代理时代 MCP 的崛起：为什么 AI 需要新的连接协议

在人工智能领域，Model Context Protocol (MCP) 正成为连接 AI 代理与外部数据源的关键标准。本文将深入探讨 MCP 的兴起及其在代理时代的重要性。

从 API 到 MCP 的演进

孤立的计算机能够访问的数据量有限，这直接影响了其可用性。API 的创建就是为了实现系统之间的数据传输。与 API 类似，Model Context Protocol (MCP) 是使用大型语言模型 (LLM) 的 AI 代理之间的通信协议。API 主要面向开发者编写，而 MCP 服务器则是为 AI 代理创建的。

什么是 MCP？

MCP 由 Anthropic 于 2024 年 11 月 25 日推出，是一个开源标准，旨在实现 AI 助手与外部数据源之间的通信。AI 代理受到孤立系统中数据碎片化的限制。该协议定义了代理如何与外部系统交互、获取用户输入并启用自动化代理。

MCP 的核心采用客户端 – 服务器模型，客户端和服务器有三个主要特性：

• MCP 服务器：工具、资源和提示
• MCP 客户端：信息收集、根目录和采样

为了保持简洁，我们重点关注客户端和服务器最重要的特性。对于 MCP 服务器，工具是执行复杂任务的主要方式，客户端利用信息收集功能实现代理与用户之间的双向通信。

为什么现在需要 MCP？

一个非常合理的问题是：既然 API 已经存在，为什么还需要 MCP？API 旨在连接碎片化的数据系统，SaaS 应用已经实现了与用户的双向通信。那么，为什么现在需要 MCP？

需要 MCP 的主要原因是外部数据的用户已经从开发者转变为 AI 代理。开发者通常会使用 API 编程应用程序，使其以确定性方式运行。而 AI 代理将使用用户提示并做出自主决策来执行用户请求。从本质上讲，AI 代理执行工作流不是确定性的。

API 是一个以确定性方式执行的机器可执行合约。如果 API 用户知道下一步需要采取什么行动，API 就能正常工作。AI 代理运行在概率性 LLM 之上，这些 LLM 无法在所有任务中 consistently 提供可重复的结果。LLM 响应的变化是预期的，这给自主执行带来了问题。

MCP 的解决方案

MCP 通过提供高级抽象来包装功能而非 API 端点，解决了代理执行中的变化问题。工具使 LLM 模型能够执行搜索航班、预订日历等操作。

关于工具的一个常见误解是它们只是现有 API 调用的抽象。工具并非设计为 API 调用的抽象，而是功能的抽象。如果许多 API 仅作为工具暴露，将增加代理的成本和上下文大小，这并不理想。

一个工具在其实现中可能包含多个 API 调用来实现期望的结果。代理将审查可用工具列表，自动选择最合适的工具并确定适当的执行顺序。

MCP 采用热潮

自 2024 年发布以来，MCP 的受欢迎程度稳步上升。以下 Google Trends 图表展示了 MCP 自推出以来的相对兴趣度。

许多公司推出了自己的 MCP 服务器以促进自主代理的构建。截至 2026 年 2 月，官方 MCP 注册表已有超过 6400 个 MCP 服务器注册。这一数字预计在不久的将来还会增长。官方 MCP 服务器注册表仍处于预览阶段，但生态系统在不到一年的时间里已经大幅增长。

其他市场主要参与者也已采用 MCP 并为其客户端添加支持。OpenAI 在 3 月为 ChatGPT 添加了 MCP 支持，Google 在 2025 年 4 月也添加了支持。这展示了该协议的持久力和快速采用速度。

未来展望

MCP 仍处于广泛采用的早期阶段，许多应用需要成熟并开始投入生产。Pento AI 的 Leonardo Pineryo 总结得最好：”MCP 的第一年改变了 AI 系统与世界连接的方式。第二年将改变它们能够完成的事情”（2025）。

工具周围的防护措施是将进一步发展的领域，因为信任是 AI 代理最大的担忧之一。通过在工具中建立更好的防护措施，可以允许 AI 代理以更自主的方式执行。在未来一年，MCP 必将在其能力的复杂性和应用量方面持续增长。

YUANLEISVIP

收藏 链接