Agent 2 不只是稍微翻新 UI，而是重新思考助理該如何處理規模與模糊需求。它不再只執行一次性的指令，而是把較大型的功能需求視為多步驟任務：先提出釐清問題，再產生依序排列、須經你核准的實作計畫。這些檢查點能減少修改失敗，也讓建置者清楚掌握每項操作的目的。Agent 還會在變更後自行檢查錯誤，利用編輯器的問題掃描器和截圖驗證結果。對團隊來說，這代表更少突發回歸問題，也能更快地從構想到安全變更。

MCP（模型連接器協定）是最受矚目的功能：在 Claude 或 ChatGPT 中新增 Bubble 連接器後，這些模型便能檢視應用程式結構，並即時建立頁面、元素和工作流程。這不是匯出靜態程式碼，而是直接將內容加入 Bubble 專案的視覺化模型。實際上，這讓許多工作流程成為可能，例如匯入氛圍編碼原型、在聊天中透過 LLM 反覆調整 UI，或讓非工程師同事請 LLM 新增報表或管理頁面。早期示範顯示，端到端流程可大幅加快——過去需要交接給開發者的工作，如今一個人就能完成；但前提是必須有完善的存取控制和明確的復原機制。

Agent 2 採取分階段的方式——先提出釐清問題、擬定明確計畫，再徵求核准——能減輕建置者的認知負擔，並自然地設下審核關卡。舉例來說，新增需要登入的使用者儀表板時，Agent 會詢問資料來源、權限和邊界情況，再將工作拆解為頁面、可重複使用的元素和工作流程。你可以核准高層級步驟，並將低風險的 UI 微調交給 Agent。對產品經理和稽核人員而言，這些檢查點都是可採取行動的依據，有助於評估範圍、推出方式及回復策略。

氛圍編碼平台和一次性程式碼產生器很適合快速製作原型，但產出的成果往往難以讓非工程師維護。Bubble 結合 MCP 與視覺化編輯器，目標是成為可持續維護的落腳點：不必匯出原始程式碼，而是將功能匯入產品團隊能編輯的視覺化模型。這可能讓 Bubble 成為不同 AI 助理產出成果的「持久後端」。代價則是治理要求：若要真正成為安全的多代理執行層，Bubble 需要完善的版本管理、代理權限，以及更清楚的費用資訊。

新功能也帶來營運風險：意外觸發呼叫外部 API 的迴圈、代理商或第三方代理參與時權責不明，以及自動化工作流程擴大後產生預料之外的工作量費用。Bubble 目前的防護措施——Agent 檢查點、問題掃描器，以及針對較高工作量需求的企業銷售方案——固然有幫助，但仍不完善。在分支功能、更健全的版本控制和細緻的代理權限普遍推出之前，團隊應將 MCP 存取權視同正式環境資料庫憑證：限制存取範圍、使用測試專案進行代理建置，並要求部署前明確簽核。