一句话完成三个任务，这个神器让我实现摸鱼自由。

“AI界的C口 ” 要来了？

这么说吧，这段时间， AI 圈有个叫 MCP 的概念火了。它号称一统 AI 江湖，能让 AI 直接上手办公软件、设计软件等等十八般兵器，直接替你干活。

网友们聊的也是热火朝天，认为它就是 AI 的未来，比如，就有人用 GPT-4o 画了张在 MCP 面前， AI 大厂们都是一家人的图。。。

也有网友分享 MCP 的工具集合，直接收获了 36 万的阅读量。

甚至就连奥特曼也表示，大家都支持 MCP ，那我们也支持！

所以，这玩意到底是个啥，为啥全世界都这么火？

但是光看那些科普，感觉又硬又干，根本啃不下去。。

俗话说得好，实践出真知嘛。所以，江江直接上手尝试一把，看看这玩意到底有多神，经得起一直吹？

先说结论，这玩意确实还挺牛的。

大家先想一下，现在的 AI ，是不是纯纯的 “ 嘴炮大师 ” ，你问他一句，他能一分钟回复你几千字不重样，但你消化起来可能就要几个小时。。

而 MCP 能让 AI 直接进入 “ 二阶段 ” ，从 " 嘴炮大师 " 进化成 " 打工机器 " ！

话不多说，我们直接上演示。

咱先从简单的开始，我直接告诉 Claude ：在我的桌面生成一份 PDF 文件，里面包含 1980 年各国的 GDP 排名的数据表格，并包含两张柱状图。

这玩意虽然不难，但是能帮我动手，我就能腾出手来摸鱼了。

AI 哥雷厉风行，直接请求连接我的系统，然后搜集资料、填表格、画图表，一气呵成。

完事直接上桌面打开，有表，有图，还有数据来源，整个过程不到两分钟，我只需要边喝茶边看它表演就行了。

你可能会说，这玩意是个人都能做，牛逼在哪呢。

诶，接下来的东西，你还真不一定会。从小到大，对 3D 建模一窍不通的我，用它居然能实现 " 用嘴建模 " 。

来看我操作这波。我直接告诉他： “给我建个林中小屋模型。”

消息一发送，它二话不说就开始操作 Blender ，创建几何体、调整参数、设置材质... 几分钟后，模型直接送到我眼前了。别的不说，能做出来，就已经比我强了。

不仅如此， AI 这双无形的手还能伸到文艺界。

我直接跟它说： “给我写首歌，不需要贝斯。” （ 对不起，因为它写出来的贝斯实在太难听了。。 ） AI 哥直接连上 Ableton ，就开始创建音轨、设置 bpm 、调整音色，编出了一段曲子，两个音轨，一个是钢琴，一个是提琴。你还别说，味道还挺对的。

最离谱的是，它还能操纵我的任务管理器。我在 Claude 里输入 "请你结束 Claude" ，它居然真的把自己结束了。我们 AI 哥还真是说一不二，狠起来连自己都干。。

这哪是 AI 助手啊？简直就是三头六臂的全能打工人。而我，直接化身甲方爸爸，只需要疯狂提需求就行了。

而这一切的一切，都要归功于我们今天讲的这个玩意—— MCP 。

这玩意全称 Model Context Protocol ，也就是模型上下文协议。简单来说，有了 MCP ，就相当于 AI 和软件装上了 " 万能接口 " ，让它能直接访问和操控你电脑上的软件和文件。

其实，过去要做到这些也不是不行，例如开发者通过 LangChain 来集成各种工具，后来 OpenAI 提出了自己的 Function Calling 机制来让大模型调用工具。

但这些都没有被大多数人所接受，主要原因就是技术门槛过高，调用几个小工具就要写上千行代码。。况且写出来的函数还不通用，程序员得给每个任务单独开发一个函数。世界上这么多软件，程序员挨个适配的话，到头发掉光也开发不完。。

这个时候， MCP 登场了，直接桌子一拍：咱们把接口规范都统一了，你开发完我也能用，效率不就上来了？这就是为什么 MCP 如此受关注，它确实保住了程序员的头发。

至于 MCP 是咋做到这些的，其实原理上并不难，主要分三步。

第一步，它会发起询问： " 能干这活的请出列！ " 并获取可用的工具列表。在第二步，工具列表和你的请求会被打包发给 AI 。

最后 AI 会思考，并决定用哪个工具，并且指挥工具开始干活，再把结果喂回 AI 嘴里，让你看见。

这一系列操作下来， AI 的能力就直接到 Next level 了。以前的 AI 就像只长了嘴，只能告诉你应该怎么做，你看不懂只能抓耳挠腮；现在有了 MCP ，就像给 AI 装上了手和眼睛，你只需要动动嘴，工作就能完成了。

也就是说，我一个人可以让一堆 AI 为我服务，谁擅长这个工作就让谁来，而这一切只需要在一个对话框里就能做。

而现在，网上已经有 MCP 工具的超市了，各种功能的 MCP Server 应有尽有，包括百度地图、高德、 MasterGo 等等中大厂也在宣布接入。

如果觉得不够用，你还能按自己的需求开发专属 MCP Server ，打造完全符合你习惯的 AI 助手，这感觉比 Manus 都香多了。。

诶，看了这么多演示，你可能会觉得：这 MCP 应该能打遍天下无敌手了。不过，从我这几天的体验来看，这玩意其实还有很大的进步空间。

首先， MCP 还在起步阶段，支持 MCP 的工具也不太多，而且配置起来较为繁琐，小白很难成功用上这些工具，配置环境时可能很容易就迷失到代码里，无法自拔。。

而且，这玩意还挺费 token 的，一是因为调用工具本身就很费 token ，上层服务调用下层服务时，就要把上层信息传达下去，调用完成后，下层还要回传信息，一层接着一层，这就会导致 token 爆炸多。

二是 AI 很难一次就找到解决问题的最优解，它可能会挨个方法去试，这就导致如果它一直找不到好办法，就会一直卡在那里循环。。

还有，虽然 MCP 能给 AI 装上手和眼睛，但它的大脑，还是我们的大语言模型，只有大模型理解了你的需求，它才能操作工具干活。但目前的大模型，很多时候还挺蠢的。

就拿上面的 AI 建模来说，有时候建出来的东西，根本不是人类能理解的东西。。

所以说到底，想要真正发挥 MCP 的潜力，各大模型厂商对大模型能力的突破才是重中之重，不然会经常出现你让它往东，它给你往西的尴尬场面，白白浪费你的 token 。

不过总而言之， MCP 这股风已经在各行各业刮起来了，而且只会越刮越大，照 AI 这个发展速度，以后人人都能配个 AI 小团队。

到时候你做个决定，立马有三五个 AI 助理给你写方案，这才是真正的科技改变生活嘛。所以，你觉得人类解放双手的日子，还会远吗？

撰文：不咕

编辑：江江 & 面线

美编：焕妍

图片、资料来源：

X、GitHub、Smithery、Anthropic