上一周，智能體迎來里程碑式的一周。

從Manus及其開源復現，到Opera的瀏覽器操作AI智能體、AI工作伴侶Archer，再到多種個人項目，將Agent推向熱議風口。

在處理動輒需要十幾甚至幾十分鐘的復雜任務時，涉及到3個核心能力：

1. 規劃
2. 工具使用
3. 記憶

其中，第二趴是讓智能體「動起來」的關鍵，真正與現實世界進行交互。

舉個例子，當前最強的開源復現OWL在查找倫敦今日放映的電影時，AI智能體主動調用Chrome搜索工具后，精準返回影院的實時信息。

而最火的開源項目OpenMauns，在查找Karpathy個人信息主頁信息時，也是基于強大的工具使用能力。

這些案例生動地證明了，工具使用，能讓智能體跳出空想局限，進化出會做事的能力。

而作為最強的標準化接口協議，MCP也在一夜間爆紅硅谷，無人不知。

對于圈外的人來說，可能對此有所陌生。而它的本質，就是智能體系統的一種。

一次搭建，代替1億次配置

去11月，Anthropic首次提出「模型上下文協議」，即MCP，賦予了Claude模型超級能力，一次構建，讓AI與工作流深度集成。

其主要優勢如下：

• 開發簡化：一次編寫，多次集成，無需為每個新集成重寫定制代碼 
• 靈活性：切換AI模型或工具時，不需要復雜的重新配置 
• 實時響應：MCP連接保持活躍狀態，支持實時上下文更新和交互 
• 安全性和合規性：內置訪問控制機制和標準化的安全實踐 
• 可擴展性：隨著AI生態系統的擴展，只需連接新的MCP服務器即可輕松添加新功能

用通俗的話講，MCP就像是專為AI應用設計的通用接口，類似我們日常使用的USB-C。

正如USB-C簡化了不同設備與計算機的連接方式，MCP簡化了AI模型與數據、工具和服務之間的交互方式。

通過MCP，AI助手不僅能夠「讀懂」代碼，還能「理解」團隊討論、涉及文檔等外部信息，提供更加精準的回答。

MCP是一種標準化協議，用于連接AI智能體與各種外部工具和數據源

相比之下，在沒有MCP之前，AI助手要想與外部工具互動，必須通過編寫代碼并調用API，這意味著每一種具體的連接都需要提前手動編程，效率低下且耗時費力。

更棘手的是，每個AI助手與每個外部工具之間都需要單獨進行配置。如果有1000個AI助手和1000個外部工具，理論上需要編寫1000×1000=100萬個獨立的連接代碼，工作量簡直是個天文數字。

打個比方：API就像是不同的門，其中每扇門都有自己獨特的鑰匙和使用規則：

傳統API要求開發人員為每個服務或數據源編寫定制化的集成代碼

而MCP的出現就像為AI助手和外部系統打造了一套通用的「標準語言」，堪稱是智能體生態的一次「標準化革命」。

一旦某個AI助手實現了MCP協議，它就能通過這個協議無縫連接上成千上萬的外部工具，無需再為每種連接單獨編寫代碼。

同樣，外部工具（比如郵件、天氣應用等）也只需搭建一次MCP服務器，之后所有支持MCP的AI助手都可以直接與之交互。

假如有1萬個AI助手和1萬個外部工具。在MCP模式下，每方只需實現一次協議，總共只需2萬次配置。

而按照傳統編碼方式，每種AI助手與每種外部工具都要單獨對接，那將是1萬×1萬=1億次配置！

這直接使配置效率提高了不止一個維度。

MCP的靈活性也非常突出，它既可以在云端運行，也可以在本地設備上部署，適應性極強。

可以說，MCP就像為AI助手和外部系統之間架設了一條高速路，取代了過去需要技術人員一橋一橋手工搭建的低效模式。

什么是MCP？

正如前文所說，MCP（Model Context Protocol）是一種新的開放協議，目的是為LLM提供標準化的上下文信息傳遞方式，從而實現AI智能體與外部數據及工具的結合。

和傳統的API相比，MCP的區別在于：

• 單一協議：MCP作為一種標準化的「通用接口」，集成一個MCP意味著可以訪問多個工具和服務，而不僅僅是單一服務。
• 動態發現：MCP允許AI模型動態發現并與可用工具交互，無需預先設定每個集成的固定代碼。
• 雙向通信：MCP支持持續、實時的雙向通信——類似于WebSockets。AI模型既可以獲取信息，也可以實時觸發操作。

其中，實時雙向通信的機制如下：

• 拉取數據：LLM向服務器查詢上下文信息。例如，查看你的日歷安排。
• 觸發操作：LLM指示服務器執行具體操作。例如，重新安排會議、發送電子郵件。

不過，如果應用場景需要精確、可預測的交互模式，并有嚴格的限制條件，傳統API可能更為適合。

MCP提供了廣泛、動態的能力，非常適合需要靈活性和上下文感知的場景，但對于高度受控的、確定性的應用可能不是最佳選擇。

在以下情況下推薦使用傳統API：

• 需要精細控制和高度特定、受限的功能場景
• 追求性能優化而需要緊密耦合的系統
• 要求最高可預測性和最小上下文自主性的應用

架構

MCP采用簡單的客戶端-服務器架構模式：

• MCP主機：需要訪問外部數據或工具的應用程序（如Claude Desktop或AI驅動的集成開發環境）
• MCP客戶端：與MCP服務器維持專屬的一對一連接
• MCP服務器：輕量級服務器，通過MCP協議提供特定功能，連接到本地或遠程數據源
• 本地數據源：MCP服務器安全訪問的文件、數據庫或服務
• 遠程服務：MCP服務器訪問的基于互聯網的外部API或服務

將MCP比作一座橋梁可以更清晰地理解：MCP本身不處理復雜邏輯；它只是協調AI模型和各種工具之間的數據和指令流通。

具體來說，服務器就是與API進行交互的東西。它可以在遠程服務器上（例如，在云上），或者在你的本地系統上。

它包含了所有系統上需要與之交互進而采取行動的代碼，比如發送Slack消息、創建文件等等。

如下圖所示，可以通過MCP服務，調用GitHub API在倉庫里創建代碼文件。

MCP客戶端負責與服務器進行通信。客戶端的一個非常酷的特點是它可以同時與多個服務器進行交互。

所以你可以設置專門的服務器來處理GitHub交互和Slack交互，然后把它們接入同一個客戶端。

最重要的，協議是使一切運作的關鍵。可以將它視為一種永遠不會改變的通用語言，MCP服務器和MCP客戶端都能使用。

它就像USB接口一樣，用于將MCP客戶端連接到MCP服務器。

USB接口讓手機連接到筆記本電腦，MCP協議讓你可以將第三方API連接到桌面應用程序。

針對各種類型的MCP客戶端，Total TypeScript的作者Matt Pocock還進行了一波對比。

可以看到，Claude Desktop和Continue支持資源、提示、工具，功能很全面。5ire和BeeAI Framework就比較有限，工具支持還可以，但其他方面基本不行。Cline也支持資源和工具，但不支持提示。Cursor和Emacs Mcp主要支持工具，其他功能都不行，適合簡單工具操作。

應用場景

在實際應用中，MCP客戶端（例如，client.py中的Python腳本）會與管理各種特定工具（如Gmail、Slack或日歷應用）交互的MCP服務器進行通信。

這種標準化大大降低了復雜度，使開發人員能夠快速實現復雜的交互功能。

1. 行程規劃助手

• 使用傳統API需要為Google日歷、電子郵件、航空公司預訂API分別編寫代碼，每個都需要單獨的認證、上下文傳遞和錯誤處理邏輯。
• 使用MCP則容易得多，AI助手能夠無縫地檢查日歷可用時間，預訂航班，并發送確認郵件——所有這些都通過MCP服務器完成，無需為每個工具單獨開發集成代碼。

2. 高級IDE（智能代碼編輯器）

• 使用傳統API需要手動將開發環境與文件系統、版本控制、包管理器和文檔系統集成在一起。
• 而使用MCP，開發環境將通過單一MCP協議連接這些服務，實現更豐富的上下文感知能力和更智能的代碼建議

3. 復雜數據分析

• 使用傳統API需要手動管理與各個數據庫和數據可視化工具的連接。 
• 使用MCP AI分析平臺能夠通過統一的MCP層自動發現并與多個數據庫、可視化工具和模擬系統進行交互。

快速入門

MCP集成流程：

• 定義功能：明確規劃MCP服務器將提供哪些功能
• 實現MCP層：遵循標準化的MCP協議規范進行開發
• 選擇傳輸方式：在本地傳輸（stdio）或遠程傳輸（服務器發送事件/WebSockets）之間選擇
• 創建資源/工具：開發或連接MCP將要交互的特定數據源和服務
• 設置客戶端：在MCP服務器和客戶端之間建立安全穩定的連接通道

MCP用例爆發

大模型爆火之后，提示工程師成為新型職業。如今，已經有大佬建議，開發者們趕快去構建商業化MCP服務器吧。

Total TypeScript的作者Matt Pocock僅用28行代碼就開發出了一個MCP服務器。

Cursor+MCP夢幻聯動，即可迅速構建出客戶需求的功能，全程無需人類干預。

對于碼農來說，又是效率的一次極致提升。AI不僅能幫你寫代碼，還能自動完成從需求分析到功能上線的全流程。

客戶通過Slack發送功能需求，Cursor自動讀取消息、構建功能，并創建Pull Request

前Meta研究員、CopilotKit創始人Atai Barkai剛剛開源了一個Open MCP Client的項目。

它可以讓任何應用，直接與MCP服務器直接對話，實現更更多智能的功能。

只需從Composio中獲取一個URL，開發者即可在自己的應用中集成這個MCP的能力，無需從0開發。

項目地址：https://open-mcp-client.vercel.app/

Agno的開發者Ashpreet Bedi打造了一款「通用MCP智能體」UAgl，可以借此輕松連接和管理多個MCP服務器。

開發者Will Brown開源了MCP Test Client，可以在開發過程中測試MCP服務器時既充當服務器（對Claude而言），又充當客戶端（對被測試的服務器而言）。