企业在B2B环境中经常需要重复集成相同类型的API。例如，会计软件需要同时集成QuickBooks、Xero、NetSuite和Sage，因为不同客户使用不同的系统。

Merge通过创建"类别"来解决这一问题——将软件垂直领域如HR、工单系统、文件存储、会计等进行分类。目前已有七个快速增长类别。核心方案是构建一个规范化的数据模型，包含各平台间的通用元素，然后集成所有平台并将数据转换为统一格式。

数据标准化与规范化

规范化数据模型

Merge创建了一个"有主见的、规范化的数据模型"。以Jira和Asana为例，Jira可能使用"title"字段，而Asana使用"name"字段。Merge将这些统一为通用类型。

更复杂的情况如Jira中的"epics"概念，在其他平台中不存在。Merge创建通用分组对象，通过类型来处理这类差异。这种方法避免了包含每个平台的每个字段，否则会导致API极其稀疏——数千个字段中每个集成只返回20个。

手动与AI辅助的标准化

Feig透露，大部分标准化工作仍是手动的。虽然现在可以使用AI研究不同API，但每个平台仍有大量细微差别。有些功能未文档化，某些使用行为令人意外。API可能暴露一个名为"Epic"的字段，但从未填充数据，因为该功能已弃用。

数据同步架构

同步而非实时调用

Merge选择同步数据而非实时调用。原因在于不同API的效率差异：有些API一个请求即可获取100张发票的所有数据，而其他API需要先获取100个ID列表，然后为每个ID单独获取发票详情，可能导致100次API调用，效率极低。

Merge在后台持续同步数据，转换为规范化格式，供客户随时检索。通过初始同步和后续同步区分，初始同步可能对服务器造成压力，因此与API提供商密切合作改进访问模式。

事件驱动架构

Merge使用webhook而非Kafka等事件驱动系统，主要因为广大客户群更熟悉webhook。但随着客户规模扩大，正在考虑更高级的事件系统。

AI与MCP在API未来的作用

MCP协议的价值

Feig认为MCP是众人期待已久的协议。它提供了从代理进行第三方API调用的更简单方式。但当前MCP服务器质量参差不齐，许多是为营销目的仓促构建，基本请求都可能失败。

AI驱动API的挑战

要实现真正的语义搜索（如"获取情绪最差的工单"），需要同步系统所有数据并进行向量化，或对足够小的数据集使用LLM上下文。这需要完整的数据同步。

Feig设想未来可能有AI驱动的API系统，通过单一端点接收LLM查询或提示，但企业目前缺乏动力，因为向量化所有数据成本高昂。

AI代理与代码生成

代理协作

Merge在AI业务演进中，重点是通过子代理链式调用LLM。实验发现让代理根据需要相互调用是最轻量级的方法，效果良好。

信任与准确性

Feig指出，当生成的代码通过编写的静态测试时，信任度会增加；但当测试也是AI编写时，信任度不会增加，因为AI可能编写"assert 1 = 1"这样的测试。

目前不可能100%信任AI编写所有代码。Merge在新产品中发现AI生成的代码公开返回API密钥，但通过代码审查立即捕获。

初级开发者的未来

Feig认为我们处于一个奇怪的过渡期，AI尚不能完全取代初级开发者。可能出现人口曲线问题——没有足够人员晋升高级职位。可能需要像数学课上"不能使用计算器"那样的训练，即使现实中总是可以使用。

理想API的愿景

更好的访问模式

Feig认为API未来不在于协议，而在于访问模式。需要能够在API上搜索数据，不仅是模糊搜索，还需要语义搜索。理想情况下，每个API都应有向量化查找端点。

理想API功能清单

• 核心数据模型和批量操作
• 无需逐模型查询——应获取分页数据，子模型可根据需要展开
• 类似GraphQL的灵活性或REST的expand参数
• 弹性搜索和文本匹配查找
• 每个数据模型的语义搜索端点
• 丰富的webhook功能
• 无需重新同步完整数据集即可知数据删除情况

GDPR使数据删除问题特别棘手，因为删除时没有更新，唯一知道的方法是重新思考整个数据集或希望有webhook通知。

结论

API集成领域正在经历重大变革，从多API调用到单一接口的简化，数据标准化的重要性，以及AI和MCP协议在塑造未来API功能中的作用。虽然AI工具正在进步，但人类监督和专业知识在确保安全性、准确性和处理复杂系统重构方面仍然不可或缺。理想的API未来将依赖于更好的访问模式，包括语义搜索能力，尽管成本考虑可能延缓这一进程。