什么是 MCP，以及你为什么该关注它

MCP 现在真的火起来了。现在已经有成千上万个 MCP “服务器”，而且虽然是 Anthropic 发明的，就在几天前 OpenAI 也采纳了它。服务器就像 AI 的 “应用”，但关键在于它们可以更灵活地协同使用。我们正看到 AI 生态系统的雏形，就像十年前我们看到移动生态一样。

详情：MCP（Model Context Protocol，模型上下文协议）是 Anthropic 在 2024 年 11 月作为一个开放标准发布的。虽然最初反响平平，但过去几个月里它真的火了。三月底，就连 OpenAI —— Anthropic 的死对头 —— 也采纳了它。

但它到底是啥？为啥它这么重要？

它是什么

MCP 的核心，是一个扩展 AI 功能的方式，就像一个应用扩展了手机的功能。

理解 MCP 有两个关键概念：MCP 定义了宿主应用（比如 Claude Desktop）如何与这些被称为 MCP 服务器的扩展交互。（其实还有第三个概念，叫 MCP 客户端，但在这篇文章中，宿主和客户端差不多是同一个意思）MCP 最棒的一点是它是一个开放标准，这就意味着不同的宿主应用可以使用相同的 MCP 服务器。现在已经有几十个宿主应用了（这儿有个列表：https://github.com/punkpeye/awesome-mcp-clients）。不仅包括 Claude Desktop 和 Claude Code，还有像 Cursor 这样的工具，和像 oterm 这样的终端。

虽然 MCP 宿主有几十个，现在已经有成千上万个 MCP 服务器了，甚至有专门的网站来整理它们（比如：https://mcp.so/）。这些服务器用途广泛，很多已经成了让 AI 接入数字世界的标准方式。一个生态系统从发布到几个月内拥有 5000 个应用，简直不可思议。

为了具体看看 MCP 服务器可以做什么，我们来看一下 Anthropic 发布的一组参考服务器：

Google Maps：本地搜索、地点信息等。

Slack：收发消息。

Memory：跨会话记住事情。

Time：时间和时区转换。

Puppeteer：与无头浏览器交互并返回 HTML 和图片。

EverArt：图像生成器。注意 MCP 完全不限于文字。

为什么它重要

你现在看到的是 AI 生态系统的崛起。MCP 是 AI 生态里的第一个“应用”对应物。但它与现有的应用生态系统有一些关键差别。这些差别来自于一个事实：AI 比那些已有的 “刚性” 结构（比如 API）更灵活。输入输出都是文本。

基于开放标准的可扩展性

希望我们这次能避免 Android vs iOS 那种局面，因为 OpenAI 和 Anthropic 都采纳了这个标准。也许这就是它被开发者广泛采用的原因：他们只需实现一次，突然之间，他们的工具就能被几十个宿主应用使用。我写一次，Claude、Cline、Gemini 或其他用户就都能使用我做的东西。

集成和链式能力的强大威力

安装传统应用时，大多是孤立体验 —— 一次只能和一个应用互动。如果你想让两个应用互通，还得自己写代码，或者用像 Zapier 那样笨重的“胶水”。

而用 MCP，宿主可以把一个 MCP 服务器的结果传给另一个 MCP 服务器；它可以把多个 MCP 服务器的结果整合起来。下面这个例子就像是超能力：

我可以监听 Slack 上有人说 “找个地方吃晚饭”

我可以从 Google Maps 和 Yelp 的 MCP 服务器获取结果并整合，给出更全面的建议

我可以用 Memory MCP 服务器存取大家在 Slack 上说的饮食偏好。我不需要数据库，Memory 用的是知识图谱表示，这种方式对大模型特别友好，还非常灵活

我可以用 OpenTable 的 MCP 服务器进行预订

我可以在 Slack 上发：“嘿，我看了你们的饮食偏好和附近的餐厅，我帮你们在 X 地订了位。”

你可以想象很多类似的场景，但关键是：为了完成一个目标，MCP 宿主可以同时使用多个 MCP 服务器。

向智能体网络迈进的一步

一个东西（我们称它为代理）可以既是宿主又是服务器。比如，Claude Code 是宿主（它可以使用 GitHub 等 MCP 服务器检查代码），但它也可以是服务器（例如，Claude Desktop 可以请求 Claude Code 来帮忙解决一个编码问题）。你很容易看出这个趋势：你现在有个东西，既能请求其他代理，也能接收其他代理的请求。

这不就是工具吗？

我一开始了解 MCP 时卡住的一点就是：“这不就是开发者一直在用的工具吗？”

某种程度上，是的。实际上，MCP 定义了三种类型的东西：工具、资源（文件、URL 等）和提示。

但有两个根本区别：

工具是给开发者用的，在非常受限的场景下。MCP 是面向用户的。

MCP 更加动态：每个用户都可以添加或删除自己的工具集。

一个具体例子

我想举个具体的例子，看看我是怎么用一个非常简单的 MCP 服务器构建了一个日常新闻简报系统。这不是最花哨的例子，但让我惊讶的是它有多简单。我只用了 Memory MCP 服务器，它维护了一个知识图谱：实体（比如我，或 Mountain View）和关系（实体 “Waleed” 和 “Mountain View” 被 “住在” 这个关系连接）。Claude Desktop 是我选的 MCP 宿主。我开始告诉 Claude Desktop 存我感兴趣的事。它把这些都存进了 memory 系统。然后我让它帮我拉一些最新新闻（通过网页搜索）。效果出奇地好，但我不想第二天重复昨天的内容，所以我也让它记住它昨天告诉我的内容，这样就不会重复。

这只是个开始。接下来我会加一个 Google Tasks 的 MCP 服务器，这样我可以读完后加个代办事项，或者我可以让 Claude Desktop 把某条新闻通过邮件发给朋友。或者我会加一个我的日历应用的 MCP 服务器，把当天的事件也加进简报。

如果没有 MCP，我们怎么搞这事？我得写个跑在 URL 上的应用，想办法获取用户偏好，然后再接上网页搜索。

但有了 MCP，我可以在一个面板里（Claude Desktop）用自然语言完成这一切。

这对我有什么影响？

希望这些能让你愿意至少在你喜欢的宿主上试试 MCP —— 你可能已经在用了。但更重要的是，如果你在做基于 AI 的系统，你也许该考虑一下怎么参与这个生态系统。你应该问问自己：

我要不要把我系统的能力暴露成一个 MCP 服务器？

它能不能让我的用户以一种新的方式访问 AI 系统的能力？

我还需要用户界面吗？MCP 宿主本身能不能成为我的新界面？

我想不想把我的应用变成 MCP 宿主，以扩展它的能力？

我自己已经在考虑把我做的开源伊斯兰 AI 助手项目（包括服务器和宿主两部分）加上 MCP 支持。

接下来呢？

MCP 还处于早期阶段，还有很多路要走，很多东西要修。

安装和设置

现在要把一个 MCP 服务器加进你的宿主，还得手动改 JSON 文件，要么跑 Docker，要么本地跑 Node。挺麻烦的。

安全、认证等等

认证现在还是挺难搞的。比如，要用 Google Drive 的集成，你得申请开发者 API key，然后跳过一堆步骤才能用。安全、提示注入这些还很基础。现在的宿主还得不停向你请求权限才能做事。

动态发现

下一步是要标准化一种方式，让 LLM 自己发现有哪些 MCP 服务器，并能自己找需要用的 MCP 服务器。

总结

MCP 看上去有点理论性，也挺复杂，但它实际上是一个巨大的前进步伐：它是开放 AI 生态的开始。特别是你只需添加一个 MCP 服务器，就能给宿主添加功能，而且是以一种让 AI 能集成并串联多个能力完成目标的方式，这对新应用和工具的灵活性来说是个巨大机会。你应该问问自己，MCP 被迅速采纳这件事，对你正在做的事情意味着什么。