什么是 Model Context Protocol？桥接 AI 和数据的新标准 解释
快速阅读: 《ZDNet》消息，MCP模型上下文协议快速崛起，成为下一代AI应用基础标准，通过统一接口连接各类工具和服务，显著提升开发效率和系统互操作性。预计将成为AI领域的关键基础设施，推动深度集成和上下文感知系统的实现。
很可能是这样，除非你已经深入人工智能编程领域，否则你可能从未听说过模型上下文协议（Model Context Protocol，简称MCP）。但请相信我，你会听到它的。
MCP 正迅速成为下一代人工智能驱动应用程序的基础标准。由Anthropic公司在2024年末开发为开放标准的MCP，旨在解决人工智能生态系统中的一个核心问题：如何无缝且安全地将大型语言模型（Large Language Models，简称LLMs）和人工智能代理连接到庞大且不断变化的实际数据、工具和服务的环境中。
很可能，除非你已经深入人工智能编程领域，否则你从未听说过模型上下文协议（MCP）。但相信我，你会听到的。
此外：
Copilot刚刚在AI编码测试中表现优异（去年它还未能通过）。
人工智能公司Anthropic解释说，随着人工智能助手及其背后的大型语言模型（LLM）的改进，“即使是最先进的模型也受到与数据隔离的限制——被封闭在信息孤岛和遗留系统之后。每个新的数据源都需要自己的定制实现，这使得真正互联互通的系统难以扩展。”
MCP是Anthropic的解决方案。该公司声称它将提供一个“用于连接人工智能系统的通用、开放标准，用单一协议替代碎片化的集成方式。”
这听起来很好，但许多公司都声称它们的通用标准将是解决所有技术问题的答案。然而，正如著名的XKCD漫画所指出的那样，如果你有14种不同的标准，然后试图提供一种单一标准来解决所有人的问题，很快就会有15种标准。
此外：
Anthropic在Claude滥用报告中发现了令人不安的“新兴趋势”。
人工智能集成协议、程序和应用程序编程接口（API）的情况还不算太糟糕，但我可以看到它会变得如此。目前，其他重要的MCP竞争对手包括Google的代理间协议（Agent-to-Agent，简称A2A）、工作流自动化工具如Zapier和Pica，当然还有各种供应商特定的API和软件开发套件（SDK）。然而，出于一些即将清楚的原因，我相信MCP是真正的突破，并将迅速成为人工智能互操作性的标准。
让我们进入正题。
**什么是MCP？**
我认为MCP是一种通用的人工智能数据适配器。正如以人工智能为中心的公司Aisera所说的，你可以把它看作是“人工智能的USB-C接口”。就像USB-C标准化了我们如何连接设备一样，MCP标准化了人工智能模型如何与外部系统交互。换句话说，Linux基金会执行董事Jim Zemlin将MCP描述为“正在成为人工智能系统的底层通信层，类似于HTTP对于网络的作用。”
**什么是MCP？**
此外：
你的数据可能还没有准备好用于人工智能——这里是如何使其可信的方法
具体来说，MCP定义了一种基于JSON-RPC 2.0的标准化消息传递层，使人工智能应用能够通过单一、安全的接口调用任何符合标准的工具、数据库或服务的功能、获取数据并使用提示。
它通过遵循客户端-服务器架构并包含几个关键组件来实现这一点。这些是：
– **主机**：需要访问外部数据的人工智能应用程序（例如，Claude Desktop、集成开发环境（IDE）、聊天机器人等）。
– **客户端**：管理与单个MCP服务器的专用状态连接，处理通信和能力协商。
– **服务器**：通过MCP协议公开特定的能力——工具（功能）、资源（数据）和提示，并连接到本地或远程数据源。
– **基础协议**：基于JSON-RPC 2.0的标准化消息传递层确保所有组件可靠且安全地通信。
这种架构将“M×N集成问题”（其中M个人工智能应用程序必须连接到N个工具，需要M×N个自定义连接器）转化为更简单的“M+N问题”。因此，每个工具和应用程序只需要支持一次MCP来实现互操作性。这对开发人员来说是一个真正的节省时间的方法。
**MCP是如何工作的？**
首先，当一个人工智能应用程序启动时，它会启动MCP客户端，每个客户端连接到不同的MCP服务器。这些客户端协商协议版本和功能。一旦它与客户端建立了连接，它就向服务器查询可用的工具、资源和提示。
此外：
2025年的前20个人工智能工具——以及使用它们时要记住的第一件事
建立连接后，人工智能模型现在能够通过服务器实时获取数据和功能，动态更新其上下文信息。这意味着MCP能够让人工智能聊天机器人能够实时获取最新数据，而不是依赖预索引的数据集、嵌入或在LLM中缓存的信息。
所以，当你要求人工智能执行任务（例如，“从纽约到洛杉矶的最新航班价格是多少？”），人工智能通过MCP客户端将请求发送至相关服务器。服务器然后执行该函数，返回结果，人工智能将这些新鲜数据融入你的回答中。
此外，MCP还能够让人工智能模型在运行时发现和利用新工具。这意味着你的AI代理可以在不进行重大代码更改或机器学习（ML）重新训练的情况下适应新任务和新环境。
此外：
如何使用ChatGPT：最流行的AI聊天机器人入门指南
简言之，MCP用一个开放协议替代了碎片化的、定制开发的集成方式。这意味着开发者只需实现一次MCP，就能将AI模型连接到任何符合标准的数据源或工具，大幅降低集成复杂性和维护开销，让开发人员的工作更为简便。更重要的是，你可以借助AI生成MCP代码以应对实施难题。
简言之，MCP用一个开放协议替代了碎片化的、定制开发的集成方式。这意味着开发者只需实现一次MCP，就能将AI模型连接到任何符合标准的数据源或工具，大幅降低集成复杂性和维护开销，让开发人员的工作更为简便。
以下是MCP提供的内容：
– **统一标准化集成**：作为通用协议的MCP，使开发者能够通过单一标准化接口连接其服务、API和数据源至任何AI客户端（如聊天机器人、IDE或自定义代理）。
– **双向通信与丰富交互**：MCP支持安全、实时的双向通信，不仅能进行数据检索，还能调用工具并执行动作。
– **可扩展性与生态系统重用**：一旦为某项服务实现MCP，它便对所有符合MCP的AI客户端可用，促进可重用连接器生态系统的形成，加快采纳速度。
– **一致性与互操作性**：MCP强制执行一致的JSON请求/响应格式。这使得无论底层服务或AI模型为何，调试、维护和扩展集成都更为容易。即便更换模型或新增工具，集成依然稳固可靠。
– **增强安全性与访问控制**：MCP在设计之初即考虑安全性，支持加密、细粒度访问控制及对敏感操作的用户批准。你也可以自行部署MCP服务器，从而将数据保留在本地。
– **减少开发时间与维护**：通过摒弃零散的单次集成，开发者节省了设置与持续维护的时间，让他们能专注于更高层次的应用逻辑与创新。此外，MCP在代理逻辑与后端能力之间清晰的分离使得代码库更加模块化且易于维护。
**谁采用了MCP？**
对于任何标准来说，最重要的是：“人们会采用它吗？”仅仅几个月后，答案是响亮而明确的“是”。OpenAI在2025年3月增加了对其的支持。4月9日，Google DeepMind领导人德米斯·哈萨比斯表达了支持。很快，Google首席执行官桑达尔·皮查伊也表示支持。其他公司也相继跟进，包括微软、Replit和Zapier。这不是空谈。一个不断扩大的预构建MCP连接器库正在形成。例如，Docker最近宣布支持MCP，推出了一个MCP目录。这个目录甚至在MCP推出不到六个月后，已包含来自Grafana Labs、Kong、Neo4j、Pulumi、Heroku、Elasticsearch等公司的逾百个MCP服务器。
**一些实际应用中的MCP用例是什么？**
除了Docker可以访问的内容之外，已有数百个MCP服务器可供使用，可用于如下任务：
– **客户支持聊天机器人**：AI助手可以实时访问CRM数据、产品信息和支持工单，提供精准且上下文关联的帮助。
– **企业级AI搜索**：AI可在文档存储库、数据库和云存储中搜索，并将响应链接至相应的源文档。
– **开发人员工具**：编码助手可以与CVS及其他版本控制系统、问题跟踪器和文档进行交互。
– **AI代理**：当然，自主代理可通过利用MCP连接的工具和数据来规划多步任务、代表用户行事并适应不断变化的需求。
更好的问题是，MCP不能用于什么。
**未来：一个通用的AI集成层**
MCP代表了一种范式转变：从孤立的、静态的AI转变为深度集成的、上下文感知的、具备行动能力的系统。随着协议的成熟，它将支撑新一代的AI代理和助手，这些代理和助手能在整个数字工具和数据范围之内安全、高效且规模化地推理、行动与协作。
此外：
一个聊天机器人提示符使用了多少能量？这个AI工具可以告诉你。
自从生成式AI于2022年初现锋芒以来，我还没有见过像这样的技术迅速流行起来。不过，我真正联想到的是大约十年前Kubernetes的问世。当时，许多人认为在容器编排器之间会有Swarm和Mesosphere等现在几乎被遗忘的程序之间的竞争。我从一开始就确信Kubernetes会胜出。所以，我现在就预测一下。MCP将成为解锁企业在企业、云计算乃至更广领域内AI全部潜能的关键桥梁。
(以上内容均由Ai生成)
