理解MCP：连接AI模型与外部数据的桥梁
模型情境化协议（Model Contextualization Protocol, MCP）最近成为人工智能领域的焦点，吸引了包括OpenAI、Google以及美国国内外众多企业的广泛关注。Second Coffee的创始人兼首席执行官Charlie Graham最近在一篇博客文章中分享了他对MCP及其重塑行业格局的潜力的见解。本文基于深入的研究和构建实验性MCP服务器的实践经验，深入探讨了MCP的可能性和当前的限制。
MCP可以被概念化为标准化的API，作为外部数据源或应用程序与大型语言模型（LLM），如ChatGPT或Claude之间的关键连接。这些协议使AI模型能够访问来自旅游网站的实时数据，管理日历，甚至操作计算机上的文件。
虽然像Claude、Cursor和OpenAI这样的一些AI工具已经采用了自定义的集成功能，但MCP为所有这些交互提供了一种通用和标准化的格式，大大增强了它们的通用性。
一个MCP主要由两个组件组成：一个客户端（例如，ChatGPT）和一个服务器（例如，一个航班调度网站）。当一起使用时，它们赋予AI模型访问实时数据、在线执行操作以及更像主动代理而不是静态聊天机器人的能力。
目前，两种主要的MCP正在获得关注。第一种类型是为开发者量身定制的，例如Cursor或Claude Code等工具，它们可以在笔记本电脑等设备上运行，以管理文件和执行脚本。第二种类型是面向实际应用的，专注于搜索产品、注册域名、预订活动或发送电子邮件等活动。
为了探索实际意义，开发了两种不同类型的MCP。第一个名为GPT Learner，是一个开发者服务器，旨在帮助用户指导Cursor记住错误并避免重复。如果Claude或Cursor错误地覆盖了代码，该工具允许用户记录并从错误中学习，存储正确的方法以供将来参考。
第二个项目是一个预测市场MCP，它将大型语言模型连接到一个网站betsee.xyz，该网站聚合了实时预测市场。当用户向Claude提出诸如“特朗普暂停关税的次要影响是什么，人们在赌什么？”之类的问题时，MCP会返回来自Polymarket或Kalshi的相关市场和实时赔率。
为什么MCP尚未准备好迎接黄金时代
构建这两个MCP揭示了几个关键的见解，主要是MCP尚未准备好被广泛采用。
目前MCP的用户体验远非理想。大多数聊天机器人，如ChatGPT，尚未支持MCP服务器。在支持的聊天机器人中，安装通常需要手动编辑JSON，这个过程远非用户友好。像Cursor和Claude这样的聊天机器人倾向于提示用户进行每次请求，并且经常返回不完整的信息或原始JSON输出，使得体验笨拙且令人不满意。
使用Claude的桌面版本查询预测市场MCP时，除非明确要求，否则它经常无法提供链接或价格，有时甚至根本不调用服务器。使用MCP时，Claude不断弹出的提示进一步降低了用户的兴趣。虽然预计MCP在未来可以实现无缝处理和有意义的响应，但该技术尚未达到这个阶段。
安全是另一个重要的担忧。鉴于它们执行外部操作和访问实时系统的能力，MCP面临着许多安全挑战。提示注入、恶意工具安装、未经授权的访问和特洛伊木马攻击是非常现实的威胁。目前，缺乏沙箱、验证层和一个成熟的生态系统来处理这些极端情况。
这些问题清楚地表明，MCP仍然是一项实验性技术。
客户端的决定性作用
在构建这些服务器时获得的一个重要教训是，客户端，而不是服务器，最终决定了MCP的未来。
那些控制与大型模型交互的人也控制着用户看到哪些工具，哪些工具被触发，以及哪些响应被显示。人们可以创建世界上最有用的MCP服务器，但客户端可能不调用它，可能只显示其一半的输出，或者甚至可能不允许其安装。
MCP与守门人的出现
客户端的关键权力意味着MCP最终将像搜索引擎和应用商店一样受到管理。领先的大型模型应用提供商，如OpenAI和Anthropic，将成为新的“守门人”，决定哪些MCP可以被列出，并通过推荐算法策划它们的发现。
自从1990年代后期问世以来，Google控制了呈现给用户的内容，这帮助他们建立了一个非常有利可图的业务。聊天机器人现在正在获得这种能力，用直接的答案取代了传统搜索引擎的“10个蓝色链接”。他们可以决定显示哪些内容，排除哪些内容，以及如何格式化它。
MCP安装过程可能类似于应用商店模型。正如Apple和Google通过决定推荐、预安装或批准哪些应用程序来塑造移动生态系统一样，大型模型客户端将决定哪些MCP服务器被展示、推广，甚至允许在平台上使用。这种动态可能会导致公司之间的竞争，可能涉及向模型提供商支付费用以获取推荐和在新生态系统中的曝光率，从而促进高利润MCP分发平台的创建。
用户将从精心策划的“MCP商店”安装MCP或“AI聊天应用程序”。像Gmail、HubSpot、Uber和Kayak这样的工具将添加MCP端点，直接集成到基于聊天的流程中。虽然理论上用户可以选择安装他们想要的任何MCP，但大多数人可能会依赖客户端提供的建议，例如ChatGPT的建议。这些建议不会是随意的，而是来自有利可图的合作伙伴关系，大型公司付费成为购物、旅游、域名搜索或服务搜索类别中的默认选项。这种级别的可见性将转化为数百万用户，提供巨大的曝光率、数据和商业价值。
一些客户端MCP应用商店（MAS）将提供更宽松和开放的MCP选择，允许更广泛的实验和社区开发的MCP。其他的将有严格的审批流程，优先考虑质量、安全性和货币化。无论哪种情况，客户端都会设置参与条件以及成功的规则。
MCP客户端，如OpenAI和Claude，将成为新的iOS和Android平台，MCP服务器扮演着应用程序的角色。这些应用程序不是通过图标，而是通过用户命令来调用，通过语言交互为用户需求提供丰富、结构化和交互式的响应。
随着时间的推移，我们可能会看到专门的客户端出现，专门针对特定行业或领域。想象一个专注于旅行计划的AI聊天助手，无缝集成来自航空公司、连锁酒店和旅行社的服务，为用户提供全面的旅行计划体验。或者一个专注于人力资源的MCP客户端，提供对法律数据、员工记录和组织工具的统一访问，从而改变企业的管理方式。
虽然大多数用户会坚持使用主流客户端，但一些开源AI聊天机器人将会出现。这些聊天机器人将吸引希望完全控制他们安装的MCP的专业人士，而不会受到守门人施加的限制。然而，像Linux桌面系统一样，这些开源产品可能仍然是利基市场。
新兴生态系统中的新机遇
预计将涌现出几种类型的企业和工具来服务于不断发展的MCP格局，包括：
MCP包装器和服务器包： 这些会将多个相关的MCP捆绑到一个安装包中，从而简化设置。想象一个单一的软件包，提供日历、电子邮件、客户关系管理和文件存储MCP，无需任何配置即可使用。这样的软件包将简化人事流程，并且在垂直市场中特别有用。它们也可能包括打包工具（“设置日历并发送电子邮件”）。
MCP购物引擎： 一些MCP服务器将充当AI驱动的比较引擎，提供来自各种供应商的实时价格和产品列表。他们将通过联盟链接获利，赚取推荐费。这种方法模仿了早期的搜索引擎优化和联盟营销。
MCP优先的内容应用： 这些服务将通过MCP服务器优化大型语言模型的内容交付，而不是为人类观看者设计网站。想象一下通过MCP调用返回的丰富、结构化数据和语义标签。收入将来自订阅或嵌入式赞助和产品植入，而不是页面浏览量。
API到MCP提供商： 许多现有的API提供商希望参与这个新生态系统，但缺乏资源这样做。这将推动中间件工具的出现，这些工具自动将传统的REST API转换为兼容且可发现的MCP服务器，从而使SaaS平台可以轻松加入。
MCP的Cloudflare： 安全是一个主要问题。这些工具将位于客户端和服务器之间，清理输入，记录请求，阻止攻击并监视异常情况。正如Cloudflare使现代网络更安全一样，这种类型的服务将在MCP生态系统中发挥类似的作用。
企业“私有”MCP解决方案： 大型公司将开始将其内部服务连接到私有MCP服务器并使用开源AI产品。这些内部设置将成为防火墙后的AI工作流程的一部分，使公司可以控制。
垂直领域专注的MCP客户端： 虽然许多聊天机器人可以满足一般用户的需求，但某些场景，例如工业采购和合规性工作，需要特定的用户界面和业务逻辑。垂直领域专注的MCP客户端将会出现，具有定制的操作、语言和布局，以满足这些独特的需求。