Granary by Speakeasy：AI Agent 时代的 MCP "水电煤"

2026-02-13 | Product Hunt | 官网 | GitHub

界面解读：这是 Gram 的 Playground 界面。左侧是从 OpenAPI 文档自动生成的工具集（13个 tools），右侧是 AI 对话窗口（使用的是 Claude 4.5 Sonnet），开发者可以实时测试 AI Agent 调用 API 工具的效果。说白了，就是一个让你“先试后部署”的沙盒。

30秒快速判断

这产品是干嘛的：把你现有的 API（OpenAPI 文档）一键变成 MCP Server，让 Claude、Cursor 这些 AI 工具能直接调用你的 API。说人话就是 —— 帮你给 AI Agent 装上“手”，让它能操作你的系统。

值不值得关注：值得。MCP 已经成了 AI Agent 连接外部世界的事实标准（OpenAI、Google、Microsoft 都在用），而 Gram 是目前最成熟的“API 转 MCP”方案。如果你在做 AI Agent 相关的产品，这个必须了解。

与我有关三问

与我有关吗？

目标用户是谁：

• 有 REST API 的 SaaS 公司，想让自己的 API 实现“AI 化”
• 在做 AI Agent 产品的开发团队，需要接入各种外部 API
• 企业 IT，想统一管理组织内所有 Agent 能访问的工具

我是吗？ 如果你满足以下任一条件，你就是：

• 你有一个带 OpenAPI 文档的 API，想让 AI 能调用它
• 你在用 Claude Desktop / Cursor / OpenAI Agents SDK，想给它接更多工具
• 你在做 AI 产品，需要让 Agent 能操作第三方系统（支付、CRM、数据库等）

什么场景会用到：

• 你有个 600 个端点的 API，想精选出 15 个给 AI 用 --> 用 Gram
• 你需要让 AI Agent 帮客户配置账单 --> 用 Gram
• 你想给内部 AI 助手接上 Jira/Slack/自家系统 --> 先看 Composio，特别定制化的需求用 Gram
• 你只是用 Claude 写代码 --> 不需要这个

对我有用吗？

ROI 判断：如果你有现成的 OpenAPI 文档，这基本是“白捡”的效率提升 —— 免费版就够探索了。如果你的 API 没有 OpenAPI 文档，那得先补上这一步，这个前置成本比较高。

喜闻乐见吗？

爽点在哪：

• 一键生成：上传 OpenAPI 文档，600 个端点自动精选成 5-30 个 AI 友好的工具，这个精选（curation）能力是最大卖点
• 即插即用：生成的 MCP Server 直接能在 Claude Desktop、Cursor 里用，零配置
• Playground 测试：在部署前就能看到 AI 怎么调用你的工具，提前排雷

“哇”的瞬间：

“我考虑了五分钟自己建 MCP Server，然后意识到那会是个生产力黑洞。” —— Polar 创始人

用户真实评价：

正面：“和 Speakeasy 团队合作很棒，响应速度总是超快。我们不到一周就把支付 API 变成了生产级 MCP Server。” —— Polar 团队 中性：Nordic APIs 评价 Speakeasy 的设置过程“相对简单，但需要穿过好几个界面，找文档也花了点时间”

给独立开发者

技术栈

• 前端 / Dashboard：TypeScript
• 后端：Golang + Goa（设计优先的 API 框架）
• 工作流引擎：Temporal
• LLM 网关：OpenRouter
• 计费系统：Polar（按量计费）
• 工具定义：TypeScript SDK + Zod schema 验证
• SDK 生成：Speakeasy 自家 SDK 生成器

核心功能怎么实现的

Gram 的核心逻辑分两条路径：

路径 1 —— OpenAPI 自动生成：你上传 OpenAPI 文档，Gram 解析所有端点，自动把它们包装成 MCP 兼容的工具定义。关键是它不是简单的一对一映射，而是做了“工具精选（tool curation）” —— 把几百个端点精简成几十个有语义的高阶工具。

路径 2 —— Gram Functions 自定义：用 TypeScript 写自定义工具，可以把多个低级 API 操作链成一个高阶工具（比如“创建订单”这个工具内部可能调了 5 个 API）。用 npm create @gram-ai/function@latest 快速起步。

然后所有工具自动部署为托管的 MCP Server，带 OAuth 2.1 + PKCE 认证，开箱即用。

开源情况

• 开源吗：完全开源，github.com/speakeasy-api/gram
• 类似开源项目：FastMCP（Python 生态，MCP 绑定）、openapi-mcp-generator（自部署）
• 自己做难度：中高。MCP Server 本身不难写，但做到 Gram 这种自动精选 + OAuth + 托管的水平，大概需要 2-3 人开发 3 个月

商业模式

• 变现方式：SaaS 订阅 + 按量计费
• 定价：免费版 1K 次调用/月 | Pro $29/月 5K 次调用 | Enterprise 定制
• 用户量：Speakeasy 整体有 3000+ 用户（2024 年数据）

巨头风险

这是个值得讨论的问题。Cloudflare 已经提供 MCP Server 托管能力，Vercel 也在做类似的事。但 Gram 的差异化在于“工具精选（tool curation）” —— 不只是托管，而是帮你把乱糟糟的 API 变成 AI 能理解的工具集。这个精选层是目前巨头还没做的。不过如果 OpenAI 或 Anthropic 自己做了一个类似的“API to MCP”一键转换工具，那 Gram 的护城河就很浅了。

给产品经理

痛点分析

• 解决什么问题：AI Agent 需要调用外部 API，但直接暴露 API 给 LLM 有三个大坑 —— 工具太多（LLM 选择困难）、认证复杂（OAuth 配置噩梦）、没有管控（谁的 Agent 调了什么一无所知）
• 痛点有多痛：高频刚需。每个要接入外部系统的 AI Agent 项目都会撞上这个问题。Polar 的创始人说得很直白 —— 自己做就是“生产力黑洞”

用户画像

• 画像 1：SaaS 公司的 API 团队（10-50 人团队），需要让客户的 AI Agent 能调用自家 API
• 画像 2：AI Agent 创业公司的工程师，要快速接入多个第三方系统
• 画像 3：企业 IT 管理员，要统一管理组织内 AI Agent 的工具权限

功能拆解

竞品差异

可借鉴的点

1. 工具精选（Tool Curation）理念：不是把所有 API 端点都暴露给 AI，而是精选、组合成高阶工具。这个思路值得所有做 AI 工具的团队借鉴
2. Playground 先行：在部署前让用户“看到” AI 怎么用工具，降低了试错成本
3. 协议无关设计：工具定义不绑定 MCP，未来协议变了也不用重写。这种前瞻性架构设计很聪明

给科技博主

创始人故事

• Sagar Batchu（CEO）：Harvey Mudd College 物理系出身，在 LiveRamp 从 0 建起了伦敦 50+ 人的工程团队。家族在印度种咖啡好几代了 —— 一个种咖啡家族出来的人，做了 API 开发者工具
• Simon Yu（COO）：前 Flexport 和 SafeGraph 产品，负责客户成功
• 为什么做这个：Sagar 在 LiveRamp 亲眼看到大公司做 API 体验有多痛苦，想让每个公司都能有 Stripe 级别的 API 体验。Speakeasy 最初做 SDK 生成，2025 年 MCP 爆发后全力转型为“MCP 公司”

争议点/讨论角度

• MCP 是不是“AI 界的 USB-C”最终答案？ Google 的 A2A 协议在做 Agent 间通信，MCP 做的是 Agent 到工具的连接。两者互补还是竞争？
• “工具精选”到底是 AI 做还是人做？ Gram 现在主要靠人工配置精选规则，未来能不能让 AI 自动做？
• 开源 + 托管的商业模式矛盾：代码全开源了，为什么还要付费？答案是运维、OAuth 代理、SLA —— 但这个故事能讲多久？

热度数据

• PH 排名：123 票，中等热度
• Twitter/X：最近 30 天没有明显的社区讨论，产品还比较“安静”
• 行业认可：Nordic APIs 十大 MCP 构建工具之一，Glama 2025 MCP 年度报告提及
• 客户含金量高：Verizon、Vercel、Mistral AI —— 虽然主要是 Speakeasy 整体的客户

内容建议

• 适合写的角度：“MCP 到底是什么？为什么所有 AI 公司都在接入？” —— 用 Gram 作为切入点讲 MCP 生态
• 蹭热点机会：每次有新的 MCP 相关大新闻（比如又一个巨头接入 MCP），都可以拿 Gram 当案例讲“怎么快速接入”

给早期采用者

定价分析

上手指南

• 上手时间：30 分钟（前提是你有 OpenAPI 文档）
• 学习曲线：低（如果懂 API 和 MCP 概念）/ 中（如果需要先学 MCP 是什么）
• 步骤：
  1. 注册 Gram 账号 -> speakeasy.com/product/gram
  2. 上传你的 OpenAPI 文档
  3. 在 Dashboard 里精选工具集（选择需要暴露给 AI 的端点，组合成高阶工具）
  4. 在 Playground 里测试（选 Claude 模型，发 prompt 看效果）
  5. 拿到 MCP Server URL，配置到 Claude Desktop / Cursor / 你的 Agent 里
  6. 如果要自定义，用 npm create @gram-ai/function@latest 创建 Gram Function

坑和吐槽

1. MCP 生态还在早期：Polar 的反馈是“MCP 还很新，工具链还在成熟”。如果你遇到奇怪的问题，可能是协议层面的，不是 Gram 的锅
2. OpenAPI 文档质量很关键：如果你的 OpenAPI 文档写得烂（描述不全、类型不对），生成出来的工具 AI 也用不好
3. 语言限制：目前 Gram Functions 只支持 TypeScript。如果你是 Python 生态，FastMCP 可能更顺手

安全和隐私

• 数据存储：工具调用经过 Gram 云端代理，API 请求和响应会经过 Speakeasy 的基础设施
• 认证：内置 OAuth 2.1 + PKCE，支持自带 OAuth 提供商
• 企业合规：Enterprise 版支持自托管数据平面（dataplane），数据不出你的网络
• 安全审计：有审计日志功能（Enterprise）

替代方案

给投资人

市场分析

• 赛道规模：Agent 编排市场预计达 300 亿美元（原预计 2030 年，可能提前 3 年）
• MCP 采用速度：9700 万+ 月 SDK 下载，OpenAI/Google/Microsoft/Anthropic 全部接入
• 增长预测：Gartner 预测 2026 年底 40% 的企业应用将包含 AI Agent（目前不到 5%）
• 驱动因素：AI Agent 从“聊天”走向“操作”，需要标准化的工具接入层

竞争格局

Timing 分析

• 为什么是现在：MCP 在 2024 年 11 月由 Anthropic 发布，2025 年被 OpenAI/Google/Microsoft 全面采纳，2025 年底进入 Linux Foundation。协议标准化的窗口期就是现在
• 技术成熟度：MCP 协议已经生产可用（9700 万+ 月下载），但“API 到 MCP”的转换工具还处于早期
• 市场准备度：75% 的网关供应商预计 2026 年集成 MCP，企业需求正在爆发

团队背景

• CEO Sagar Batchu：Harvey Mudd College 物理学，前 LiveRamp 工程总监（从 0 建到 50+ 人）
• COO Simon Yu：前 Flexport / SafeGraph 产品
• GTM Hector Hernandez：前 LaunchDarkly 全球 VP 销售，前 Traceable / Teleport CRO
• 团队规模：22 人，旧金山 + 伦敦
• 过往成绩：SDK 生成产品已有 Verizon、Vercel、Mistral AI 等客户

融资情况

• 种子轮：1160 万美元（2023 年 5 月），Google Ventures 领投
• A 轮：1500 万美元（2024 年 10 月），FPV Ventures 领投
• 总融资：约 2660 万美元
• 投资人：FPV Ventures, Google Ventures (GV), Quiet Capital, Kortschak Investments
• FPV 评价：“Speakeasy 团队之前构建企业 API 的经验，让他们对工程团队面临的困难有着深刻的洞察和共情”

结论

Gram 是 MCP 时代的 “Heroku” —— 不是做 AI Agent 本身，而是做 Agent 和外部世界之间的连接层。赛道大、时机对，但护城河要看工具精选（tool curation）这个差异化能不能守住。

资源链接

2026-02-13 | Trend-Tracker v7.3 | 研究数据基于 12 次 WebSearch + X 搜索 + Gemini 图片解读