MCP爆火背后：AI Agent的生產力時代來了嗎？

或許未來不會出現絕對的”統(tǒng)一協(xié)議”，但由 MCP 引發(fā)的這場標準革命，已經為 AI 生產力爆發(fā)打開了閘門。

作者|斗斗

編輯|皮爺

出品|產業(yè)家

2024 年 7 月，美國加州舊金山的一家辦公室內，Anthropic 工程師 David Soria Parra 沮喪的看著顯示屏。

當他思考如何讓更多員工深入整合現有模型時，卻發(fā)現因為 Claude Desktop 功能有限，無法拓展，而 IDE 又缺少 Claude Desktop 的實用功能，導致自己只能在兩者間來回復制內容，十分麻煩。

“我意識到這是個 ‘MxN’ 的問題，也就是多個應用程序與多種集成的難題，而用一種協(xié)議解決再合適不過。”

琢磨幾周后，David 有了一個念頭：做一個類似 LSP 的東西，把這種「AI應用與擴展之間的通信」標準化。他找到 Anthropic 工程師 Justin，二人一拍即合，開始著手構建。

4 個月后，這個念頭被產品化，擺在了大眾面前，這就是 MCP。

如今，MCP?在各大平臺被廣泛討論，多家大模型服務商紛紛宣布支持 MCP，在二級市場，MCP?概念股也被炒的火熱。

狂熱之下，諸多疑問也不斷冒出來：MCP 為何爆火？它能成為真正的通用標準嗎？大模型廠商紛紛接入背后，又有著怎樣的商業(yè)邏輯？此外，MCP 爆火背后，是否意味著 AI Agent 的生產力時代真正到來了？

一、MCP，AI?應用程序的「USB-C?接口」

長期以來，AI 模型與外部工具集成始終面臨雙重挑戰(zhàn)：定制化開發(fā)成本高昂且系統(tǒng)穩(wěn)定性難以保障。傳統(tǒng)模式下，開發(fā)者需要針對每個新接入的工具或數據源開發(fā)專用接口，這種”一對一”的適配方式不僅導致資源浪費，更造成系統(tǒng)架構的脆弱性。

MCP 協(xié)議的誕生，為的就是解決這些痛點。

它的核心價值在于標準化交互規(guī)則。即通過 MCP，開發(fā)者只需讓模型和工具分別遵循協(xié)議標準，就可以實現即插即用，將原本“M×N”的集成復雜度簡化為“M+N”。這樣?AI?模型就能通過?MCP?直接調用數據庫、云服務甚至本地應用，不需要為每個工具單獨開發(fā)適配層。

從當下來看，在實踐層面，MCP 已展現出強大的生態(tài)整合能力。

例如，Anthropic 的 Claude 桌面應用+通過 MCP 服務器連接本地文件系統(tǒng)，使 AI 助手能夠直接讀取文檔內容并生成上下文相關回答;開發(fā)工具 Cursor+則通過安裝多個 MCP 服務器(如 Slack、Postgres)，在 IDE 內實現多任務的無縫切換。

MCP 似乎正慢慢成為 Justin 口中的樣子：“我們認同將 MCP 類比為?AI?應用程序的?USB-C?接口，它是連接整個生態(tài)系統(tǒng)的通用接口。”

不過從 MCP 發(fā)布到爆發(fā)，中間還有一段很長且十分重要的故事要講。

2024 年 11 月，MCP 發(fā)布，很快便吸引了業(yè)內開發(fā)者以及企業(yè)們的注意。不過，并沒有現在這么火熱，原因在于當時人們對智能體的價值并不清晰，或者說即使解決了 Agent“M×N”的集成復雜，AI 生產力會不會爆發(fā)，誰也不知道。

這種不清晰的感覺，主要來自大模型技術不斷升級迭代下，應用側卻遲遲不發(fā)力的落地難題。此外，互聯網社交平臺也充斥著對智能體的各種聲音，這讓人們對 AI 技術能在產業(yè)落地幾何，信心不高或者說看不到希望。即使是當下市面上已經出現了不錯的落地方向和應用，但 AI 技術究竟是真的轉化為了生產力，還是只是融于表面無法作出決策，很難看清，這需要大量的時間去驗證。

事情的轉折發(fā)生在 Manus 的框架發(fā)布和 OpenAI 的官宣下場支持 MCP。

Manus 所展現的多 Agent 協(xié)同能力，完美詮釋了用戶對 AI 生產力的終極期待。當 MCP 借助聊天界面實現 “對話即操作” 的創(chuàng)新體驗 —— 用戶只需在輸入框中下達指令，便能直接觸發(fā)文件管理、數據調取等系統(tǒng)級操作時，一場關于 “AI 真正能夠輔助完成實際工作” 的認知變革由此開啟。

這種顛覆性的使用體驗，反過來進一步提升了 MCP 的熱度。可以說，Manus 的發(fā)布正是推動 MCP 走紅的重要因素。

除了 Manus 這樣一個“帶貨達人”，OpenAI?的官宣下場，也為?MCP?被抬上“通用接口”高位推了一把。

2025 年 3 月 27 日，OpenAI 宣布對其核心開發(fā)工具 AgentSDK 進行重大更新，正式支持MCP服務協(xié)議。當這個占據全球40%模型市場份額的巨頭宣布支持協(xié)議，意味著 MCP 開始具備類似 HTTP 的底層基礎設施屬性，MCP 正式進入大眾視野，熱度持續(xù)走高，指數級飆升。

這讓大家看到了“AI 界 HTTP”成為現實的可能。隨后，Cursor、Winsurf、Cline 等平臺也相繼接入 MCP 協(xié)議，MCP 打造的 Agent 生態(tài)逐漸壯大。

二、MCP?來了，

Agent 生態(tài)還會遠嗎？

MCP，真的能成為未來AI交互事實標準嗎？

3月11日，LangChain 聯合創(chuàng)始人 Harrison Chase 與 LangGraph 負責人 Nuno Campos 圍繞 MCP 是否就成為未來AI交互事實標準展開激辯，雖然沒有結論，但很大程度上激發(fā)了大家對 MCP 的想象空間。

值得注意的是，這場辯論的同時，LangChain 還在網上發(fā)起了投票。投票結果，出人意料：40% 參與者支持 MCP 成為未來標準。

在這場投票中，剩下的那 60% 未投票者，讓?MCP?走向未來?AI?交互事實標準的這條路，看起并不順暢。

他們的顧慮是什么？

最值得一提的，便是當技術標準與商業(yè)利益的割裂。這一點從 MCP 發(fā)布后，國內外的玩家們的動作便可見一斑。

Anthropic發(fā)布MCP后不久，Google就搞了一個A2A（Agent to Agent）。

如果說 MCP 為單個智能體鋪好了路，讓它們能方便地到達各個“資源點”，那么 A2A 的目標則是構建一個連接這些智能體的龐大通信網絡，讓它們能夠互相“對話”、協(xié)同工作 。

其實從底層來看，無論是?MCP，還是 A2A，本質都是 Agent 生態(tài)搶奪。

那么在這個時刻，國內市場又呈現出怎樣的趨勢呢？

具體來看，更多的動作集中在大模型廠商，4 月以來，阿里、騰訊、百度相繼宣布支持 MCP 協(xié)議。

其中，阿里云百煉平臺在 4 月 9 日上線了業(yè)界首個全生命周期 MCP 服務，集成高德地圖、無影云桌面等 50 余款工具，5 分鐘可生成專屬 Agent。支付寶聯合魔搭社區(qū)率先在國內推出“支付 MCP Server”服務，讓 AI 智能體一鍵接入支付能力。

4 月 14 日，騰訊云升級大模型知識引擎，支持調用 MCP 插件，接入騰訊位置服務、微信讀書等生態(tài)工具。；4 月 16 日，支付寶推出“支付 MCP Server”，開發(fā)者可通過自然語言指令快速接入支付功能，打通 AI 服務商業(yè)化閉環(huán)；4 月 25 日，百度宣布全面兼容 MCP 協(xié)議，推出全球首個電商交易 MCP 及搜索 MCP 服務。智能云千帆平臺已接入第三方 MCP Server，搜索平臺索引全網資源降低開發(fā)成本。

可以發(fā)現，國內的大模型廠商的?MCP?玩法，是一個“全閉環(huán)”。從是阿里云百煉平臺 MCP 服務集成高德地圖；到騰訊云支持調用 MCP 插件，接入微信讀書等生態(tài)；再到百度推出搜索 MCP 服務，都在以 MCP 發(fā)揮自己的長板優(yōu)勢，加固自己的生態(tài)壁壘。

這種戰(zhàn)略選擇背后有深刻的商業(yè)邏輯。

試想，若阿里云平臺允許調用百度地圖服務，或騰訊生態(tài)向外部模型開放核心數據接口，那么各廠商費心構建的數據和生態(tài)護城河帶來的差異化優(yōu)勢，或將瓦解。正是這種對”連接權”的絕對掌控需求，使得MCP在技術標準化的表象下，正悄然進行著人工智能時代基礎設施控制權的重新分配。

這種矛盾的張力正在顯現：表面上，MCP?通過統(tǒng)一接口規(guī)范推動著技術協(xié)議的標準化進程；實質上，每個平臺都在通過私有化協(xié)議定義自己的連接規(guī)則。

而這種開放協(xié)議與生態(tài)割裂，必然會成為制約?MCP?走向真正通用標準的深層障礙。

三、AI?產業(yè)落地浪潮里，

再看?MCP?真實的價值

或許未來不會出現絕對的”統(tǒng)一協(xié)議”，但由?MCP?引發(fā)的這場標準革命，已經為?AI?生產力爆發(fā)打開了閘門。

就目前來看，每個大模型廠商都在通過 MCP 協(xié)議構建自己的“生態(tài)飛地”，這種“全閉環(huán)”策略會暴露出 Agent 生態(tài)碎片化的深層矛盾。不過，也能將生態(tài)建設者積累的能力釋放，快速形成應用矩陣，推動AI落地。

例如大廠過去的優(yōu)勢（如支付寶的支付技術、用戶規(guī)模、風控能力）原本局限于自身業(yè)務，但通過標準化接口（MCP）開放后，這些能力可以被更多外部開發(fā)者調用，例如其他公司的 AI Agent 無需自建支付系統(tǒng)，直接調用支付寶接口。更可以吸引更多參與者使用大廠的基礎設施，形成依賴性和網絡效應，擴大生態(tài)影響力。

這種“圈地式創(chuàng)新”在一定程度上，加速了?AI?技術的產業(yè)滲透。

從這個角度來看，或將驅動未來的 Agent 生態(tài)呈現“有限開放”的格局。

具體來說，就是核心數據接口仍會被大廠牢牢掌控，但在非核心領域，通過技術社區(qū)的推動和監(jiān)管機構的干預，可能會逐漸形成跨平臺的“微標準”。這種“有限開放”既能保護廠商的生態(tài)利益，又能避免徹底割裂的技術生態(tài)。

在這個過程中，MCP 的價值也將從“通用接口”轉變?yōu)椤吧鷳B(tài)連接器”。

它不再追求成為唯一的標準化協(xié)議，而是作為不同生態(tài)間相互對話的橋梁。當開發(fā)者能夠通過 MCP 輕松實現跨生態(tài)的 Agent 協(xié)作，當用戶能夠在不同平臺間無縫切換智能體服務，Agent 生態(tài)才會真正迎來它的黃金時代。

而這一切的前提，是行業(yè)能否在商業(yè)利益與技術理想之間找到微妙的平衡點。這是MCP在工具本身價值之外帶來的變化。

其實 Agent 生態(tài)的建設，不在于某一個標準協(xié)議的出現。AI 的落地，也不在于某一個環(huán)節(jié)的打通，而是共識。

正如 Anthropic 工程師David最初構想的那樣：我們需要的不僅是“萬能插座”，更需要一個讓插座們能彼此兼容的“電網”。而這個電網，既需要技術共識，更需要一場關于 AI 時代基礎設施規(guī)則的全球對話。

AI 技術快速迭代的當下，在 MCP 的“催化”下，廠商們正在加速這種技術共識的統(tǒng)一。