MCP 协议正在改变 AI 应用的游戏规则,但大部分人还没意识到

MCP 协议正在改变 AI 应用的游戏规则,但大部分人还没意识到

如果你最近关注 AI 工具链的动向,一定会频繁看到三个字母:MCP。

Model Context Protocol,Anthropic 在 2024 年底开源的一套协议,简单说就是给 AI 模型提供了一套标准化的「外挂接口」。听起来像是又一个协议标准——这年头谁还没见过几个「下一代标准」?但这次不太一样。

不是又一个协议,是一种范式的改变

传统的 AI 应用开发模式大概是这样的:你需要调用某个外部服务(数据库、API、文件系统),就得在代码里写好调用逻辑、做好鉴权、处理好异常、把结果拼到 prompt 里喂给模型。每接入一个新服务,就得写一套胶水代码。

MCP 的思路正好反过来:让模型自己去调用工具,你只需要告诉它有哪些工具可用。

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-github"]
    }
  }
}

这段配置的意思是:我有一个 GitHub MCP Server,模型可以自己调用它来查 Issue、读代码、创建 PR。不需要你在应用代码里写任何 GitHub API 调用。

这意味着什么?意味着 AI 应用的架构从「代码调用模型,模型返回结果」变成了「模型自主调用工具,工具返回上下文」。模型不再只是回答问题,它开始具备行动能力。

为什么我觉得这个方向会持续

有几个信号值得关注:

第一,大厂在跟进。 OpenAI 虽然没直接说支持 MCP,但它的 Function Calling 本质上在做类似的事。Google 的 Gemini 也有自己的工具调用协议。MCP 的独特之处在于它是开放的、跨模型的——你写的 MCP Server,Claude 能用,理论上其他支持 MCP 的模型也能用。

第二,生态在快速膨胀。 从最初的几个官方 Server(文件系统、GitHub、Postgres),到现在社区贡献的 Server 已经覆盖了飞书、钉钉、企业微信、各种数据库、项目管理工具。这很像当年 npm 的早期阶段——标准有了,生态自然会跟上来。

第三,门槛低得惊人。 写一个 MCP Server 只需要实现几个标准方法:

# 一个最小 MCP Server 的核心逻辑
@server.list_tools()
async def list_tools():
    return [{"name": "get_weather", "description": "获取城市天气"}]

@server.call_tool()
async def call_tool(name, arguments):
    if name == "get_weather":
        city = arguments["city"]
        return {"content": [{"type": "text", "text": f"{city}:晴,25°C"}]}

不需要理解复杂的 RPC 框架,不需要处理序列化细节。标准库级别的复杂度,但能做到企业级的集成效果。

对开发者意味着什么

如果你在开发 AI 应用,MCP 带来的直接影响是:你不再需要为每个数据源写胶水代码。 模型会自己决定什么时候查数据库、什么时候调 API、什么时候读文件。你的角色从「编排者」变成了「能力提供者」。

更长远地看,MCP 可能改变我们对「应用」的定义。现在的应用是「界面 + 逻辑」,未来的应用可能是「一组 MCP Server + 一个 Agent 框架」。用户不再操作界面,而是直接对话,Agent 自己决定调用哪些工具来完成任务。

当然,现阶段 MCP 还有不少问题:

  • 安全性几乎是空白——模型可以调用任何暴露的 Server,没有细粒度的权限控制
  • 调试体验糟糕——当模型调用了一个工具但结果不对,排查起来很痛苦
  • 协议还在快速迭代,API 可能随时变化

但这些问题恰恰说明它还处在爆发前夜。在一个协议快速迭代的阶段入局,比等它稳定了再学,能建立更深的认知优势。

值得关注的方向

如果你对 MCP 感兴趣,几个值得跟进的方向:

  • 企业内部工具的 MCP 化:把内部的 API、数据源包装成 MCP Server,让 AI 助手能直接操作业务系统
  • 多 Agent 协作:多个 Agent 各自挂载不同的 MCP Server,通过消息通信协作完成任务
  • MCP 与 RAG 的结合:用 MCP Server 做动态知识检索,替代静态的向量库索引

MCP 不是银弹,但它正在成为 AI 应用的基础设施层——就像 HTTP 之于 Web。现在了解它,不算早,但也不算晚。

posted @ 2026-07-01 08:27  疯狂的yang  阅读(5)  评论(0)    收藏  举报