没有锁定的 AI 未来——Tailscale 的 Remy Guercio

Tailscale 负责 AI 网关 Aperture 的 Remy Guercio 回顾了过去一年的 AI 锁定问题，并探讨团队如何在证明真实 ROI 的同时摆脱锁定。他把内部 AI 部署拆成四层：模型、数据连接器（MCP、CLI 和 API）、界面以及沙箱，认为 AI 网关是保持各层可替换的关键。他展示了 Aperture 如何用 Tailscale 网络做身份认证而非共享 API key、按模型设置预算（廉价模型不限额度、前沿模型严格限制）、同时充当 LLM 与 MCP 网关、在一处统一处理 Cursor、Claude Code 和 Codex 的认证，并保留可用于诊断 Agent 行为的日志。

AI推荐理由 Tailscale 的 Remy Guercio 讨论 AI 工具锁定与 ROI 问题，提出把内部 AI 部署拆成模型、数据连接器（MCP、CLI、API）、界面和沙箱四层，并主张用 AI 网关保持各层可替换。具体信息包括 Aperture 用 Tailscale 网络做身份认证而非共享 API key、按模型设置预算（廉价模型不限、前沿模型收紧）、同时作为 LLM 与 MCP 网关、统一处理 Cursor、Claude Code 和 Codex 的认证，并保留可用于排查 Agent 行为的日志。局限是内容以产品能力介绍为主，缺少第三方验证或量化效果数据。