李彦宏说的「MCP」，还有人不知道吗？

文｜邓咏仪

编辑｜苏建勋

大模型的风，如今又刮到了一个新名词上：MCP。

AI 圈中不缺新鲜事，但这次不一样，互联网仿佛又回到了十多年前的春天。" 现在，基于 MCP 开发智能体，就像 2010 年开发移动 APP。"4 月 25 日，百度董事长李彦宏在百度 Create 大会上说到。

如果还没有听过 MCP，但你肯定听过上一个热词：Agent（智能体）。2025 年初，中国初创公司 Manus 的爆火，把这个名词瞬间推到了大众面前。

" 真 · 能干活的 AI"，是 Agent 爆火的关键。在这之前，大模型可以答疑解惑，但它只是一个简单的对话窗口，依赖于模型接受过的训练，大模型内的数据往往不是最新的，如果只有大模型本体，调用外部工具，要经历非常繁琐的过程。

MCP 这个概念，就和 Agent 密不可分。MCP 是 Agent 愿景得以实现的的重要路径——大模型可以自由地调用支持 MCP 协议的外部工具，完成更具体的任务。

现在，包括高德地图、微信读书在内的应用，就已经纷纷推出官方的 MCP Server（服务器），这意味着，所有开发者都可以像搭积木一样，先确定自己用什么大模型，而后调用高德地图、微信读书的 MCP 服务器，大模型就可以完成查询地图等等任务。

从 2 月开始，一场 MCP 浪潮已经如火如荼地席卷全球。

几乎所有大厂—— OpenAI、谷歌、Meta，以及国内的阿里、腾讯、字节、百度等等，纷纷宣布支持 MCP 协议，也都推出了自家的 MCP 平台，邀请各路开发者、应用服务商进驻。

如果复盘 2024 年国内 AI 领域讨论得最火的名词，" 超级应用 " 肯定算其中一个。人们普遍认为，2024 年会迎来 AI 应用的大繁荣，但并没有如预期般快速发展。AI 领域的创新生态，更多还是星星点点地散落在各处。

正因如此，MCP 的爆火，不亚于春秋战国时期，秦始皇一扫六合的意义——统一各国的书写、交通、度量标准，从而大大方便了经济和商品往来。

不少市场评价认为，随着 MCP 等协议逐渐成为共识和趋势，2025 年会迎来一场真正意义上的 AI 应用大爆发。

MCP，AI 的 " 超级外挂 "

事实上，MCP 并不是一个新事物，早在 2024 年 11 月，就已经由 Anthropic 宣布推出。

MCP 的全称是 "Model Context Protocol"，即模型上下文协议。这是一项开放标准，基于大模型的应用如果支持了 MCP 协议，就像学会了一门标准化 " 语言 "，和外界的数据源、工具等等进行互动。

如果你觉得这个解释依然复杂，那么可以看看手机、电脑上的数据接口—— MCP 相当于给大模型装上了一个 " 万能插座 "，定义了一个标准的 "USB 接口 "。

有了这个接口，开发者得以有章法地，在更标准化的框架和约定下进行应用开发，对接不同的数据源和工作流。

在 MCP 成为趋势之前，开发 AI 应用的门槛一直在高位。

如果一位开发者想开发一个 AI 旅游助手，需要让大模型至少完成几项工作：查看地图、在网络上查找攻略、结合用户需求撰写一份新的旅游计划。

那么，为了让大模型顺利能够查询地图，在浏览器上查找现有的攻略。开发者所经历的开发过程是这样的：

首先，每个 AI 提供商（OpenAI、Anthropic 等）对 Function Calling 的实现略有不同。如果中间涉及两个大模型的切换，那开发者还需要为不同模型重写适配代码，相当于帮大模型写一个外部工具的 " 使用手册 "，大模型才能学会用更好的 Prompt 调用外面的工具。否则，模型输出的结果准确度会直线下降。

简单总结，就是大模型在和外界交互时，缺少统一标准，导致代码复用性太低。AI 应用生态的发展就会自然滞后。

" 对于任何一个大模型应用开发者，在 MCP 出现之前，开发者不仅需要懂大模型，也需要自己做二次开发，把外部的工具嵌入到自己的应用中。并且，工具的性能如果不好，开发者自己还需要去研究，究竟是应用本身的问题，还是工具的问题。" 阿里云魔搭社区算法技术专家陈子谦对《智能涌现》等媒体表示。

Manus 也是一个典型例子。不久前，《智能涌现》也曾对 Manus 进行测评，哪怕只是写一篇简单的新闻，Manus 很容易就需要调用十多种工具，比如开启浏览器，浏览和抓取网页、进行写作、验证和交付最终结果。

在每个环节里，如果 Manus 选择要调用外部工具，那么就需要编写一个 " 函数 "，用来安排外部的工具如何运行。结果就是，Manus 常常因为任务过载而中止任务，也是因为单个任务所消耗的 Token 太多了。

但在 MCP 之后，最核心的转变就是：开发者不需要对外部工具的性能负责，只需要对应用本身做维护和调试，大大减少了开发工作量。

相对应的，生态中的一个个单点 Server，则会维护好自己的 MCP 服务——比如支付宝、高德地图等等应用方，维护好自己的 MCP 服务器，更新到最新版本，等待开发者来接入即可。

不过，MCP 生态还相当早，现在也远不是一个完美方案。已经有不少开发者表示，MCP 有点为建标准而建—— API 也许是更简洁的方案。而如果 MCP 服务器并非官方推出，也没有人精心维护，那么接入 MCP 的的安全性、服务稳定性也不容乐观。

尽管如此，MCP 可以说是第一个真正意义上爆火出圈的调用工具协议，它的效应也在快速显现。据 MCP 社区 PulseMCP 统计，全球已经有超过 4000 个 MCP 服务器上线，而这一数字还在迅速增长中。

听上去很理想，但 MCP 生态还相当早，现在也远不是一个完美方案。

已经有不少开发者表示，MCP 有点为了建立标准而建——在那之前，API 已经是更简洁的方案了，大模型也已经可以通过很多协议调用 API，MCP 有一种画蛇添足之感。

现在大公司们发布的 MCP 服务，基本都由厂商自己定义，可以被 LLM 调用什么功能，以什么样的方式调度。但同样的问题也会出现在 MCP 上——大公司很大概率不会把最核心、最实时的信息给你。

而如果 MCP 服务器并非官方推出，也没有人精心维护，那么接入 MCP 的的安全性、服务稳定性也不容乐观。

独立开发者唐霜就分享了自己遇到的案例：某度地图的 MCP Server，工具不足 20 个，有 5 个要求传入经纬度，再来一个查天气，要求用户提供行政区划 ID 来查询天气，但却没有提供如何获取这些 ID 的方法或文档。解决方案只能是用户回到这一服务商的生态中，按部就班获取信息与权限

如此看来，MCP 的爆火只是表面，但背后的博弈远未结束——大模型厂商虽愿意提供 MCP 服务，但主动权仍然抓在厂商手中，没有人愿意为 Anthropic 的生态做嫁衣。如果没有心思好好提供服务，开发者反倒要做双倍的工作，这个生态的逻辑也不会存在。

开放路线的再一次胜利

不过，为什么 MCP 现在才火起来？

在 Anthropic 刚推出 MCP 协议的初期，其实关注者寥寥。当时，只有有限的应用支持 MCP 协议，比如 Anthropic 自家的 Claude Desktop。开发者们也没有形成一个统一的 AI 开发生态，基本属于各自闭门造车的状态。

是因为开发者群体的接纳，MCP 才开始慢慢走到舞台中心。2025 年 2 月开始，AI 编程领域的一众明星应用——包括 Cursor、VSCode、Cline 等等，纷纷宣布支持 MCP 协议，这让 MCP 协议声名鹊起。

在开发者群体中掀起声浪之后，真正引爆 MCP 协议的，是大模型厂商们的接入。

关键性的一步，无疑是 3 月 27 日，OpenAI 宣布支持 MCP 协议，紧随其后的则是 Google。

Google CEO 桑达尔 · 皮查伊曾在 X 上表达过对 MCP 的纠结。3 月 31 日，他发了条推特，表示：" 接入 MCP 还是不接入 MCP，这是个问题。" 但发完这条推特短短 4 天后，Google 也宣布接入 MCP。

△来源：X（Twitter）

大厂们最终都选择拥抱 MCP，这和 DeepSeek 冲击硅谷的故事异曲同工：接入 MCP，本质上也是大模型厂商在生态战略上的转向——与其各自为政，不如求同存异，拥抱一套更开放的协议，集体把蛋糕做大。

过去两年中，大模型厂商在 AI 战略的布局上，往往都还是想圈占地盘为主。这个逻辑和互联网的发展历史别无二致，比如苹果，成为平台厂商，建立起强大的开发者生态，而非单纯提供单点的产品服务，才能逐步建立起垄断性的优势。

OpenAI 也是学着苹果这么做的。

在接入 MCP 协议之前，OpenAI 开发者生态的路线，总体从开放逐渐走向封闭。ChatGPT Plugins 在 2023 年 3 月上线，当时的 Plugins，还允许第三方开发者为 ChatGPT 添加特定功能，也支持同时使用多个插件，是一个较为开放的扩展生态系统。

但在 2024 年 1 月推出 GPTs 及商店后，OpenAI 很快终止了 Plugins 的服务。GPTs 被设计成一个更封闭的商店模式—— GPTs 只能在 OpenAI 平台上运行，从模型到应用全部由 OpenAI 控制，通过平台抽成获利。而开发者也需要针对 ChatGPT 这一个平台开发，开放程度相当有限。

截至目前，OpenAI 的 GPTs 生态效果并不如人意，商店中充斥着大量低质的简单套壳应用，商业化闭环也远未跑通。

Anthropic 的 MCP 协议，很多思路也并非行业首创。OpenAI 推出的 Function Calling，其实同样是大模型调用外部工具的一个主流标准，MCP 的许多技术思路，也和 Function Calling 一脉相承。

但 MCP 在产品层面做得更用户友好。Function Calling 的问题在于，开发者还需要做二次编程和大量的适配工作，但 MCP 让服务方将这些需求打包成一个个的 " 乐高积木 "，大大降低了 AI 应用的开发门槛。

而且，MCP 还拥有一个最核心的优势：它更开放、抽象程度更高。MCP 只是一个网络协议，并且没有对底层的模型作限制，任何 AI 模型或平台，都可以基于 MCP 进行交互，也适用于云端或本地的多种部署形式。

MCP 足够开放，也并不会让任何一家大厂独大，这大厂们都能找到一个比较舒服的位置和心态，接入这套协议。

某种程度上，这也是 Anthropic 用更开放的姿态，以夺回开发者生态的尝试—— OpenAI 的封闭战略，则再一次被证明是战略上的误判。对于仍处早期的前沿科技行业而言，从 DeepSeek 到如今的 MCP，无一不告诉我们：开放、开源的路线，依旧是当下的最优解。

欢迎关注

欢迎交流

本文来自微信公众号" 智能涌现 "，作者：邓咏仪，36 氪经授权发布。