MCP在互联网巨头中遇冷：一项分析
人工智能互操作性的讨论日益激烈。继百度上周在其开发者大会上宣布其全面的MCP服务之后，阿里巴巴、字节跳动和腾讯等中国主要科技公司也都开始了MCP之旅。
MCP，即模型上下文协议（Model Context Protocol），被设想为一个统一的标准，使人工智能能够与众多应用程序和服务无缝对接。它可以比作电脑和智能手机中无处不在的USB接口，允许各种外部设备的即插即用集成。本质上，MCP旨在为人工智能提供一个通用的“USB端口”来访问工具和执行任务。
2024年11月，美国人工智能公司Anthropic推出了MCP标准，该标准迅速被OpenAI和谷歌等竞争对手接受，这标志着与传统的专有生态系统竞争实践的背离。从4月份开始，包括阿里云的百炼、腾讯云的知识引擎、字节跳动的扣子空间和百度智能云在内的中国领先科技公司都推出了各自全面的MCP服务。
统一的希望与挑战
MCP的主要目标是促进统一，但这项努力面临着重大挑战。据多位开发者和研究人员称，虽然MCP在访问本地企业数据方面是有效的，但在尝试与互联网应用程序集成以执行预订航班、查看价格和创建旅游指南等任务时，它会遇到障碍。这些挑战源于人工智能调用过程的不成熟以及互联网工具的有限可用性，许多平台只提供对外围功能的访问。
并非所有互联网平台都同样热衷于采用这一通用标准并加入MCP服务提供商网络。中国互联网生态系统的封闭性，加上对数据隐私的高度敏感，使得许多平台持谨慎态度。他们更愿意在完全投入之前评估MCP生态系统的可行性和发展。
人工智能领域以其快速发展的术语和概念而闻名。当Anthropic去年年底最初开源MCP协议时，该行业在很大程度上采取了观望态度。然而，Manus的爆炸性普及已经激发了中国国内对MCP的兴趣。
MCP作为人工智能代理的催化剂
华中科技大学的侯欣怡认为，超越“聊天机器人”局限性的关键一步在于使人工智能能够与外部数据和工具进行交互，这正是MCP试图促进的。
在MCP之前，人们探索了其他方法来解决人们认为缺乏“人工智能代理”的问题。2023年底，OpenAI推出了应用商店（GPT Store）的概念，允许ChatGPT通过基于一组已定义标准的插件来利用外部工具。类似的AI应用商店，如字节跳动的扣子、百度的千帆和阿里巴巴的百炼，也纷纷效仿。
然而，这些方法最终达到了极限。插件和应用商店有一个共同的问题：孤岛化。每种工具都有自己独特的开发文档、参数格式和接口规范。这意味着开发者每次将新工具集成到人工智能中时都必须重新发明轮子，从而导致效率低下。
随着时间的推移，添加到应用商店的新工具数量下降，插件的质量差异很大，这阻碍了解决复杂任务的能力。这表明现有方法正在接近其极限。
MCP作为统一解决方案
MCP被视为一个有希望的解决方案，因为它强调统一。在其官方文档中，Anthropic将MCP比作人工智能世界的通用USB-C接口。侯欣怡更喜欢将其描述为“扩展坞”——一种通用的适配器，允许人工智能同时连接到多个外部工具，从而无需格式转换。
许多人预计MCP将产生变革性的影响，类似于秦始皇统一了度量衡，这促进了春秋时期以前分散的国家之间的贸易和交流。
据一家大型科技公司的智能互联工作组的技术负责人称，MCP还优化了人工智能的语言交互。以前，人工智能需要用户精确地陈述“我想导航”才能使用导航服务的API。即使是轻微的偏差也可能导致人工智能失败。现在，每种工具都必须提供标准化的名称、参数和功能描述。因此，人工智能只需要理解用户的意图，然后根据描述将其与最合适的MCP服务器进行匹配。
这种方法更符合大型语言模型的固有能力，使用户只需一句话即可调用服务，从而摆脱了之前直接接口到接口通信的要求。
MCP目前的采用情况和局限性
尽管MCP具有公认的潜力，但它尚未得到广泛采用，其实际应用仍然有限。目前，MCP在企业技术人员和独立开发者中最受欢迎。
作为一名前端工程师，龚典非常依赖人工智能编程助手Cursor。然而，Cursor一直难以与他公司的内部项目系统无缝集成，需要手动干预。虽然以前可以使用插件或函数调用，但外部人工智能无法访问公司的内部系统，并且实时调用引起了安全问题。另一方面，MCP可以在公司内部网络中启动，使其更加可靠和合规。
独立开发者朱妈妈最近指示Cursor学习MCP文档并将Google Maps和Search API打包到MCP服务器中，然后使用该服务器调用Google的Gemini大型语言模型。由此产生的配备MCP的Gemini被改造成了一个旅游指南助手。当被问及从新加坡机场到各个景点的公共交通路线时，该助手提供了比Doubao的回答更详细和准确的信息。
各种旅行助手正在开发者社区中涌现。当字节跳动的扣子空间在4月19日推出其内部测试版时，演示案例也是一个旅行AI助手，这促使一些人开玩笑说该行业痴迷于旅行。
朱妈妈坦言，关注旅行场景主要是因为它们与日常消费者需求相关。另一个原因是国内MCP兼容的互联网软件的可用性有限，这限制了市场的潜力。
根据导航平台MCP.so的最新统计数据，全球有超过11,028家MCP服务提供商，并且数量正在迅速增长。但是，在中国，目前只有少数大型地理位置应用程序（例如AutoNavi，百度地图和腾讯地图）充当大型MCP服务器。
这就是朱妈妈创建中文版旅行助手的计划很快停滞的原因。要开发中文旅行指南，最好使用国内地图服务。但是，朱妈妈发现AutoNavi提供的官方MCP服务器提供的信息非常有限。虽然它可以提供两个位置之间的路线查询，但它缺乏有关地标，评论，酒店票价和其他基本详细信息的详细信息。
相比之下，Google Maps API提供了详细的预订方法，酒店价格，酒店评论，酒店设施，甚至跨多个平台的价格比较，这种详细程度在中国生态系统中很难想象。
尽管腾讯、阿里巴巴、字节跳动和百度产品都在拥抱MCP，但它们的高频应用尚未正式加入MCP服务提供商网络。微信、小红书和抖音等平台，以及饿了么、美团和携程等生活服务平台明显缺席。
工具可用性和人工智能调度方面的挑战
除了工具的可用性有限之外，人工智能的调度能力也构成了一个制约因素。朱妈妈将6-8个API接口（包括Google Hotels，Maps和Search）打包到一个MCP服务器中，这远低于最大限制（Cursor允许每个代理最多40个工具）。但是，人工智能已经在努力确定要调用哪个工具。当面对复杂的请求时，人工智能无法分解该过程并分阶段调用MCP，而是试图一次处理所有事情。
龚典认为，MCP的价值取决于客户端和服务器端的质量。正如USB端口没有固有功能并且依赖于其背后的服务一样，MCP需要强大的服务才能发挥其潜力。
MCP为人工智能代理奠定了基础，但它并没有解决所有问题。一个未使用的标准只是一张纸。
上述技术负责人表示，Anthropic的MCP标准得到广泛采用，是因为其开源、非营利性质以及其创建者的信誉。其他组织愿意遵循信誉良好的实体制定的标准。
目前，寻求实现收入来源多样化的小型和中型公司以及大型互联网公司是MCP标准的主要采用者。
人工智能陪伴公司MiniMax最近推出了一个MCP服务器，社区经理蔡佳人表示，开发人员可以使用MCP来调用MiniMax的多模式功能，用于视频生成、语音生成和语音克隆。MCP包括严格的访问控制机制，以确保企业访问内部数据时的合规性。整个调用过程也得到了简化，而没有增加额外的令牌成本。
MiniMax决定推出MCP服务器的驱动力是使全球开发人员能够轻松利用MiniMax的模型功能并释放更灵活，更高效的创作。
其他初创公司也有类似的愿望。Biu Technology在一次采访中提到，开发人员可以使用AutoNavi MCP来获取交通数据，然后使用Biu的产品来生成PPT。MCP通过提供对AutoNavi接口的访问来降低了进入门槛，否则他们将无法访问该接口。
上述技术负责人认为，MCP本质上是一个关于服务提供商的故事。通过按照MCP标准封装其API，应用程序服务提供商可以使其服务可供所有人使用。
服务提供商之间的分歧和担忧
但是，服务提供商之间出现了分歧。许多公司并未完全致力于这个想法。尽管AutoNavi和百度地图等主要平台已推出了MCP服务器，但它们主要重新打包现有的API接口，提供传统功能，同时保持对核心用户权限和交易数据的严格控制。
除了地图定位服务外，第三方开发者的Xiaohongshu自动发布器（可自动搜索和发布内容）目前是Modeng社区MCP广场上最受欢迎的项目。侯欣怡认为，这可能对Xiaohongshu等社交内容平台的影响有限，但在食品配送平台等交易密集型场景中，数据和权限会变得特别敏感。
服务提供商的主要担忧之一是用户体验的控制。
例如，开放完整的食品配送服务需要授予人工智能代理访问敏感个人数据（例如价格、商店信息以及用户地址和联系信息）的权限。Anthropic已承认，MCP的安全系统（包括权限管理和调用审核）仍在开发中。因此，一些平台担心连接到MCP时存在未经授权调用的风险。
一些平台正在测试相对安全的交易场景。例如，支付宝最近推出了一个MCP服务器，声称要让人工智能代理“一键访问支付功能”。但是，仔细观察会发现，它主要提供收款服务而不是支付服务。
根据侯欣怡的说法，支付宝的方法侧重于促进商家的收款，而不是允许人工智能代表消费者付款。这是一个可行的选择，因为允许人工智能控制钱包并自由下订单对于每个人来说还不够安全。这也是交易服务无法广泛推广的关键原因。
更深层次的问题是，如果人工智能自由参与交易过程——帮助用户比较价格或推荐最具成本效益的餐厅——无疑会为用户提供极大的便利。但是，这也意味着服务平台将失去对用户选择过程的控制，并且其核心算法优势将被边缘化，从而将它们降低为普通供应商。
解决安全问题并促进普遍性
多位受访者认为，MCP需要解决两个关键问题：安全性和普遍性。
首先，是安全性。侯欣怡指出，MCP面临着两个安全挑战：缺乏集中式的安全监管以及不完整的身份验证和数据授权机制。目前，没有官方的MCP“发现广场”。许多第三方导航平台通过直接从GitHub提取代码项目来收集MCP服务，这既快速又简单，但缺乏正式的审查过程。Anthropic表示，它将在今年正式解决MCP托管机制和可发现性问题。Anthropic最近更新的协议草案正在努力解决这一缺陷。此外，国内组织（如IIFAA（互联网可信身份验证联盟））正在尝试填补安全漏洞。
在人工智能代理领域也存在长期存在的问题，例如提示劫持和工具组合攻击。但是，上述技术负责人认为，这些不是MCP漏洞，而是任何人工智能代理都存在的风险。目前，在MCP协议本身中没有发现明显的安全漏洞，并且数据传输和交互机制通常是可靠的。
安全性只是第一个障碍。真正的挑战是克服制造商的利益防御，并说服更多的制造商成为MCP服务器。
根据侯欣怡的说法，这与对互联网平台“围墙花园”性质的理解有关。数据是各种平台的重要竞争壁垒，因此许多制造商可能只会开放一些外围功能作为MCP服务器进行测试。制造商可能需要观望MCP生态系统将产生多大的影响。
上述负责人表示，如果它作为MCP服务器连接到AI，则可以获取更多的用户数据和习惯，并反馈给自己的基础模型，这可能成为制造商积极加入的最大动力。
当MCP服务器市场真正丰富时，必须考虑更遥远的问题。
例如，智能体如何调用手机上的不同App？该负责人提到，要通过手机的本地AI智能体唤醒另一个App，将需要额外一层的应用程序授权和身份验证，这不像MCP调用云服务那么简单，并且目前没有特别合适的解决方案。
再举一个例子，当服务供应过剩时，智能体如何做出选择 - 调用京东外卖还是美团外卖？使用高德地图还是百度地图？多位受访者提到，今天的MCP调用逻辑仍然非常基础，主要由服务提供商的“功能描述”决定，没有排序和优化机制。如果服务提供商故意在描述中添加诱导性语言，例如“最高效”和“必选”，则AI可能会被误导并转移到不应该去的地方。
正如上述技术负责人解释的那样，“这就像你无法在搜索引擎中找到你想要的服务，但会弹出一堆混乱的信息。如何准确地匹配用户最需要的服务，未来的MCP生态系统也将面临同样的问题。”
最终，任何标准的实施过程都充满了挑战。侯欣怡说，为了促进MCP的普及，可能需要一个类似于Manus的关键机会，才能真正使整个行业意识到MCP的力量。