MCP：開放標準如何重塑AI創新

更大的模型並非推動下一個AI突破的關鍵。真正的改變者是微妙的：標準化。

Anthropic於2024年11月推出的模型上下文協議（MCP）為AI應用程式與其訓練數據之外的外部工具互動創建了一個統一框架。類似於HTTP和REST簡化了網絡服務連接，MCP標準化了AI與工具的整合。

你可能已經看過無數關於MCP機制的解釋。但常常被忽略的是其低調的力量：MCP是一個標準。標準不僅僅是整理技術——它們引發指數級增長。早期採用者獲得動力，而落後者則有落伍的風險。本文探討為何MCP現在至關重要、其挑戰以及對AI生態系統的變革性影響。

MCP如何將混亂轉化為凝聚力

考慮一下Lily，一家雲基礎設施公司的產品經理。她需要應對一堆工具——Jira、Figma、GitHub、Slack、Gmail和Confluence——同時還要處理不斷的更新。

到2024年，Lily意識到大型語言模型（LLMs）在數據合成方面表現出色。她設想通過將團隊的工具輸入模型來自動化更新、起草訊息和回答查詢。但每個模型都需要獨特的整合，將她綁定在特定供應商上。例如，添加Gong轉錄需要打造另一個自定義連接，這使得未來模型更換變得複雜。

然後，Anthropic推出了MCP：一個標準化上下文傳遞給LLMs的開放協議。它迅速獲得了OpenAI、AWS、Azure、Microsoft Copilot Studio以及隨後Google的支持。官方SDK支援Python、TypeScript、Java、C#、Rust、Kotlin和Swift，隨後還有Go等社群SDK。採用率激增。

現在，Lily通過本地MCP伺服器將所有內容傳送到Claude，與她的應用程式相連。狀態報告自動生成。高層更新只需一個提示。新模型出現時，她可以無縫切換，而不失整合。在業餘時間編碼時，她使用Cursor搭配OpenAI模型和與Claude相同的MCP伺服器。她的IDE已能理解她產品的上下文。MCP讓這一切變得輕鬆。

標準的重要性

Lily的經驗揭示了一個核心真相：碎片化的工具讓用戶感到沮喪。供應商鎖定普遍不受歡迎。公司害怕每次更換模型都要重新打造整合。用戶渴望選擇最佳工具的自由。MCP提供了這種自由。

標準帶來重大影響。

首先，公共API薄弱的SaaS提供商有落後的風險。MCP依賴強大的API，客戶將要求與AI應用程式的兼容性。有了標準，就沒有藉口。

其次，AI開發正在加速。開發者不再需要為基本AI應用程式撰寫自定義程式碼。MCP伺服器與Claude Desktop、Cursor和Windsurf等客戶端無縫整合，簡化測試和部署。

第三，切換成本正在下降。解耦的整合讓組織可以從Claude切換到OpenAI或Gemini——或混合使用模型——而無需重建基礎設施。新興LLM提供商可以利用MCP的生態系統，專注於性能和成本效率。

應對MCP的挑戰

每個標準都會帶來障礙，MCP也不例外。

信任至關重要：眾多MCP註冊中心已出現，托管數千個社群運行的伺服器。但使用不受信任的伺服器有暴露敏感數據的風險。SaaS公司應提供官方伺服器，開發者應優先選擇這些伺服器。

品質參差不齊：API不斷演進，維護不佳的MCP伺服器可能落後。LLMs需要可靠的元數據來有效選擇工具。沒有權威註冊中心，來自可信提供商的官方伺服器至關重要。

MCP伺服器過載會增加成本並降低效率：將過多工具捆綁到一個伺服器會增加令牌使用量，並使模型因選項過多而混亂。專注、任務特定的伺服器是關鍵。開發者和提供商應以此為設計考量。

授權和身份問題依然存在：這些挑戰早於MCP且尚未解決。想像Lily指示Claude“給Chris發送一個快速狀態更新”。LLM可能會向她聯繫人中的每個Chris發送訊息以確保送達，而非給她的老闆發送電子郵件。高風險任務仍需人工監督。

MCP的未來

MCP不僅僅是趨勢——它改變了AI基礎設施的基礎。

像所有成功的標準一樣，MCP推動了一個自我持續的循環：每個新伺服器、整合和應用程式都增強了其動力。

新工具、平台和註冊中心正在湧現，以簡化MCP伺服器的創建、測試、部署和發現。隨著生態系統的成長，AI應用程式將為新功能提供直觀的介面。採用MCP的團隊將以更優的整合更快交付產品。提供公共API和官方MCP伺服器的公司將引領整合趨勢。遲到者將難以保持競爭力。

Noah Schwartz 是 Postman 的產品負責人。