David Soria Parra 是工程师, 那家 2024 年 7 月位于美国加州旧金山的办公室内, 他神情沮丧地看着显示屏。

当他思索怎样使更多员工深度融合现有的模型那一刻, 却发觉由于功能存在局限, 没办法进行拓展, 并且 IDE 还欠缺相应的实用功能, 造成自己只能够在这两者之间来回地复制内容, 极为麻烦。

“我察觉到这样子是存在着一个‘MxN’的问题, 这其实也就是属于诸多应用程序跟多种集成之间所产生的难题, 然而若是运用一种协议去进行解决的话, 那将会是再恰当不过的了。”。

经过几周的反复思索琢磨, David产生了一个想法, 那就是去做一个类似于LSP的东西, 将这种“AI应用与扩展之间的通信”予以标准化, 随后他找到了工程师, 两人意见一致, 马上着手开展构建工作。

4个月之后, 这个念头被予以产品化, 呈现在大众眼前, 而呈现出来的这个便是MCP。

现如今, MCP在各类平台被大范围讨论, 好多家大模型服务商都相继宣称支持MCP, 于二级市场, MCP概念股也受热捧而火爆异常。

在狂热的态势之下, 好多疑问持续不断地冒出来, MCP为什么突然之间变得很火, 它有没有可能成为真正意义上的通用标准, 众多的大模型厂商纷纷参与接入, 这背后有着怎样的商业方面的逻辑, 另外, MCP火爆的背后, 是不是就意味着AI Agent的生产力时代真的来临了?

MCP，AI 应用程序的「USB-C 接口」

长久以来, AI模型跟外部工具集成一直面临着双重挑战, 定制化开发成本高昂, 系统稳定性难以保障。在传统模式里, 开发者要针对每个新接入的工具或者数据源去开发专门的接口, 这种“一对一”的适配形式不止造成资源浪费, 更加导致了系统架构的脆弱性。

MCP 协议的诞生，为的就是解决这些痛点。

其核心价值在于标准化交互规则, 也就是借助MCP, 开发者只要让模型以及工具各自遵循协议标准, 便能够达成即插即用, 把原本“M×N”的集成复杂度简化成“M + N”, 如此, AI 模型就能够借助MCP直接调用数据库, 乃至云服务, 甚而至本地应用, 不用针对每个工具独自开发适配层。

当下而言, 于实践方面, MCP已然呈现出强大之生态整合能力。

例如, 桌面应用借助MCP服务器实现跟本地文件系统的连接, 这能让AI助手直接读取文档内容进而生成上下文相关的回答；开发工具要通过安装多个MCP服务器（像是Slack等之类）来在IDE内达到多任务无缝切换的效果。

MCP好像正缓缓变成, 嘴里所说的模样: “我们认可把MCP类比作AI应用程序的USB - C接口, 它是连通整个生态系统的通用接口。”。

然而, 从这个 MCP 发布开始算起到爆发, 在期间, 还存在着一段特别长的, 并且是极其重要的故事是需要去讲出来的。

在 2024 年 11 月的时候, MCP 被发布出来, 没过多久, 它就引起了业内开发者以及企业们的留意。然而, 它并不像当下这般火热, 究其缘由, 是因为在那个时候, 人们对于智能体的价值并没有清晰的认知, 换而言之, 就算解决了 Agent“M×N”的集成复杂性, AI 生产力是否会爆发, 根本没人能够知晓。

这样一种不清晰的感觉, 那主要得源于大模型技术持续不断地升级迭代之时, 其应用方面却一直都慢吞吞地难以起到实际作用。除此之外, 互联网社交平台之中也满满当当都是针对智能体的各种各样的声音, 这使得人们针对AI技术究竟能够在产业领域实际落地到何种程度, 信心并不是很高说得直白一点就是瞅不见有什么能值得期待的。就算是在当下的市面上已然有了状况还算称得上不错的落地方向以及应用情况, 然而AI技术到底是实实在在地转变成为了生产力, 还是仅仅只是浮在现象方面表面以至于根本都不能做出任何有效判定, 确实是很难弄明白清楚的, 而这是特别需要耗费极具海量规模的时日才能来进行验证的。

事情的转折出现了，是在Manus的框架发布了之后, 并且, 还有 的这个人官宣了, 下场去支持MCP。

展现于 Manus 的那种多 Agent 协同能力, *对用户针对 AI 生产力的* 作出了诠释。当 MCP 通过聊天界面达成“对话即操作”这种创新体验的时候——也就是用户只要于输入框里下达指令, 就能够直接引发像文件管理、数据调取等系统程度的操作之时, 关于“AI 切实能够辅助达成实际工作”的一种认知变革便从这儿开启了。

此种具有颠覆性的使用体验, 反过来又进一步促使了 MCP 的热度得到提升。能够这么讲, Manus 的发布正是致使 MCP 走红的关键要素。

除了像Manus这样一个被看作“带货达人”的存在, 其进行了官宣并下场, 这一行为, 也为MCP被抬升至“通用接口”的高位这件事, 起到了推动的作用。

在2025年3月27日, 其做出宣布, 针对核心开发工具予以重大更新, 此更新正式支持MCP服务协议。当那个在全球模型市场份额中占据40%的巨头做出支持协议的宣布, 这意味着MCP开始拥有类似HTTP的底层基础设施属性, MCP正式进入大众视野, 它的热度持续升高, 呈现指数级飙升。

这使得众人目睹了“AI 界 HTTP”变为现实的潜在可能性, 紧接着, 诸如 Cline 等一系列平台逐一接入 MCP 协议, MCP 所构建打造而成的 Agent 生态历经发展逐渐壮大起来。

MCP 来了，

Agent 生态还会远吗？

MCP，真的能成为未来AI交互事实标准吗？

于3月11日, 联合创始人Chase以及负责人Nuno, 围绕MCP是否会成为未来AI交互的事实标准, 展开了激烈辩论, 尽管辩论没有得出结论, 然而在很大的程度上, 激发了大伙对于MCP的想象空间。

需要留意的是, 就在这场辩论进行之际, 于网络上发起了投票。投票所产生的结果, 出乎人们的意料: 有40%的参与者对MCP成为未来标准表示予以支持。

在这场投票里头, 那剩余下来的百分之六十尚未进行投票的人, 致使MCP迈向未来AI交互事实标准的这条道路, 看似并非是顺畅的。

他们的顾虑是什么？

万分值得着重提及的, 乃是技术标准跟商业利益出现的那种割裂状况。自 MCP 发布之后, 国内以及国外众多玩家所展现出的举动, 就能够明显看出来这一点。

发布完MCP之后, 没过多久, 便开展了一项A2A（也就是Agent to Agent）的活动。

要是讲 MCP 给单个智能体铺平了道, 使其能够便利地抵达各个“资源点”, 那么 A2A 的目标便是搭建一个连通这些智能体的巨大通信网络, 让它们能够彼此“对话”, 协同开展工作。

实际上, 从底层的角度去看, 不管是那 MCP, 再者即为 A2A, 其实质都是 Agent 生态进行的抢夺行为。

那么在这个时刻，国内市场又呈现出怎样的趋势呢？

具体去看, 更多的行动是集中于大模型厂商, 自4月开始, 阿里宣布支持MCP协议, 腾讯宣布支持MCP协议, 百度也宣布支持MCP协议。

在此当中, 有个情况是, 4月9日的时候, 上线了相关业界服务之处在于那全生命周期的MCP服务一事的是阿里云百炼平台, 该平台可是集成了多达50余款诸如高德地图、无影云桌面一类工具的, 并且能够通过它在仅仅5分钟时间便生成专属Agent。还有一件事, 支付宝联合那魔搭社区, 在国内率先推出了名为“支付MCP ”的服务, 借助此举能达成让AI智能体面可以一键接入支付能力这样的结果。

4月14日, 腾讯云对大模型知识引擎予以升级, 使其支持调用MCP插件, 进而接入腾讯位置服务、微信读书等生态工具。4月16, 支付宝推出“支付MCP”, 开发者能够凭借自然语言指令迅速接入支付功能, 以此打通AI服务商业化闭环。4月25日, 百度宣布全面兼容MCP协议, 推出全球电商交易MCP以及搜索MCP服务。智能云千帆平台已接入第三方MCP, 搜索平台索引全网资源从而降低开发成本。

可以察觉到, 国内大模型厂商的MCP玩法中, 存在一种“全闭环”情形。具体表现为, 属于阿里云百炼平台的MCP服务集成了高德地图；腾讯云提供支持以便调用MCP插件, 从而接入微信读书等生态；百度推出了搜索MCP服务。无论是哪种情况, 全都在借助MCP发挥自身的长板优势, 进而加固自身的生态壁垒。

这种战略选择背后有深刻的商业逻辑。

设想一下, 如果所谓的阿里云平台竟然肯让旁人去运用那样的百度地图此项服务, 或者那称作腾讯的生态环境向外部的一类看似模型一样的数据给予核心性质的那种数据接口权限开放, 那么各个制作厂商煞费苦心构建起来的、具有数据以及生态防护那种护城河所带来的差异化优势, 极有可能就会被瓦解掉了。恰恰是这种对于“连接权”的掌控方面的需求, 导致MCP其实在技术标准化这种表面现象之下, 正在暗暗地进行着人工智能这个时代基础设施控制权的重新分配呢。

这般矛盾的张力正逐步展露: 就表面状况而言, MCP借由统一接口规范促使技术协议的标准化进程得以推进 , 实际上呢 ，每个平台都凭借私有化协议来界定自身的连接规则。

然而, 这种开放协议, 与生态存在割裂情况, 必然会变成, 制约MCP走向真正通用标准的深层障碍。

AI 产业落地浪潮里，

再看 MCP 真实的价值

也许将来不会出现*的那种“统一协议”, 可是由MCP引发的这场标准方面的革命, 已然为AI生产力的爆发开启了通道。这种通道能够让AI生产力得以爆发。

从当下看, 各个大模型厂商借由MCP协议打造自身的“生态飞地”, 这般“全闭环”策略会突显Agent生态碎片化的深层矛盾, 然而, 也能够把生态建设者积攒的能力予以释放, 迅速构建应用矩阵, 促使AI实现落地。

比如大厂往昔的优势, 有支付宝的支付技术、用户规模、风控能力等, 原本是局限于自身业务范畴的, 然而借助标准化接口, 也就是 MCP 开放以后, 这些能力能够被更多外部开发者调用, 举例来说, 其他公司的 AI Agent 不用自己构建支付系统, 而是直接去调用支付宝接口。并且还能够吸引更多参与者来使用大厂的基础设施, 进而形成依赖性以及网络效应, 以此扩大生态影响力。

这样一种呈“圈地式”的创新, 于一定的程度范围之内, 加快了AI技术在产业方面的渗透进程。

就从这个特定角度出发去看, 或许会使得未来所存在的 Agent 生态展现出那种“有限开放”的态势格局。

实际上呢, 就是核心数据那接口依旧会被大型企业稳稳地把控着, 然而在并非核心的那些领域, 借助技术社区的促使以及监管机构的介入, 或许会渐渐塑造出跨越平台的“微小标准”。这样一番“有限度的开放”, 一方面能够护住厂商的生态权益, 另一方面还可以防止技术生态出现完全分裂的状况。

在此过程里, MCP的价值会从“通用接口”向着“生态连接器”转变呢。

它不再谋求变身成为*的标准化协议, 而是充任呈现为不同生态彼此之间相互对话的桥梁。在开发者借助 MCP 能够轻易达成跨生态的 Agent 协作之际, 在用户于不同平台之间能够毫无阻碍地进行智能体服务的无缝切换之时, Agent 生态才会全然迎来它的辉煌时代句号。

存在这样一种情况, 这一切得以实现的前提所在, 就是行业能不能够在商业利益跟技术理想之间寻找到那种微妙的平衡点。这是一种变化, 是MCP在工具本身所具有的价值之外而带来的。

而是, 其实 Agent 生态的建造, 不在有某一种标准协议的现身。AI 的落实, 也不在有某一个环节的连通, 是共识。

就如同, 那位名为David的工程师, 一开始所设想的那般: 我们所需求的, 并非仅仅只是“插座”, 更加需要的, 是一个能够让诸多插座相互之间实现兼容的“电网”。并且, 这个电网, 一方面需要达成技术上的共识, 另一方面, 更需要展开一场涉及AI时代基础设施规则的全球范围的对话。

当下, AI技术处于快速迭代的状况, 在MCP的“催化”作用下, 厂商们正处于加速进行技术共识统一的进程之中。

此文本经由投资界的合作对象产业家进行授权以后发布出来的, 这一平台仅仅是用来提供信息存储服务的, 要是存在任何疑问的情况, 那就联系投资界去处理 如()所示。