模型上下文协议（MCP）正迅速成为下一代人工智能驱动应用的基础标准。由Anthropic于2024年末开发并作为开放标准发布，MCP旨在解决人工智能生态系统中的一个核心问题：如何无缝且安全地将大型语言模型（LLM）和人工智能代理连接到广阔且不断变化的真实世界数据、工具和服务领域。
Anthropic解释说，随着人工智能助手及其背后的大型语言模型的改进，’即使是最复杂的模型也受到其与数据隔离的限制——被困在信息孤岛和遗留系统之后。每一种新的数据源都需要其自定义实现，这使得真正连接的系统难以扩展。’
MCP是Anthropic给出的答案。该公司声称，它将提供一个’通用、开放的标准，用于将人工智能系统与数据源连接，用单一协议取代碎片化的集成。’
MCP：人工智能数据的通用适配器
在我看来，MCP是一种通用的人工智能数据适配器。正如以人工智能为中心的公司Aisera所说，你可以将MCP视为’人工智能的USB-C端口’。正如USB-C标准化了我们连接设备的方式一样，MCP标准化了人工智能模型与外部系统交互的方式。换句话说，Linux基金会的执行董事Jim Zemlin将MCP描述为’正在成为人工智能系统的基础通信层，类似于HTTP对网络所做的事情。’
具体来说，MCP定义了一个基于JSON-RPC 2.0的标准协议，该协议使人工智能应用程序能够通过单一、安全的接口调用函数、获取数据和利用来自任何兼容工具、数据库或服务的提示。
MCP 的架构与组件
它通过遵循具有几个关键组件的客户端-服务器架构来实现这一点。这些是：
- **主机（Host）：**需要访问外部数据的人工智能驱动的应用程序（例如，Claude Desktop、集成开发环境（IDE）、聊天机器人）。
- **客户端（Client）：**管理与单个MCP服务器的专用、有状态连接，处理通信和能力协商。
- **服务器（Server）：**通过MCP协议公开特定功能——工具（函数）、资源（数据）和提示，连接到本地或远程数据源。
- **基础协议（Base protocol）：**标准化的消息传递层（JSON-RPC 2.0）确保所有组件可靠且安全地通信。
这种架构将’M×N集成问题’（其中M个AI应用程序必须连接到N个工具，需要M×N个自定义连接器）转换为更简单的’M+N问题’。因此，每个工具和应用程序只需要支持一次MCP即可实现互操作性。这对于开发人员来说确实可以节省时间。
MCP 的工作原理
首先，当AI应用程序启动时，它会启动MCP客户端，每个客户端连接到不同的MCP服务器。这些客户端协商协议版本和功能。建立与客户端的连接后，它会查询服务器以获取可用的工具、资源和提示。
建立连接后，AI模型现在可以访问服务器的实时数据和功能，从而动态更新其上下文。这意味着MCP使AI聊天机器人能够访问最新的实时数据，而不是依赖于预索引的数据集、嵌入或LLM中的缓存信息。
因此，当你要求AI执行任务（例如，’纽约到洛杉矶的最新航班价格是多少？’）时，AI会将请求通过MCP客户端路由到相关服务器。然后，服务器执行该功能，返回结果，并且AI将此最新数据合并到你的答案中。
此外，MCP使AI模型能够在运行时发现和利用新工具。这意味着你的AI代理可以适应新的任务和环境，而无需进行重大代码更改或机器学习（ML）重新训练。
简而言之，MCP用单一、开放的协议取代了碎片化的、定制构建的集成。这意味着开发人员只需要实现一次MCP即可将AI模型连接到任何兼容的数据源或工具，从而大大降低了集成复杂性和维护开销。这使开发人员的生活更加轻松。
更直接的是，你可以使用AI生成MCP代码并解决实施挑战。
MCP 的核心优势
以下是MCP提供的内容：
统一的标准化集成： MCP充当通用协议，使开发人员可以通过单一的标准化接口将其服务、API和数据源连接到任何AI客户端（例如聊天机器人、IDE或自定义代理）。
双向通信和丰富的交互： MCP支持AI模型和外部系统之间的安全、实时、双向通信，不仅可以实现数据检索，还可以实现工具调用和操作执行。
**可扩展性和生态系统重用：**一旦你为某项服务实施了MCP，任何符合MCP的AI客户端都可以访问它，从而促进可重用连接器的生态系统并加速采用。
一致性和互操作性： MCP强制执行一致的JSON请求/响应格式。这使得调试、维护和扩展集成变得更加容易，而与底层服务或AI模型无关。这也意味着即使你切换模型或添加新工具，集成仍然可靠。
增强的安全性和访问控制： MCP在设计时考虑了安全性，支持加密、精细的访问控制和用户对敏感操作的批准。你还可以自托管MCP服务器，从而可以将数据保留在内部。
**缩短的开发时间和维护：**通过避免碎片化的、一次性的集成，开发人员可以节省设置和持续维护的时间，从而使他们能够专注于更高级别的应用程序逻辑和创新。此外，MCP在代理逻辑和后端功能之间的清晰分离使代码库更模块化、更易于维护。
MCP 的采用情况与未来展望
对于任何标准来说，最重要的事情是：’人们会采用它吗？’仅仅几个月后，答案响亮而明确：是的。OpenAI于2025年3月增加了对其的支持。4月9日，谷歌DeepMind领导者Demis Hassabis表示支持。谷歌首席执行官Sundar Pichai迅速表示赞同。包括微软、Replit和Zapier在内的其他公司也纷纷效仿。
这不仅仅是说说而已。一个不断增长的预构建MCP连接器库正在涌现。例如，Docker最近宣布它将通过MCP目录支持MCP。MCP推出不到六个月，该目录已经包含来自Grafana Labs、Kong、Neo4j、Pulumi、Heroku、Elasticsearch等公司的100多个MCP服务器。
除了Docker可以访问的内容之外，已经有数百个MCP服务器。这些服务器可用于以下任务：
- 客户支持聊天机器人： AI助手可以实时访问CRM数据、产品信息和支持票证，从而提供准确、有背景的帮助。
- 企业AI搜索： AI可以搜索文档存储、数据库和云存储，并将响应链接到其相应的源文档。
- 开发人员工具： 编码助手可以与CVS和其他版本控制系统、问题跟踪器和文档进行交互。
- AI代理： 当然，自主代理可以计划多步骤任务，代表用户执行操作，并通过利用MCP连接的工具和数据来适应不断变化的需求。
真正的问题是，MCP不能用于什么。
MCP代表着一种范式转变：从孤立的静态AI到深度集成、上下文感知和具有行动能力的系统。随着协议的成熟，它将支撑新一代AI代理和助手，这些代理和助手可以安全、高效且大规模地跨越全方位的数字工具和数据进行推理、行动和协作。
自2022年生成式AI首次爆炸式出现以来，我还没有见过任何技术像这样迅速发展。但真正让我联想到的是Kubernetes在十多年前的出现。当时，许多人认为在容器编排器中会出现一场竞争，比如Swarm和Mesosphere等现在几乎被遗忘的程序。我从一开始就知道Kubernetes将是赢家。
所以，我现在就预测。MCP将是AI的连接，它将释放AI在企业、云和更广泛领域的全部潜力。