模型上下文協議（MCP）正迅速成為下一代人工智慧驅動應用程式的基礎標準。由Anthropic於2024年末開發並作為開放標準發布，MCP旨在解決人工智慧生態系統中的一個核心問題：如何無縫且安全地將大型語言模型（LLM）和人工智慧代理連接到廣闊且不斷變化的真實世界數據、工具和服務領域。
Anthropic解釋說，隨著人工智慧助手及其背後的大型語言模型的改進，’即使是最複雜的模型也受到其與數據隔離的限制——被困在資訊孤島和遺留系統之後。每一種新的數據源都需要其自定義實現，這使得真正連接的系統難以擴展。’
MCP是Anthropic給出的答案。該公司聲稱，它將提供一個’通用、開放的標準，用於將人工智慧系統與數據源連接，用單一協議取代碎片化的集成。’
MCP：人工智慧數據的通用適配器
在我看來，MCP是一種通用的人工智慧數據適配器。正如以人工智慧為中心的公司Aisera所說，你可以將MCP視為’人工智慧的USB-C端口’。正如USB-C標準化了我們連接設備的方式一樣，MCP標準化了人工智慧模型與外部系統交互的方式。換句話說，Linux基金會的執行董事Jim Zemlin將MCP描述為’正在成為人工智慧系統的基礎通信層，類似於HTTP對網絡所做的事情。’
具體來說，MCP定義了一個基於JSON-RPC 2.0的標準協議，該協議使人工智慧應用程式能夠通過單一、安全的介面調用函數、獲取數據和利用來自任何相容工具、資料庫或服務的提示。
MCP 的架構與組件
它通過遵循具有幾個關鍵組件的客戶端-伺服器架構來實現這一點。這些是：
- **主機（Host）：**需要訪問外部數據的人工智慧驅動的應用程式（例如，Claude Desktop、集成開發環境（IDE）、聊天機器人）。
- **客戶端（Client）：**管理與單個MCP伺服器的專用、有狀態連接，處理通信和能力協商。
- **伺服器（Server）：**通過MCP協議公開特定功能——工具（函數）、資源（數據）和提示，連接到本地或遠程數據源。
- **基礎協議（Base protocol）：**標準化的消息傳遞層（JSON-RPC 2.0）確保所有組件可靠且安全地通信。
這種架構將’M×N集成問題’（其中M個AI應用程式必須連接到N個工具，需要M×N個自定義連接器）轉換為更簡單的’M+N問題’。因此，每個工具和應用程式只需要支持一次MCP即可實現互操作性。這對於開發人員來說確實可以節省時間。
MCP 的工作原理
首先，當AI應用程式啟動時，它會啟動MCP客戶端，每個客戶端連接到不同的MCP伺服器。這些客戶端協商協議版本和功能。建立與客戶端的連接後，它會查詢伺服器以獲取可用的工具、資源和提示。
建立連接後，AI模型現在可以訪問伺服器的實時數據和功能，從而動態更新其上下文。這意味著MCP使AI聊天機器人能夠訪問最新的實時數據，而不是依賴於預索引的數據集、嵌入或LLM中的緩存資訊。
因此，當你要求AI執行任務（例如，’紐約到洛杉磯的最新航班價格是多少？’）時，AI會將請求通過MCP客戶端路由到相關伺服器。然後，伺服器執行該功能，返回結果，並且AI將此最新數據合併到你的答案中。
此外，MCP使AI模型能夠在運行時發現和利用新工具。這意味著你的AI代理可以適應新的任務和環境，而無需進行重大程式碼更改或機器學習（ML）重新訓練。
簡而言之，MCP用單一、開放的協議取代了碎片化的、定制構建的集成。這意味著開發人員只需要實現一次MCP即可將AI模型連接到任何相容的數據源或工具，從而大大降低了集成複雜性和維護開銷。這使開發人員的生活更加輕鬆。
更直接的是，你可以使用AI生成MCP程式碼並解決實施挑戰。
MCP 的核心優勢
以下是MCP提供的内容：
統一的標準化集成： MCP充當通用協議，使開發人員可以通過單一的標準化介面將其服務、API和數據源連接到任何AI客戶端（例如聊天機器人、IDE或自定義代理）。
雙向通信和豐富的交互： MCP支持AI模型和外部系統之間的安全、實時、雙向通信，不僅可以實現數據檢索，還可以實現工具調用和操作執行。
可擴展性和生態系統重用： 一旦你為某項服務實施了MCP，任何符合MCP的AI客戶端都可以訪問它，從而促進可重用連接器的生態系統並加速採用。
一致性和互操作性： MCP強制執行一致的JSON請求/響應格式。這使得調試、維護和擴展集成變得更加容易，而與底層服務或AI模型無關。這也意味著即使你切換模型或添加新工具，集成仍然可靠。
增強的安全性和訪問控制： MCP在設計時考慮了安全性，支持加密、精細的訪問控制和用戶對敏感操作的批准。你還可以自託管MCP伺服器，從而可以将數據保留在內部。
縮短的開發時間和維護： 通過避免碎片化的、一次性的集成，開發人員可以節省設置和持續維護的時間，從而使他們能夠專注於更高級別的應用程式邏輯和創新。此外，MCP在代理邏輯和後端功能之間的清晰分離使程式碼庫更模組化、更易於維護。
MCP 的採用情況與未來展望
對於任何標準來說，最重要的事情是：’人們會採用它嗎？’仅仅幾個月後，答案響亮而明確：是的。OpenAI於2025年3月增加了對其的支持。4月9日，谷歌DeepMind領導者Demis Hassabis表示支持。谷歌首席執行官Sundar Pichai迅速表示贊同。包括微軟、Replit和Zapier在內的其他公司也紛紛效仿。
這不僅僅是说说而已。一個不斷增長的預構建MCP連接器庫正在湧現。例如，Docker最近宣佈它將通過MCP目錄支持MCP。MCP推出不到六個月，該目錄已經包含來自Grafana Labs、Kong、Neo4j、Pulumi、Heroku、Elasticsearch等公司的100多個MCP伺服器。
除了Docker可以訪問的内容之外，已經有數百個MCP伺服器。這些伺服器可用於以下任務：
- 客戶支持聊天機器人： AI助手可以實時訪問CRM數據、產品資訊和支持票證，從而提供準確、有背景的幫助。
- 企業AI搜索： AI可以搜索文檔存儲、資料庫和雲存儲，並將響應鏈接到其相應的源文檔。
- 開發人員工具： 程式碼助手可以與CVS和其他版本控制系統、問題跟蹤器和文檔進行交互。
- AI代理： 當然，自主代理可以計劃多步驟任務，代表用戶執行操作，並通過利用MCP連接的工具和數據來適應不斷變化的需求。
真正的問題是，MCP不能用於什麼。
MCP代表著一種範式轉變：從孤立的靜態AI到深度集成、上下文感知和具有行動能力的系統。隨著協議的成熟，它將支撐新一代AI代理和助手，這些代理和助手可以安全、高效且大規模地跨越全方位的數字工具和數據進行推理、行動和協作。
自2022年生成式AI首次爆炸式出現以來，我還沒有見過任何技術像這樣迅速發展。但真正讓我聯想到的是Kubernetes在十多年前的出現。當時，許多人認為在容器編排器中會出現一場競爭，比如Swarm和Mesosphere等現在幾乎被遺忘的程序。我從一開始就知道Kubernetes將是贏家。
所以，我現在就預測。MCP將是AI的連接，它將釋放AI在企業、雲和更廣泛領域的全部潛力。