近期，Google DeepMind和OpenAI等巨頭紛紛宣布支持由Anthropic主導的模型上下文協(xié)議（MCP），這一舉動引發(fā)了行業(yè)內(nèi)的廣泛關注。MCP旨在成為AI Agent時代的開放標準，為AI模型與外部數(shù)據(jù)源和工具之間的交互提供標準化的解決方案。本文將深入探討MCP的核心價值、實際應用場景以及它為開發(fā)者帶來的具體好處，幫助讀者理解這一新興標準如何推動AI技術的發(fā)展和應用。

AI領域的互操作性標準之爭正變得異常熱鬧。

就在本周，Google DeepMind CEO Demis Hassabis宣布，將為其Gemini模型添加對Anthropic主導的模型上下文協(xié)議MCP的支持，稱其為“一個優(yōu)秀的協(xié)議，正迅速成為 AI Agent 時代的開放標準”。

這距離OpenAI CEO Sam Altman宣布支持MCP僅僅過去幾周時間。

幾乎在同一時間段，Google Cloud也高調(diào)推出了自己主導的、旨在實現(xiàn)AI Agent之間協(xié)作和工作流自動化的開放協(xié)議——Agent2Agent (A2A)，并聯(lián)合了包括Salesforce、Box等在內(nèi)的 50 多家技術伙伴。

這種看似“左右互搏”的舉動——既擁抱競爭對手的標準，又力推自家的新協(xié)議，恰恰凸顯了當前行業(yè)對于如何讓AI模型、Agent更有效地連接外部數(shù)據(jù)、工具乃至彼此協(xié)作的迫切需求與探索。盡管A2A的目標是Agent間的通信與協(xié)作，Google對MCP的明確支持，仍然被視為MCP走向主流標準的一個強力信號。

B端产品经理的能力模型与学习提升

B端产品经理面临的第一大挑战，是如何正确的分析诊断业务问题。 这也是最难的部分，产品设计知识对这部分工作基本没有帮助，如果想做好业务分析诊断，必须具备扎实 ...

查看详情 >

那么，這個讓巨頭們投入關注，并且已經(jīng)在實際應用中嶄露頭角的MCP，其核心價值究竟是什么？它能為開發(fā)者和用戶帶來哪些實實在在的好處？

01 AI的“通用連接器”

MCP 最初由 Anthropic 提出并開源，旨在創(chuàng)建一個開放、標準的規(guī)范，讓大型語言模型能夠無縫地與各種外部數(shù)據(jù)源和工具（如業(yè)務軟件、數(shù)據(jù)庫、代碼庫等）進行交互?？梢詫⑵湎胂鬄锳I世界的“USB-C”或“通用翻譯器”，解決模型智能與現(xiàn)實應用之間的連接問題。

在Anthropic的推動下，尤其是在OpenAI和Google這兩大巨頭相繼明確表態(tài)支持后，MCP正從一個有潛力的提議，加速成為被廣泛接受的標準。這標志著AI應用開發(fā)朝著更統(tǒng)一、更高效的方向邁出了重要一步。國內(nèi)如阿里云百煉等平臺也已迅速跟進，上線MCP功能并著手構(gòu)建服務生態(tài)。

MCP的核心價值在于“標準化”。它定義了一套通用規(guī)范，允許任何AI模型（客戶端）通過輕量級的“MCP服務器”與外部資源交互。這解決了以往需要為每個模型和工具定制集成方案的碎片化問題，MCP借鑒了API、LSP等協(xié)議標準化的成功經(jīng)驗。雖然技術本身非顛覆性，但其標準化的嘗試對提升開發(fā)效率和拓寬應用場景潛力巨大。

02 MCP到底有什么用？

那么MCP的實際價值體現(xiàn)在何處？關鍵在于其模型無關的通用性、可重用性和組合性，這使得AI能夠在真實場景中發(fā)揮更大作用。

首先，MCP有效打通了AI與外部數(shù)據(jù)和工具的壁壘。有了MCP，AI能直接與數(shù)據(jù)庫對話，用自然語言查詢實時的銷售數(shù)據(jù)；或者連接到你的代碼倉庫，像一個真正的助手那樣瀏覽、理解甚至修改代碼。同樣，通過接入Slack、Google Drive等日常生產(chǎn)力工具的MCP服務器，AI可以幫你收發(fā)消息、查找更新文檔，無縫融入你的工作流程。

MCP的更大的潛力在于驅(qū)動更復雜的Agent行為和跨服務協(xié)作。AI Agent不再局限于執(zhí)行單一任務，而是能組合調(diào)用多個MCP服務器來完成復雜目標。

必優(yōu)科技近期發(fā)布了AI PPT方向的MCP Server，市場負責人張嘉蒙給硅星人舉了一個例子：要生成一份介紹北京交通的PPT，AI可以先調(diào)用地圖服務商（如高德）的MCP獲取交通數(shù)據(jù)，再調(diào)用PPT制作工具（比如必優(yōu)自己的服務）的MCP來整合信息并生成演示文稿。這種跨服務的便捷調(diào)度，尤其是讓不同開發(fā)者提供的服務能被AI靈活組合，在過去是難以想象的，MCP則有望打破這種壁壘?！俺Ｒ?guī)我是調(diào)不到高德接口的，因為他們沒空理我們，MCP至少讓我們的門檻降低了”。

Codeium是最早集成 MCP的開發(fā)者工具公司之一。在他們的 IDE產(chǎn)品Windsurf中引入了MCP 支持，使AI能夠執(zhí)行各種開發(fā)任務，而不僅僅是代碼補全。Codeium 的付費用戶可以通過 GUI 或配置文件配置外部 MCP 服務器，Codeium 用戶可以連接一個文件系統(tǒng)或 Git MCP 服務器，以便 AI 代理可以瀏覽和修改項目文件。 Codeium團隊指出，Windsurf 現(xiàn)在能夠讓用戶自己選擇MCP 服務器，以使用定制工具和服務。這種擴展性極大地增強了 AI 在 IDE 中的能力—-AI 不再局限于靜態(tài)代碼，而是能夠與外部 API 交互、運行測試命令或通過網(wǎng)絡搜索查詢文檔。

此外，像LangChain這樣的開源代理框架已開始整合MCP。已有工具發(fā)布，可將MCP工具轉(zhuǎn)換為適用于Python或TypeScript代理的LangChain工具，這意味著使用LangChain規(guī)劃的現(xiàn)有代理可以像調(diào)用本地函數(shù)一樣調(diào)用MCP服務器。這些表明，MCP正在吸引那些希望其AI代理具備廣泛功能而不必從頭編寫每個集成的開發(fā)者。

另一個更生動的一個例子來自一位自稱代碼小白的開發(fā)者“瑪格麗特加鹽”，他利用Cherry Studio平臺，接入Gemini模型，并參考官方文檔自建了一個MCP服務器，該服務器集成了搜索API（包含谷歌地圖、航班、酒店工具）。通過這種方式打造了一個個性化的旅行助手。在測試中，當詢問“新加坡機場到景點的公共交通路線”時，AI通過MCP調(diào)用了谷歌地圖工具，給出了比通用AI（如豆包）更具體、準確且附帶地圖截圖的路線規(guī)劃。在處理更復雜的“規(guī)劃杭州到新加坡行程（含機票酒店推薦）”任務時，AI更是展現(xiàn)了按需依次調(diào)用時間、航班、酒店搜索等多個MCP工具的能力，實現(xiàn)了多步驟規(guī)劃，其結(jié)果的可用性也顯著優(yōu)于通用AI的簡單聯(lián)網(wǎng)搜索。

當我們對比MCP與特定模型的內(nèi)置功能（如Function Calling）時可以看到，MCP不局限于某個模型意味著為一個工具構(gòu)建的MCP服務器，可以被任何支持MCP協(xié)議的AI客戶端復用，極大地促進了工具生態(tài)的繁榮，因此被形象地稱為“AI領域的ODBC”。當然，這種靈活性也可能帶來額外的部署開銷和初期技術門檻。

目前，MCP也存在著一些局限性。例如開發(fā)者“多多”在嘗試使用Claude + Blender MCP進行3D建模時發(fā)現(xiàn)的，雖然MCP能讓AI執(zhí)行一些Blender的簡單操作，但在從零創(chuàng)建復雜模型或精確修改特定部位時效果不佳，AI難以精確理解3D空間的細節(jié)。她的經(jīng)驗表明，現(xiàn)階段MCP在某些專業(yè)領域的深度應用，可能更適合輔助專業(yè)用戶加速簡單操作，或在已有模型基礎上進行粗略調(diào)整，而非完全替代傳統(tǒng)流程。

也就是說，要發(fā)揮MCP的價值，不僅依賴協(xié)議本身，更依賴于MCP服務器的具體能力以及AI模型對任務和工具的理解程度，其在特定領域的成熟仍需時日。

MCP并非完美無缺，傳統(tǒng)API在某些場景下仍有其價值。當前其應用尚處早期，但跨模型兼容性和標準化的優(yōu)勢正吸引著越來越多的參與者。

從目前趨勢看，隨著行業(yè)主要玩家的采納、相關生態(tài)的逐步建立以及更多實際應用的探索，MCP很可能成為AI與現(xiàn)有軟件和服務集成的基礎技術。我們可能會看到更多產(chǎn)品“自帶”MCP接口，讓軟件天生具備“AI就緒”能力。這就像瀏覽器擴展API改變了網(wǎng)頁交互一樣，MCP正在為AI模型提供一套標準化的方式，與現(xiàn)實世界的數(shù)字工具進行協(xié)作。MCP有潛力成為提升AI在具體業(yè)務場景中實用性的關鍵基礎設施，促進AI與現(xiàn)有軟件和工作流程更緊密的融合。