模型上下文協議（MCP）的出現，預示着人工智能應用生態系統即將發生根本性變革。 由 Anthropic 於2024年11月推出的 MCP，旨在規範 AI 應用程序與其訓練數據之外的世界進行交互的方式。正如 HTTP 和 REST 爲 Web 應用和服務間的連接奠定了基礎，MCP 正在爲 AI 模型與各種工具的連接建立統一的標準。

雖然關於 MCP 的技術解讀已屢見不鮮，但其作爲一項“標準”的真正力量往往被忽視。標準化的意義遠不止於技術上的統一，它更能催生增長的飛輪效應。早期採納者將能乘勢而上，而忽視者則可能落後於時代。

MCP (1)

從混亂走向情境:MCP 如何賦能 AI 應用

想象一下像 Lily 這樣的產品經理，她需要同時在 Jira、Figma、GitHub、Slack、Gmail 和 Confluence 等多個工具之間切換，以推進項目。直到大型語言模型（LLM）出現，並在信息整合方面展現出卓越的能力，她纔看到一線曙光。如果能將團隊使用的所有工具都接入到一個模型中，就能實現自動更新、草擬溝通內容並按需解答疑問。

然而，當時的每個模型都有其連接服務的獨特方式，這使得每次集成都將 Lily 更深地綁定在特定供應商的平臺上。每當需要接入新的服務（例如 Gong 的通話記錄）時，都意味着需要構建新的定製連接，這無疑增加了未來切換到更優 LLM 的難度。

MCP 的出現改變了這一切。這個開放協議標準化了上下文信息流向 LLM 的方式，並迅速獲得了 OpenAI、AWS、Azure、Microsoft Copilot Studio 以及即將加入的 Google 等行業巨頭的支持。官方 SDK 覆蓋了 Python、TypeScript、Java、C#、Rust、Kotlin 和 Swift 等主流編程語言，社區也積極貢獻了 Go 等其他語言的 SDK。MCP 的普及速度令人矚目。

如今，Lily 可以通過 Claude 運行各種功能，並通過本地 MCP 服務器連接到她的工作應用。狀態報告自動生成草稿，領導層更新只需一個簡單的提示即可完成。隨着新模型的出現，她可以輕鬆替換底層模型，而無需重新構建任何集成。甚至在她編寫代碼時，也可以在 Cursor 中使用 OpenAI 的模型，並與 Claude 共享同一個 MCP 服務器，讓 IDE 能夠理解她正在構建的產品。MCP 讓這一切變得無縫銜接。

標準的力量與影響:重塑 AI 生態系統

Lily 的故事揭示了一個樸素的真理:用戶厭倦了碎片化的工具，反感被供應商鎖定，企業也不希望每次更換模型都必須重寫集成。人們渴望自由地選擇和使用最佳工具，而 MCP 正是實現這一願景的關鍵。

標準化帶來的影響是深遠的:

  • 缺乏強大公共 API 的 SaaS 提供商將面臨淘汰風險。 MCP 工具依賴於這些 API，客戶將要求爲其 AI 應用提供支持。隨着事實標準的形成，缺乏開放 API 將不再是可接受的理由。
  • AI 應用開發週期將大幅縮短。 開發者無需再爲簡單的 AI 應用編寫自定義集成代碼，而是可以直接將 MCP 服務器與現成的 MCP 客戶端（如 Claude Desktop、Cursor 和 Windsurf）集成。
  • 轉換成本將顯著降低。 由於集成與特定模型解耦，企業可以在 Claude、OpenAI 和 Gemini 等不同模型之間自由切換，甚至混合使用，而無需重建底層基礎設施。未來的 LLM 提供商將受益於圍繞 MCP 構建的現有生態系統，從而專注於提升模型本身的性價比。

利用 MCP 應對挑戰:標準化進程中的摩擦

任何標準的推行都會帶來新的挑戰，MCP 也不例外:

  • 信任至關重要。 目前涌現了大量的 MCP 註冊中心和由社區維護的服務器，但如果無法控制或信任服務器的運營方，就可能面臨將敏感信息泄露給未知第三方的風險。SaaS 公司應提供官方服務器，開發者應優先選擇官方服務器。
  • 質量參差不齊。 API 不斷髮展，維護不善的 MCP 服務器很容易與最新的 API 不同步。LLM 依賴高質量的元數據來選擇合適的工具，而目前缺乏權威的 MCP 註冊中心，這更加凸顯了來自可信機構的官方服務器的重要性。SaaS 公司應隨着 API 的更新維護其服務器，開發者應尋求官方服務器。
  • 大型 MCP 服務器會增加成本並降低實用性。 將過多的工具捆綁到單個服務器中會增加 token 消耗，並使模型面臨過多的選擇，導致混淆。構建和分發小型化、專注於特定任務的服務器至關重要。
  • 授權和身份驗證挑戰依然存在。 這些問題在 MCP 出現之前就已存在，MCP 並未完全解決。例如，賦予 LLM 發送郵件的能力時，需要謹慎控制其行爲，避免超出預期範圍的操作。對於高風險操作，人工監督仍然至關重要。

展望未來:MCP 引領 AI 應用基礎設施變革

MCP 並非曇花一現的炒作，而是人工智能應用基礎設施的根本性轉變。

如同以往被廣泛採納的標準一樣，MCP 正在構建一個自我強化的飛輪:每一個新的服務器、每一個新的集成、每一個新的應用程序都在增強其影響力。

新的工具、平臺和註冊中心正在不斷涌現，旨在簡化 MCP 服務器的構建、測試、部署和發現過程。隨着生態系統的不斷髮展，AI 應用將提供更簡潔的接口來接入新的功能。採用 MCP 協議的團隊將能夠更快地交付產品，並提供更完善的集成方案。提供公共 API 和官方 MCP 服務器的公司將能積極參與到集成生態中，而那些行動遲緩者則可能逐漸失去競爭力。

正如 Postman 的產品負責人 Noah Schwartz 所言，標準化正在成爲驅動下一波人工智能創新浪潮的隱祕而強大的力量。