EN

MCP 协议：AI Agent 的「USB-C」时刻到了吗？

AI Agent, Anthropic, MCP, 协议标准 —

2024 年 11 月，Anthropic 推出了 MCP（Model Context Protocol）。当时没太多人关注，以为是又一个「大厂自嗨」的标准。

但一年多过去，情况变了。

从「各自为政」到「统一接口」

以前每个 AI 应用对接外部工具，都要写一套适配代码。OpenAI 有 Function Calling，Google 有 Tool Use，各家 API 格式不统一，开发者苦不堪言。

MCP 的思路很简单：就像 USB-C 统一了充电接口一样，给 AI Agent 和外部系统的通信也定一个统一标准。

核心概念就三个：

  • Resources：外部数据源（数据库、文件、API）
  • Tools：AI 可调用的功能
  • Prompts：预定义的交互模板

说白了，就是让 AI 应用和外部系统的对接，从「每个都要单独谈」变成「插上线就能用」。

为什么现在开始火了？

两个原因。

第一，Agent 确实需要这个。 2026 年的 AI 不再是「聊天机器人」了，而是要「动手做事」的 Agent。Agent 需要查数据库、调用 API、操作文件，没有统一协议，根本玩不转。

第二，生态开始形成。 Claude Desktop、Cursor、Cline 这些主流工具都开始支持 MCP。GitHub 上的 MCP server 数量从年初的几十个涨到了现在的几百个。

这事儿挺有意思的——MCP 不是官方标准组织制定的，是 Anthropic 一家推的。但因为是开源的、设计得也合理，大家就开始用脚投票了。

实际用起来怎么样？

我自己试了试，感受是：理想很丰满，现实还有差距。

好用的场景：

  • 本地文件操作（读写、搜索）
  • 数据库查询（SQL 客户端）
  • 简单的 API 调用

还凑合的场景：

  • 复杂的业务流程编排
  • 需要状态管理的长时间任务

坑在哪：

  • 文档还不够完善，有些 server 的配置要猜
  • 错误处理机制比较弱，出问题不好 debug
  • 权限控制粒度不够细

和 Function Calling 的区别

很多人问：MCP 和 OpenAI 的 Function Calling 有什么区别？

Function Calling 是「模型层面的能力」——模型知道可以调用函数，但具体怎么调用、调用什么，是应用层的事。

MCP 是「协议层面的标准」——定义了 Agent 和外部系统如何发现、通信、返回结果。

打个比方：Function Calling 是「你会用筷子」，MCP 是「中餐馆的餐具标准」。前者是个人技能，后者是行业规范。

未来会怎样？

我的判断是：MCP 有很大的概率成为事实标准，但不会是唯一标准。

就像编程语言有 Python、Java、Go 一样，AI Agent 的通信协议也会有多种选择。MCP 现在领先，但 Google 的 A2A、OpenAI 的 Agents SDK 也在推自己的方案。

对开发者来说，最好的策略是：了解 MCP，但不要 all-in。保持协议无关的设计，未来切换成本会低很多。

这事儿你怎么看？你觉得 MCP 能成为 AI 时代的 HTTP 吗？

相关推荐