Vågen av artificiell intelligens (AI) omformar olika branscher med en aldrig tidigare skådad kraft, där dess djupa integration och utbredda tillämpning har blivit en oåterkallelig trend. Både Web2 och Web3 har höga förväntningar på MCP. AI har dock utvecklats från "allvetande" i ett enkelt dialogfönster till "allsmäktig" som kan hantera olika problem, vilket kräver förbättrade modellfunktioner och starkare planeringsmöjligheter, men viktigare är att det är nödvändigt att lära AI hur man stabilt använder de verktyg den kan nå. Men när AI-modeller, särskilt stora språkmodeller (LLM), försöker interagera med omvärlden – enorma datakällor, olika verktygsuppsättningar och komplexa system – uppstår en kärnutmaning: hur etablerar man en standardiserad, säker och betrodd kommunikationsbrygga? Bristen på enhetliga standarder leder inte bara till låg utvecklingseffektivitet utan innebär också betydande risker vad gäller dataintegritet, operativ säkerhet och verifierbarhet av resultat. Det är i detta sammanhang som Model Context Protocol (MCP) som föreslagits av Anthropic kom till verkligheten. Det finns inget behov av att utveckla en separat länk mellan modellen och den externa tjänsteleverantören. Genom branschens enhetliga gränssnitt behöver modeller och tjänsteleverantörer bara acceptera protokollstandarden, så att applikationer i olika ekosystem och modeller med olika arkitekturer kan kopplas direkt samman, och information och intelligens kan flöda fritt utan begränsningar. Detta ger en ny mall för AI-interoperabilitet. Även om plugins har skapat ett relativt fritt verktygsekosystem för oss, är de fortfarande ett verktyg som är slutet inom OpenAI-systemet, med höga granskningströskelvärden, och pluginets dokumentationsstil är inte enhetlig, så det kommer fortfarande att finnas instabilitet vid användning. För detta ändamål öppnade Anthropic MCP-protokollet öppen källkod i november 2024, vilket ger ett enhetligt gränssnitt med den externa verkliga världen för stora språkmodeller från olika tillverkare och strukturer i branschen, så att alla applikationer har möjlighet att bli en del av ett större intelligent system. MCP standardiserar interaktionen mellan modeller och verktyg med hjälp av en klient-server-arkitektur. MCP-servern exponerar en uppsättning verktygsgränssnitt och tillhandahåller en enhetlig beskrivning som MCP-klienter kan fråga och anropa tillgängliga verktyg vid körning. Dess fördel är att det kraftigt förenklar kostnaden för integration mellan modeller och verktyg, och i teorin krävs det bara en anpassning av MCP-protokollet för att använda något kompatibelt verktyg. Den största fördelen med MCP är att det kraftigt minskar arbetsbelastningen för systemanslutningar: tidigare, om M-tjänster skulle ansluta till N datakällor, krävdes totalt M×N-gränssnitt att utvecklas, men genom MCP-protokollet behövdes endast M+N-anslutningar för att bygga en komplett och stabil tjänst. Det är därför MCP-ekosystemet erkänns och snabbt nås av ett stort antal tjänster.