MCP：开放标准如何重塑AI创新

更大的模型并非推动下一次AI突破的关键。真正的变革因素是微妙的：标准化。

Anthropic于2024年11月推出的模型上下文协议（MCP）为AI应用与训练数据之外的外部工具交互创建了一个统一的框架。类似于HTTP和REST简化了网络服务连接，MCP标准化了AI工具的集成。

你可能已经见过无数关于MCP机制的解释。但常常被忽视的是它的低调力量：MCP是一种标准。标准不仅整理技术——它们还能引发指数级增长。早期采用者获得动能，而落后者则有落伍的风险。本文探讨了为何MCP现在至关重要、其面临的挑战以及对AI生态系统的变革性影响。

MCP如何将混乱转化为凝聚力

设想Lily，一家云基础设施公司的产品经理。她需要应对一系列工具——Jira、Figma、GitHub、Slack、Gmail和Confluence——同时处理不断的更新。

到2024年，Lily意识到大型语言模型（LLMs）在数据整合方面表现出色。她设想通过将团队的工具输入模型来自动化更新、起草消息和回答查询。但每个模型需要独特的集成，将她绑定到特定供应商。例如，添加Gong转录意味着需要再次定制连接，增加了未来模型切换的复杂性。

然后，Anthropic推出了MCP：一个标准化上下文传递给LLMs的开放协议。它迅速获得了OpenAI、AWS、Azure、Microsoft Copilot Studio以及不久后的Google的支持。Python、TypeScript、Java、C#、Rust、Kotlin和Swift的官方SDK相继推出，Go等社区SDK也紧随其后。采用率激增。

现在，Lily通过本地MCP服务器将所有内容传输到Claude，与她的应用相连。状态报告自动生成。领导层更新只需一个提示。当新模型出现时，她可以无缝切换，而不丢失集成。在业余编码时，她使用Cursor与OpenAI模型和与Claude相同的MCP服务器。她的IDE已经理解了产品的上下文。MCP让这一切变得轻松。

标准为何重要

Lily的经历揭示了一个核心事实：碎片化的工具让用户感到沮丧。供应商锁定普遍不受欢迎。公司担心每次模型变更都需要重新整合。用户渴望自由选择最佳工具。MCP提供了这种自由。

标准带来了重要的影响。

首先，公共API较弱的SaaS提供商有失去重要性的风险。MCP依赖于强大的API，客户将要求兼容AI应用。有了标准，就没有借口。

其次，AI开发正在加速。开发者不再需要为基本AI应用编写定制代码。MCP服务器与Claude Desktop、Cursor和Windsurf等客户端无缝集成，简化了测试和部署。

第三，切换成本正在下降。解耦的集成让组织可以从Claude切换到OpenAI或Gemini——或混合使用模型——而无需重建基础设施。新兴LLM提供商可以利用MCP的生态系统，专注于性能和成本效率。

应对MCP的挑战

每个标准都会带来障碍，MCP也不例外。

信任至关重要：众多MCP注册中心已经出现，托管了数千个社区运行的服务器。但使用不可信的服务器可能导致敏感数据暴露。SaaS公司应提供官方服务器，开发者应优先选择它们。

质量参差不齐：API不断演变，维护不佳的MCP服务器可能落后。LLMs需要可靠的元数据来有效选择工具。没有权威注册中心，来自可信提供商的官方服务器至关重要。

过载的MCP服务器会增加成本并降低效率：将过多工具捆绑到一个服务器会增加令牌使用量，并使模型因选项过多而困惑。专注于特定任务的服务器是关键。开发者和提供商应以此为设计目标。

授权和身份问题依然存在：这些挑战早于MCP，尚未解决。想象Lily指示Claude“给Chris发送一个快速状态更新”。LLM可能会向她联系人中的每个Chris发送消息以确保送达，而非给她的老板发邮件。高风险任务仍需人工监督。

MCP的未来

MCP不仅是趋势——它是对AI基础设施的根本性转变。

像所有成功的标准一样，MCP推动了一个自我持续的循环：每个新服务器、集成和应用都增强了它的动能。

新的工具、平台和注册中心正在出现，以简化MCP服务器的创建、测试、部署和发现。随着生态系统的增长，AI应用将为新功能提供直观的界面。采用MCP的团队将更快交付产品，并拥有更出色的集成。提供公共API和官方MCP服务器的公司将引领整合叙事。迟到者将难以保持相关性。

Noah Schwartz 是 Postman 的产品负责人。