AI的“万能插头” BAT全面支持MCP

本报记者 李玉洋 上海报道

如果要问AI开发者或技术爱好者近期的热点有哪些，那么MCP（Model Context Protocol，模型上下文协议）必是话题之一。

近日，支付宝联合魔搭社区率先在国内推出“支付MCP Server”服务，据测试AI开发者可以使用自然语言接入支付宝支付服务，快速实现AI智能体内的支付。而此前，大模型明星初创公司MiniMax也官宣，MiniMax MCP Server正式上线。

那么，MCP是什么？热度是怎么上来的？《中国经营报》记者了解到，MCP被称为“AI界的USB-C接口”，能让大语言模型“操作”其他软件，其由国外大模型公司Anthropic开发，并于2024年11月正式发布，在今年3月受到了包括微软、OpenAI、谷歌等巨头的认可。

“人们喜欢MCP，我们很高兴能在我们的产品中添加支持。”OpenAI首席执行官山姆·奥特曼发文称。随着MCP概念的火爆，开发者社区中对该技术的讨论也逐渐增多，这股风也迅速吹向了国内。

“首先，MCP解决了MxN的集成难题。”和OpenAPI、LangChain工具链等类似协议相比，MiniMax开发者社区负责人蔡佳人认为MCP具备以上优势。通过标准化协议，MCP将这一问题转化为M+N的模式，即开发者只需为每个AI应用实现一次MCP客户端，为每个外部系统实现一次MCP服务器，所有兼容的客户端和服务器即可互联互通。

同时，蔡佳人也表示，目前的MCP生态还有一些提升空间，比如缺乏统一的命名空间管理机制，可能导致不同服务器上工具名称的冲突。

把集成复杂度从MxN转化为M+N

近期，MCP在社交媒体上的出现频率很高，以至于用户在B站、小红书、抖音等平台上时不时刷到关于MCP的科普和教程。

来自Xsignal Trend X（奇异风口）数据库的数据显示，MCP的声量（网络上提到该概念的帖子数，包含图文、视频等）从2024年11月开始出现，在2025年2月末陡然上升。

根据Anthropic的定义，MCP是一个将AI助手连接到数据所在系统（包括内容存储库、业务工具和开发环境）的新标准。具体而言，MCP是一项开放标准，使开发者能够在其数据源和AI驱动的工具之间建立安全的双向连接。其架构简单易懂：开发者可以通过MCP服务器公开数据，也可以构建连接到这些服务器的AI应用程序（MCP客户端）。

据了解，MCP遵循互联网常见的C/S架构，即客户端（Client）—服务器（Server）架构，还引入了主机（Host）的概念，组成了基本的主机—客户端—服务器架构。

根据腾讯、微信前高级工程师“idoubi”的科普，MCP里的主机就是大模型应用，类似Claude桌面客户端、Cursor编辑器这种应用，可在主机内调度客户端进程，发起到服务器的连接；客户端可以理解为主机内的一个业务进程，能与服务器进程进行连接，实现数据交互，帮助主机应用获取外部资源；服务器则是在主机外运行的、用于提供特定资源和能力的外部程序。

他举例称，在Claude客户端输入：“我想从广州开车去武汉看樱花，请帮我规划一下路线，把行程计划保存到我的笔记。”由于在Claude的MCP服务器配置文件中写入了高德地图和浮墨笔记两个MCP服务器，所以Claude在响应过程中调用了amap-maps服务器提供的四个工具，查询位置和天气信息，最后调用flomo服务器的write_note工具，把行程计划直接保存到了浮墨笔记里。

简单来说，MCP是给多智能体系统使用的上下文协议，让不同Al Agent听得懂彼此的“工作语言”。过去，大模型想调用导航、订酒店等功能，需要程序员一个个写代码对接，现在只要符合MCP标准，所有工具都能即插即用。

“传统的集成方式需要为每个AI应用与每个外部系统建立单独的连接，导致MxN的集成复杂。MCP通过标准化协议，将这一问题转化为M+N的模式。”蔡佳人表示，MCP极大地降低了集成成本和维护难度。

阿里云智能集团资深副总裁、公共云事业部总裁刘伟光也表示，MCP是今天公认的业界标准，有望加速AI应用爆发的“最后一公里”的连接。“今天MCP通过统一标准接口，类似于电脑、手机当中看到的USB-C、Type-C接口，这一标准接口降低了大模型和外部系统的集成门槛。”

巨头纷纷入局但仍处于发展早期

与传统协议（如HTTP、gRPC、ONNX Runtime）相比，MCP有什么区别？

在蔡佳人看来，MCP强调的是语义层协议，而HTTP/gRPC是传输层协议，ONNX Runtime则是推理执行层协议。

“从擅长的领域来说，MCP专注于模型上下文管理，能解决上下文的动态扩展、跨领域兼容性等问题。HTTP、gRPC在通用通信方面起到关键作用，ONNX Runtime协议则专注在模型推理，更多关注数据传输、模型执行，缺乏对上下文的精细化管理。所以，MCP更适用于需要复杂上下文管理的场景，比如多模型协作、跨领域任务，传统协议更适用于通用通信或单一模型推理。”他表示。

如上所述的“MCP专注于模型上下文管理”，那我们该如何理解MCP的“上下文”（Context）？

蔡佳人表示，简单来说，MCP中“上下文”是指LLM（大语言模型）在执行任务时所需的所有外部信息和工具，例如外部数据源，数据库、API、文档库等；以及计算工具、搜索引擎以及第三方服务等扩展LLM的功能；此外，还有对话的历史和状态，动态维护LLM的对话上下文，确保连贯性和一致性。

“这些上下文信息通过MCP进行标准化管理，使LLM在需要时能动态获取相关信息，提升其响应的准确性和相关性。”蔡佳人表示。

中信建投认为，在AI Agent中，MCP相较于传统Function Calling外部工具的调用方式，通过主机、服务器和客户端的解耦，大幅降低重复开发成本，同时提升了各类AI工具的互联互通能力，亦为全球复现Manus的关键技术。随着头部公司的加速支持，MCP生态边界有望进一步拓展，加速AI产业发展。

今年3月下旬以来，OpenAI、谷歌、微软和亚马逊四大顶级AI科技公司陆续宣布支持MCP。3月27日，OpenAI官宣Agents SDK加入MCP服务协议，后续ChatGPT桌面应用和Responses API也将快速支持。

4月，谷歌DeepMind CEO哈萨比斯在X表示，谷歌将在Gemini和SDK中添加对MCP的支持。哈萨比斯写道：“MCP是一个很好的协议，它正在迅速成为AI代理时代的开放标准。期待与MCP团队以及其他业内人士一起进一步开发它。”

同时，谷歌和思科也各自推出了MCP的“补充”：Agent2Agent（A2A）协议和Agent Connect（ACP）协议。这些迹象显示，MCP正加速成为下一代智能体系统的基础设施标准。

“MCP的风”也吹到了国内。3月21日，百度地图官宣，其核心API全面兼容MCP协议，成为国内首家兼容MCP协议的地图服务商。4月9日，阿里云百炼宣布全面支持MCP服务部署与调用，首批上线了高德、无影、Fetch、Notion等50多款阿里巴巴集团和三方MCP服务。

随后，腾讯云也宣布支持MCP。有数据显示，截至2025年3月，已有超过1000个基于MCP协议构建的社区服务器和数千个集成MCP协议的应用。GitHub上MCP相关代码库星标数超3.5万，半年内增长超10倍。

虽然国内外巨头的入局为MCP注入了动力，但其仍处于发展早期阶段。“目前的MCP生态不是百分百完美的，也还有一些提升空间。”蔡佳人表示，从产业上来说，MCP仍有一定的部署和使用门槛，未来可以提供更友好的开发工具和接口，以便更多开发者能够轻松构建和部署MCP应用；当前MCP缺乏统一的命名空间管理机制，可能导致不同服务器上工具名称的冲突，增加了模型调用错误工具的风险，未来也需要有更规范、统一的工具质量标准。

（编辑：吴清 审核：李正豪 校对：颜京宁）