TL;DR：MCP 真的开始火了。现在已有数千个 MCP “服务器”，虽然 Anthropic 是 MCP 的创造者，但 OpenAI 最近也加入了使用它的行列。这些服务器就像 AI 的“应用”，但更重要的是，它们可以更加灵活地配合使用。我们开始看到类似十年前移动端那样的 AI 生态系统初现端倪。

详情:

MCP（模型上下文协议）由Anthropic作为开放标准在2024年11月发布。尽管最初的反应较为平淡，但在最近几个月里，它真的火了起来。甚至其竞争对手OpenAI也开始使用它。

但它究竟是什么，为什么它这么大的事儿？

说到底，MCP（即“多用途组件”）是一种让 AI 功能更强大的方式，就像应用程序让手机变得更强大一样，等等。

要了解MCP，有两个关键概念：MCP定义了如何让一个主程序应用程序（如Claude Desktop）与称为MCP 服务器的扩展进行通信。（在这次讨论中，主程序和客户端的概念大致相同。）MCP的一大好处是它是一个开放标准，这意味着不同的主程序可以使用相同的MCP服务器，提高了兼容性和互操作性。目前已经有几十个主程序（这里有一个列表：https://github.com/punkpeye/awesome-mcp-clients）。不仅包括了Claude Desktop和Claude Code，还有Cursor这样的工具，以及类似oterm的终端。

尽管有数十个MCP主机，现在却有数千个MCP服务器，确实有网站专门记录这些服务器（例如：https://mcp.so/）。其中许多已成为让AI更深入接触数字世界的标准途径。一个生态系统从宣布到拥有5000个应用程序仅在几个月内实现，这确实令人惊叹。

为了举一些具体的例子来说明不同类型的MCP服务器，让我们来看一下Anthropic发布的系列参考用的服务器：

• Google Maps ：本地搜索，地点详情等。
• Slack ：发送和接收消息。
• Memory ：记忆跨会话的信息。
• Time ：时间和时区转换。
• Puppeteer ：与无头浏览器互动并返回HTML和图片内容。
• EverArt ：一个图像生成器。需要注意的是，MCP 并不限于文本。

你看到的就是人工智能生态系统正在兴起。MCPs可以视作AI生态系统中的首个应用程序。但与现有的应用程序生态系统相比，AI生态系统存在一些关键的区别。这些差异反映了AI比现有的“刚性”结构（如API）更灵活的特性。输入和输出以文本形式呈现。

希望我们能避免像Android和iOS那样出现分裂的情况，让OpenAI和Anthropic都采用这一标准。或许这也是开发者广泛采用它的原因之一：他们只需实现一次，他们的工具就可以被几十个主机应用程序所使用。我写一次代码，突然间，用Claude、Cline或Gemini等各种工具的人都能使用我开发的东西。

当你安装一个传统应用程序时，通常是一种孤立的体验——你一次只能与一个应用程序互动。如果你想让两个应用协同工作，你需要自己搭建，或者使用一些笨拙的“胶水”工具，比如Zapier。

使用MCP，主机可以从一个MCP服务器取得结果，然后传给另一个MCP服务器；它可以将来自多个MCP服务器的结果进行整合。这里有一个具体的例子来展示这就像一个超级能力。

• 我可以在 Slack 上监听，当有人在 Slack 上说“找一个地方去吃晚餐”时触发。
• 我可以从 Google Maps 和 Yelp MCP 服务器获取结果，并整合这些信息以提供更全面的结果。
• 我可以使用 Memory MCP 服务器来存储和检索人们在 Slack 上提到的饮食偏好。我无需使用传统的数据库，Memory 使用知识图谱来表示信息，这与 LLMs 非常适配，并且也极其灵活。
• 我可以使用 OpenTable MCP 服务器来预订餐厅。
• 我可以在 Slack 上发布消息：“我已经参考了你们的饮食偏好和附近的餐厅，为你们在 X 餐厅预订了一个位置。”

你可以想象许多类似的情景，但这里的关键是要实现一个目标，MCP主机可以使用许多个MCP服务器。

一个东西（我们可以称之为代理）既可以作为主机，也可以作为服务器。例如，比如 Claude Code 既可以作为主机（它可以使用像 GitHub 这样的 MCP 服务器来提交代码），也可以作为服务器（这样，例如，Claude Desktop 可以请 Claude Code 帮它解决编码问题）。很容易看出这是怎么回事：你现在有了一个既能接收其他代理的请求，又能向其他代理发出请求的东西。

当我第一次听说MCP时，我卡在了一个地方：“这不就是开发者已经用过的工具吗？”

是的，从某种意义上说。事实上，MCP 规定了三种可讨论的对象：工具、资源（如文件、URL 等）和提示语。

但有兩個主要的区别点：

• 工具主要是为那些在特定环境下工作的 开发人员 使用的。MCP 是针对 用户 的。
• MCP 更加 灵活 ：每个用户可以根据需要添加或移除他们自己的工具。

我想举例说明我如何使用单个MCP服务器为自己构建了一个简单的日常新闻简报系统。这可能不是最华丽的例子，但它确实很简单。我所使用的是Memory MCP服务器，它维护了一个知识图谱：实体（如我或山景城）和关系（实体“瓦利德”和“山景城”通过“居住在”关系连接）。Claude Desktop是我首选的MCP主机。我开始告诉Claude Desktop存储有关我的信息，比如我的兴趣。它把这些信息存进了内存。之后我让它帮我找最新的新闻（用网络搜索）。它的表现超乎我预期的好，但是我不希望它重复昨天的内容，所以我让它记住昨天说过的新闻。

这只是开始而已。接下来，我打算为Google任务添加一个MCP服务器，这样我就可以在读完后把任务添加进去。或者我可以让Claude桌面通过邮件分享新闻简报中的部分内容给朋友。或者，我还会为我的日历应用添加一个MCP服务器，把当天的日程加入新闻简报里。

没有MCP，我们怎么能完成这个呢？我得写一个运行在某个URL地址上的应用的代码，还得考虑如何收集用户偏好，然后把它和网络搜索关联起来。

但MCP让我能够在同一个界面（Claude桌面）里，仅通过自然语言就能完成所有这些事情。

希望这能鼓励你至少在你最喜欢的主机上试试MCP——你可能已经有一个了。更重要的是，你可能还应该考虑在使用基于AI的系统时，如何在这个生态系统中发挥作用。这里有一些你可以问自己的问题：

• 我是否应该将系统的功能以MCP服务器的形式公开？
• 这是否为我的用户提供了访问AI系统功能的新途径？
• 我还需要用户界面吗？或者任何MCP主机是否可以作为我的新界面？
• 我是否想将我的应用程序变成MCP主机来扩展其功能？

我正在考虑将其纳入我的伊斯兰AI助手开源项目中（包括服务器端和客户端）。

对于MCP来说，MCP还处于早期阶段，显然还有很多工作要做，还有很多需要改进的地方。

目前要将一个MCP服务器实例添加到你的主机中，需要编辑JSON，并且要么运行docker，要么本地运行node。这样做起来有点繁琐。

认证过程仍然很繁琐。例如，要使用 Google Drive 集成，你需要一个开发者 API 密钥，并且需要经过一系列繁琐的步骤才能使用它。安全措施、提示注入攻击等功能仍然很初级。当前的主机在执行任何操作之前仍然需要不断请求你的授权。

下一步是制定一种标准化的方法来查找可用的MCP服务器，并使其能够被LLM访问，从而让LLM能够找到它需要使用的MCP服务器。

虽然MCP听起来有些理论化和复杂，但它实际上是一个巨大的进步：它是开放AI生态系统的一个开端。特别是添加一个MCP服务器可以扩展主机的功能，使得AI能够整合并串联多种能力来完成任务，这为新应用提供了巨大的灵活性和机会。你应该考虑MCP快速普及对你所在的领域意味着什么。