文 | 產(chǎn)業(yè)家，作者|斗斗 ，編輯|皮爺
2024 年 7 月，美國加州舊金山的一家辦公室內(nèi)，Anthropic 工程師 David Soria Parra 沮喪的看著顯示屏。
當他思考如何讓更多員工深入整合現(xiàn)有模型時，卻發(fā)現(xiàn)因為 Claude Desktop 功能有限，無法拓展，而 IDE 又缺少 Claude Desktop 的實用功能，導(dǎo)致自己只能在兩者間來回復(fù)制內(nèi)容，十分麻煩。
“我意識到這是個 ‘MxN’ 的問題，也就是多個應(yīng)用程序與多種集成的難題，而用一種協(xié)議解決再合適不過?！?/p>
琢磨幾周后，David 有了一個念頭：做一個類似 LSP 的東西，把這種「AI應(yīng)用與擴展之間的通信」標準化。他找到 Anthropic 工程師 Justin，二人一拍即合，開始著手構(gòu)建。
4 個月后，這個念頭被產(chǎn)品化，擺在了大眾面前，這就是 MCP。
如今，MCP 在各大平臺被廣泛討論，多家大模型服務(wù)商紛紛宣布支持 MCP，在二級市場，MCP 概念股也被炒的火熱。
狂熱之下，諸多疑問也不斷冒出來：MCP 為何爆火？它能成為真正的通用標準嗎？大模型廠商紛紛接入背后，又有著怎樣的商業(yè)邏輯？此外，MCP 爆火背后，是否意味著 AI Agent 的生產(chǎn)力時代真正到來了？
一、MCP，AI 應(yīng)用程序的「USB-C 接口」
長期以來，AI 模型與外部工具集成始終面臨雙重挑戰(zhàn)：定制化開發(fā)成本高昂且系統(tǒng)穩(wěn)定性難以保障。傳統(tǒng)模式下，開發(fā)者需要針對每個新接入的工具或數(shù)據(jù)源開發(fā)專用接口，這種"一對一"的適配方式不僅導(dǎo)致資源浪費，更造成系統(tǒng)架構(gòu)的脆弱性。
MCP 協(xié)議的誕生，為的就是解決這些痛點。
它的核心價值在于標準化交互規(guī)則。即通過 MCP，開發(fā)者只需讓模型和工具分別遵循協(xié)議標準，就可以實現(xiàn)即插即用，將原本“M×N”的集成復(fù)雜度簡化為“M+N”。這樣 AI 模型就能通過 MCP 直接調(diào)用數(shù)據(jù)庫、云服務(wù)甚至本地應(yīng)用，不需要為每個工具單獨開發(fā)適配層。
從當下來看，在實踐層面，MCP 已展現(xiàn)出強大的生態(tài)整合能力。
例如，Anthropic 的 Claude 桌面應(yīng)用+通過 MCP 服務(wù)器連接本地文件系統(tǒng)，使 AI 助手能夠直接讀取文檔內(nèi)容并生成上下文相關(guān)回答;開發(fā)工具 Cursor+則通過安裝多個 MCP 服務(wù)器(如 Slack、Postgres)，在 IDE 內(nèi)實現(xiàn)多任務(wù)的無縫切換。
MCP 似乎正慢慢成為 Justin 口中的樣子：“我們認同將 MCP 類比為 AI 應(yīng)用程序的 USB-C 接口，它是連接整個生態(tài)系統(tǒng)的通用接口。”
不過從 MCP 發(fā)布到爆發(fā)，中間還有一段很長且十分重要的故事要講。
2024 年 11 月，MCP 發(fā)布，很快便吸引了業(yè)內(nèi)開發(fā)者以及企業(yè)們的注意。不過，并沒有現(xiàn)在這么火熱，原因在于當時人們對智能體的價值并不清晰，或者說即使解決了 Agent“M×N”的集成復(fù)雜，AI 生產(chǎn)力會不會爆發(fā)，誰也不知道。
這種不清晰的感覺，主要來自大模型技術(shù)不斷升級迭代下，應(yīng)用側(cè)卻遲遲不發(fā)力的落地難題。此外，互聯(lián)網(wǎng)社交平臺也充斥著對智能體的各種聲音，這讓人們對 AI 技術(shù)能在產(chǎn)業(yè)落地幾何，信心不高或者說看不到希望。即使是當下市面上已經(jīng)出現(xiàn)了不錯的落地方向和應(yīng)用，但 AI 技術(shù)究竟是真的轉(zhuǎn)化為了生產(chǎn)力，還是只是融于表面無法作出決策，很難看清，這需要大量的時間去驗證。
事情的轉(zhuǎn)折發(fā)生在 Manus 的框架發(fā)布和 OpenAI 的官宣下場支持 MCP。
Manus 所展現(xiàn)的多 Agent 協(xié)同能力，完美詮釋了用戶對 AI 生產(chǎn)力的終極期待。當 MCP 借助聊天界面實現(xiàn) "對話即操作" 的創(chuàng)新體驗 —— 用戶只需在輸入框中下達指令，便能直接觸發(fā)文件管理、數(shù)據(jù)調(diào)取等系統(tǒng)級操作時，一場關(guān)于 "AI 真正能夠輔助完成實際工作" 的認知變革由此開啟。
這種顛覆性的使用體驗，反過來進一步提升了 MCP 的熱度?？梢哉f，Manus 的發(fā)布正是推動 MCP 走紅的重要因素。
除了 Manus 這樣一個“帶貨達人”，OpenAI 的官宣下場，也為 MCP 被抬上“通用接口”高位推了一把。
2025 年 3 月 27 日，OpenAI 宣布對其核心開發(fā)工具 AgentSDK 進行重大更新，正式支持MCP服務(wù)協(xié)議。當這個占據(jù)全球40%模型市場份額的巨頭宣布支持協(xié)議，意味著 MCP 開始具備類似 HTTP 的底層基礎(chǔ)設(shè)施屬性，MCP 正式進入大眾視野，熱度持續(xù)走高，指數(shù)級飆升。
這讓大家看到了“AI 界 HTTP”成為現(xiàn)實的可能。隨后，Cursor、Winsurf、Cline 等平臺也相繼接入 MCP 協(xié)議，MCP 打造的 Agent 生態(tài)逐漸壯大。
二、MCP 來了， Agent 生態(tài)還會遠嗎？
MCP，真的能成為未來AI交互事實標準嗎？
3月11日，LangChain 聯(lián)合創(chuàng)始人 Harrison Chase 與 LangGraph 負責人 Nuno Campos 圍繞 MCP 是否就成為未來AI交互事實標準展開激辯，雖然沒有結(jié)論，但很大程度上激發(fā)了大家對 MCP 的想象空間。
值得注意的是，這場辯論的同時，LangChain 還在網(wǎng)上發(fā)起了投票。投票結(jié)果，出人意料：40% 參與者支持 MCP 成為未來標準。
在這場投票中，剩下的那 60% 未投票者，讓 MCP 走向未來 AI 交互事實標準的這條路，看起并不順暢。
他們的顧慮是什么？
最值得一提的，便是當技術(shù)標準與商業(yè)利益的割裂。這一點從 MCP 發(fā)布后，國內(nèi)外的玩家們的動作便可見一斑。
Anthropic發(fā)布MCP后不久，Google就搞了一個A2A（Agent to Agent）。
如果說 MCP 為單個智能體鋪好了路，讓它們能方便地到達各個“資源點”，那么 A2A 的目標則是構(gòu)建一個連接這些智能體的龐大通信網(wǎng)絡(luò)，讓它們能夠互相“對話”、協(xié)同工作 。
其實從底層來看，無論是 MCP，還是 A2A，本質(zhì)都是 Agent 生態(tài)搶奪。
那么在這個時刻，國內(nèi)市場又呈現(xiàn)出怎樣的趨勢呢？
具體來看，更多的動作集中在大模型廠商，4 月以來，阿里、騰訊、百度相繼宣布支持 MCP 協(xié)議。
其中，阿里云百煉平臺在 4 月 9 日上線了業(yè)界首個全生命周期 MCP 服務(wù)，集成高德地圖、無影云桌面等 50 余款工具，5 分鐘可生成專屬 Agent。支付寶聯(lián)合魔搭社區(qū)率先在國內(nèi)推出“支付 MCP Server”服務(wù)，讓 AI 智能體一鍵接入支付能力。
4 月 14 日，騰訊云升級大模型知識引擎，支持調(diào)用 MCP 插件，接入騰訊位置服務(wù)、微信讀書等生態(tài)工具。；4 月 16 日，支付寶推出“支付 MCP Server”，開發(fā)者可通過自然語言指令快速接入支付功能，打通 AI 服務(wù)商業(yè)化閉環(huán)；4 月 25 日，百度宣布全面兼容 MCP 協(xié)議，推出全球首個電商交易 MCP 及搜索 MCP 服務(wù)。智能云千帆平臺已接入第三方 MCP Server，搜索平臺索引全網(wǎng)資源降低開發(fā)成本。
可以發(fā)現(xiàn)，國內(nèi)的大模型廠商的 MCP 玩法，是一個“全閉環(huán)”。從是阿里云百煉平臺 MCP 服務(wù)集成高德地圖；到騰訊云支持調(diào)用 MCP 插件，接入微信讀書等生態(tài)；再到百度推出搜索 MCP 服務(wù)，都在以 MCP 發(fā)揮自己的長板優(yōu)勢，加固自己的生態(tài)壁壘。
這種戰(zhàn)略選擇背后有深刻的商業(yè)邏輯。
試想，若阿里云平臺允許調(diào)用百度地圖服務(wù)，或騰訊生態(tài)向外部模型開放核心數(shù)據(jù)接口，那么各廠商費心構(gòu)建的數(shù)據(jù)和生態(tài)護城河帶來的差異化優(yōu)勢，或?qū)⑼呓狻Ｕ沁@種對"連接權(quán)"的絕對掌控需求，使得MCP在技術(shù)標準化的表象下，正悄然進行著人工智能時代基礎(chǔ)設(shè)施控制權(quán)的重新分配。
這種矛盾的張力正在顯現(xiàn)：表面上，MCP 通過統(tǒng)一接口規(guī)范推動著技術(shù)協(xié)議的標準化進程；實質(zhì)上，每個平臺都在通過私有化協(xié)議定義自己的連接規(guī)則。
而這種開放協(xié)議與生態(tài)割裂，必然會成為制約 MCP 走向真正通用標準的深層障礙。
三、AI 產(chǎn)業(yè)落地浪潮里， 再看 MCP 真實的價值
或許未來不會出現(xiàn)絕對的"統(tǒng)一協(xié)議"，但由 MCP 引發(fā)的這場標準革命，已經(jīng)為 AI 生產(chǎn)力爆發(fā)打開了閘門。
就目前來看，每個大模型廠商都在通過 MCP 協(xié)議構(gòu)建自己的“生態(tài)飛地”，這種“全閉環(huán)”策略會暴露出 Agent 生態(tài)碎片化的深層矛盾。不過，也能將生態(tài)建設(shè)者積累的能力釋放，快速形成應(yīng)用矩陣，推動AI落地。
例如大廠過去的優(yōu)勢（如支付寶的支付技術(shù)、用戶規(guī)模、風(fēng)控能力）原本局限于自身業(yè)務(wù)，但通過標準化接口（MCP）開放后，這些能力可以被更多外部開發(fā)者調(diào)用，例如其他公司的 AI Agent 無需自建支付系統(tǒng)，直接調(diào)用支付寶接口。更可以吸引更多參與者使用大廠的基礎(chǔ)設(shè)施，形成依賴性和網(wǎng)絡(luò)效應(yīng)，擴大生態(tài)影響力。
這種“圈地式創(chuàng)新”在一定程度上，加速了 AI 技術(shù)的產(chǎn)業(yè)滲透。
從這個角度來看，或?qū)Ⅱ?qū)動未來的 Agent 生態(tài)呈現(xiàn)“有限開放”的格局。
具體來說，就是核心數(shù)據(jù)接口仍會被大廠牢牢掌控，但在非核心領(lǐng)域，通過技術(shù)社區(qū)的推動和監(jiān)管機構(gòu)的干預(yù)，可能會逐漸形成跨平臺的“微標準”。這種“有限開放”既能保護廠商的生態(tài)利益，又能避免徹底割裂的技術(shù)生態(tài)。
在這個過程中，MCP 的價值也將從“通用接口”轉(zhuǎn)變?yōu)椤吧鷳B(tài)連接器”。
它不再追求成為唯一的標準化協(xié)議，而是作為不同生態(tài)間相互對話的橋梁。當開發(fā)者能夠通過 MCP 輕松實現(xiàn)跨生態(tài)的 Agent 協(xié)作，當用戶能夠在不同平臺間無縫切換智能體服務(wù)，Agent 生態(tài)才會真正迎來它的黃金時代。
而這一切的前提，是行業(yè)能否在商業(yè)利益與技術(shù)理想之間找到微妙的平衡點。這是MCP在工具本身價值之外帶來的變化。
其實 Agent 生態(tài)的建設(shè)，不在于某一個標準協(xié)議的出現(xiàn)。AI 的落地，也不在于某一個環(huán)節(jié)的打通，而是共識。
正如 Anthropic 工程師David最初構(gòu)想的那樣：我們需要的不僅是“萬能插座”，更需要一個讓插座們能彼此兼容的“電網(wǎng)”。而這個電網(wǎng)，既需要技術(shù)共識，更需要一場關(guān)于 AI 時代基礎(chǔ)設(shè)施規(guī)則的全球?qū)υ挕?/strong>
AI 技術(shù)快速迭代的當下，在 MCP 的“催化”下，廠商們正在加速這種技術(shù)共識的統(tǒng)一。
熱門跟貼