文章来源：鹅厂技能派（ID：TencentCoder）

To MCP or not to MCP?

在OpenAI宣布支撑 MCP之后，谷歌也没犹豫太久。4月4日，Gemini宣布在官方API文档中添加了使用MCP的范例。至此，OpenAI、谷歌、Anthropic等AI巨子 全部 投入这个「大模子USB-C」的度量。

作为大模子间标准化交互的尝试，MCP被寄予“AI界的HTTP”厚望，但AI范畴从来不乏“核弹级技能”。其爆火究竟是走向共识照旧好景不常 ？对于技能决议者而言，MCP能否真正超过概念到落地的鸿沟大概更加值得关注 。

MCP爆火一个月后，本文从症结 题目切入：为何这项技能能激发 巨子 争夺？它距离定义AI时代的交互究竟标准另有多远？。

//章节速览

• MCP是怎么火起来的？

• MCP是什么，本质办理了什么焦点抵触 ？

• MCP能否撼动乃至颠覆 Function Call的地位？

• 现在跟MCP类似的大模子协定 有哪些？MCP离成为“究竟标准”另有多远？

• MCP对现有的技能生态有什么影响？ 

一、MCP是怎么火起来的？

从Github的Star History和Google搜刮趋向 上看，MCP简直是全球规模 内AI新贵，尤其是两个观测差别热度指标的曲线，竟然出现出高度相似的增长态势，这代表MCP在同时吸引圈内人和圈外人的关注 。

MCP的爆火大概有三个阶段。

客岁11月由Anthropic宣布 以来，MCP敏捷吸引技能极客与开源社区开发者，其焦点代价在于办理AI工具集成的“末了一公里”题目。开发者通过封装Slack、Notion等工具构建MCP Server，验证协定 在各种场景的可行性。这个阶段的规模 性在于，多半 实践聚焦于小我 服从工具，尚未触及企业级繁芜 场景。例如BlenderMCP项目通过自然语言 操控3D建模工具，虽在GitHub三天斩获3.8k星标，但紧张服务于自力 开发者群体。

第一次破圈在于3月上旬，紧张来源于“标准之辩”和“Manus宣布 ”。3月11日。LangChain 团结首创人 Harrison Chase 与 LangGraph 负责人 Nuno Campos 环绕 MCP是否就成为将来AI交互究竟标准展开 激辩，固然没有结论，但很大程度上激发了大家对MCP的想象空间。这场辩说的同时，LangChain 还在网上提议 了投票，40% 到场者支撑 MCP 成为将来标准。

第二天，Manus框架宣布 。Manus虽未直接采用MCP技能，但其激发 的“3小时复刻开源”变乱，客观上推动更多团队关注 协定 标准化代价。另一方面，Manus显现的多Agent协同本领精准契合了用户对AI临盆 力的最终 想象。当前LLM的主流交互形态仍以ChatBot为主，固然其Function Call机制已展现 了连接外部数据的可能性，但因为 需要繁芜 的技能对接，实际运用 始终存在门槛。

当MCP通过聊天界面实现“对话即使用“的改革 体验——用户亲眼见 证输入框指令直干戈 发文件办理 、数据调取等体系级使用时，那种“AI真的能帮我着手 干活”的认知革命才真正爆发。正是这种颠覆 性体验的反向赋能，使得Manus的宣布 成为了带火MCP的症结 推手。

随后，OpenAI的官宣下场 ，让大家看到了“AI界HTTP”成为现实的可能。当这个占领 全球40%模子市场份额的巨子 宣布支撑 协定 ，意味着MCP开端 具备类似HTTP的底层基础设施属性，MCP正式进入大众视野，热度持续走高，指数级飙升。

二、MCP是什么，本质办理了什么焦点抵触 ？

MCP通过Client、Host、Server将大模子与外部交互抽象成了“客户端-服务器”架构。任何支撑 MCP 的 AI 运用 （MCP Host）均可直接配置并使用运用 市场的MCP Server（官方、三方），无需预编码适配，类似于 USB 设备插入即用。当LLM需要完成特定使命时，可以像“即插即用”般挪用 这些模块，及时获得精准的上下文支撑 ，从而实现本领的弹性扩展。

在更辽阔 的视角对待，MCP 实在是Prompt Engineering 发展的产物 。大模子是 AI 运用 的大脑，Prompt 则负责给大模子指引和参考材料 。使用 Prompt Engineering 加速大模子运用 的落地是如今的主流做法。具体而言，布局化的 Prompt 可以给大模子供应 ：

• 额外的参考材料 ，如使用 RAG、联网搜刮来加强大模子的复兴。

• 挪用 工具的本领，从而实现 Agent。如供应 文件使用工具、爬虫工具、观赏 器使用工具（Manus使用的Brower Use）。

回首 Function call大概RAG，都需要手工地实验工具检索、手工地将信息参加到 prompt 中，prompt 本身也需要经心地 手工筹划。尤其是差别大模子的Function call遵循差其余 挪用 布局和参数格局 ，彼此 之间根本无法互通。

MCP的爆发源于它击中了Prompt Engineering的焦点抵触 ——动态意图理解与静态工具挪用 之间的割裂。传统开发模式下，Function call需要开发者预先编写工具挪用 逻辑、筹划Prompt模板、手动办理 上下文，这一过程不但服从低下，还导致AI运用 难以规模化。 

三、MCP能否撼动乃至颠覆 Function Call的地位？

先说结论，颠覆 欠好说，但会把“Function Call们”卷起来。

Function Call本质上是某些大模子（如 GPT-4）供应 的专有本领，允许 AI 通过布局化哀求挪用 外部工具（例如查询天气、实验盘算）。宿主运用 收到哀求后实验使用并返回结果。其焦点是模子厂商内部的功能 扩展接口，无同一标准，实现依靠特定厂商。

MCP 的焦点优势在于同一了各家大模子原本差别化的 Function Calling 标准，形成通用协定 。它不但支撑 Claude，还能兼容市情 上几乎全部主流大模子，堪称 AI 范畴的“USB-C 接口”。基于标准化通信 规范（如 JSON-RPC 2.0），MCP 办理了模子与外部工具、数据源间的兼容性题目，开发者只需按协定 开发一次接口，即可被多模子挪用 。

也是因为 两者都能实现与外部数据的联动，MCP在刚问世时，开发者常纠结“它是Function Call的简化版，照旧AI交互的HTTP标准？”但跟着 生态发展，MCP相比Function Call的开放性优势逐渐被认知的更加清楚：

Function Call的“私有协定 困局”，类似手机厂商的私有快充协定 ，主流AI厂商各自定义封闭的挪用 协定 （JSON Schema、Protobuf等），导致开发者为差别平台重复开发适配逻辑。切换AI服务商时，工具挪用 体系需“推倒重来”，跨平台成本高企，拖慢AI本领的规模化落地。  

MCP通过同一通信 规范和资源定义标准，MCP闪开 发者“一次开发，全平台通用”——同一工具可无缝适配GPT、Claude等差别模子。这如同AI世界的“书同文、车同轨”，闭幕“重复造轮子”的窘境。  

但Function Call还是高频轻量使命的“王者”：它像模子的“贴身助手”，也是 MCP 协定 链接各方的基础，运行时直接挪用 （如快速盘算、简朴查询），响应极快。  

而MCP则善于“繁芜 使命外包”：模子像“指挥官”下达需求（如抓取网页），MCP Server作为“快递员”按需响应，通过HTTP/SSE协定 “送货上门”，全程无需开发者手动干预。 

可以预感 的是，MCP短期内不会颠覆 Function Call，但会倒逼其进化 。当模子自带工具的丰富度追上MCP，开发者还需要辛苦 搭建专用Server吗？谜底 大概是不愿定。但至少，MCP的出现让Function Call们不得不“卷”起来——推动工具挪用 更标准化、更便捷。  

Function Call是AI的“即时小助手”，MCP是“按需响应的快递员”——两者更好的模式是协同发展。

Function Call代表“代码控”思维：开发者需精细掌握 工具细节；而MCP转向“意图派”模式：开发者只需定义本领边界，具体实验由大模子动态决议。两者并存，闪开 发者既能享受高频使命的高效，又能解锁繁芜 场景的灵活 性。  

四、现在跟“MCP”类似的大模子协定 有哪些？MCP离成为“究竟标准”另有多远？

都说MCP像昔时 的HTTP协定 ，实在上一个和MCP这么像的照旧LSP——语言 服务器协定 。

在2016年LSP宣布 之前，开发工具生态可以用“各自为政”来形容。在传统开发范式下，集成开发环境（IDE）与主流代码编辑 器（如VSCode、Sublime、VIM等）必需 为Java、Python、C++等差别编程语言 重复开发语法解析、代码补全、调试支撑 等焦点功能 ，这不但造成伟大 的资源摧残 ，更导致开发者体验的割裂。而LSP的革命性冲破 ，在于创立 了编辑 器前端与语言 后端解耦的标准化通信 架构——通过定义JSON-RPC规范下的跨历程交互协定 ，使得语言 智能服务能够以可插拔的方式适配恣意编辑 器，听着是不是和MCP异曲同工？

可以说，MCP的筹划灵感很大程度上来源于LSP，两者的理念非常相似，都将M*N的困难简化成了All in One。

LSP究竟是办理编程语言 和编程环境交互的，除此之外与MCP类似的技能协定 大致可分为两类，各自代表差别技能路径，但比力 MCP都出现必定 的劣势。

传统API规范派系

• OpenAPI/Swagger：通用API形貌标准，需开发者手动定义接口与逻辑，缺乏 AI原生筹划。

• GraphQL：灵活 的数据查询协定 ，但需预定义Schema，动态上下文扩展本领不敷。

• 企业私有协定 ：如OpenAI Plugins、Google Vertex AI工具链，封闭性强，生态割裂。

AI专用框架派系

• LangChain工具库：供应 500多个工具集成，但依靠开发者编码适配，维护成本高。

• Zapier式低代码平台：通过可视化流程连接工具，但功能 深度受限，难以满足繁芜 场景。

从这内里找一个潜伏对手 ，OpenAPI似乎能掰掰手段 。

但究竟上， OpenAPI作为API定义的究竟标准，为MCP供应 了基础架构而非竞争关系。

在API 办理 公司CEO Speakeasy Batchu看来：“从OpenAPI规范到MCP的超过非常小——前者本质上是MCP所需信息的超集，我们只需将其与LLM专用参数（如语义形貌、挪用 示例）封装为及时服务。”这种筹划差别揭示了二者本质差别 ：OpenAPI是静态接口分析书，而MPC是动态实验引擎。当AI署理通过MCP服务器提议 哀求时，实在时交互本领可动态适配上下文变革，例如主动补全参数缺掉 的API挪用 ，这种“活的规范”特性办理了传统集成中模子无法理解API架构信息的致命缺陷 。

前文的提到的“标准之辩”也深入 探讨了各种可能性。

正方的概念 主张：「MCP 的焦点代价在于：让用户为不可控的 Agent 添加工具。例如在使用 Claude Desktop、Cursor 等运用 时，普通用户无法修改底层 Agent 的代码，但通过 MCP 协定 就能为其扩展新工具。」

焦点的技能支撑是：MCP供应 标准化的工具形貌框架、支撑 通过提醒 词 (prompt) 引导工具挪用 ，以及基础模子的工具挪用 本领本身也在持续进化

反方认为，「现有模子在专为特定工具集优化的 Agent 中，工具挪用 精确率仅 50%。若强行通过 MCP 注入新工具，效果恐更不理想。」

一些现实的挑衅是：

•   工具形貌与 Agent 体系提醒 词需深度耦合

•   当前 MCP 需要本地摆设服务，使用门槛高

•   缺乏 服务端摆设本领，难以应对规模化需求

•   权限验证等安全题目尚未办理（MCP在H1的筹划中准备办理）

开放式的讨论并没有给出谜底 ，就像Langchain在x上提议 的投票一样。将近500位投票者，其中 有40% 到场者支撑 MCP 成为将来标准，并没有取得压服 性的乐成 。

对了，Speakeasy Batchu对此也有见解——“我信任，一段时光 内会出现一些模式之争，直到最终 形成像 OpenAPI 如许的标准”。

此时，Batchu还不知道十几天后OpenAI和谷歌都宣布支撑 MCP。

五、MCP对现有的技能生态有什么影响？

MCP“万能插头”优势闪开 发AI运用 进一步解耦，大大低落了技能门槛，让“大家都是AI开发者”变得触手可及。

对AI厂商而言，技能重心从工具适配转向协定 兼容。MCP协定 如同AI范畴的“通用插座”，使得模子厂商只需确保与协定 标准的兼容性，就能主动接入全部MCP生态工具。例如OpenAI通过支撑 MCP协定 ，其模子无需单独开发接口即可挪用 GitHub、Slack等数千种工具服务。这种变革让大模子厂商能够专注于焦点算法优化，而非重复开发工具适配层。

对工具开发者而言，MCP实现了“一次开发、全生态通用”的技能普惠。开发者将功能 封装为MCP Server后，就能被全部兼容协定 的AI运用 挪用 。如PostgreSQL官方开发的数据库Server已被500多个AI运用 集成，而无需针对每个模子单独适配。这让全部运用 都找到了快速AI化的路径，就像十几年前“全部行业都值得用互联网重做一遍”一样；如今，全部产物都值得做一次MCP适配改造。

(几天之前，MCP server的总体数字照旧6800)

对运用 开发者而言，MCP冲破了技能本领的边界，并加速交互范式从GUI（图形界面）向LUI（语言 界面）的跃迁 。通过协定 标准化，开发者无需理解底层技能细节即可组合各类资源：教育机构用自然语言 指令挪用 多语种材料 库生成定制教案，零售企业通过语音指令整合ERP体系和AI模子办理 库存。MCP的协定 兼容性使得自然语言 交互可直接映射到具体功能 实现，例如腾讯舆图MCP Server支撑 用户用“找相近 人均200元的川菜馆”等白话 化指令完成繁芜 搜刮，替代传统GUI中的多级菜单使用。这种转型在制造 业尤为显著——某工场 工程师通过语音指令调度MCP连接的设备集群，响应速率比传统工控界面提升5倍。

LUI开发服从的革命性提升也得益于MCP对交互层的解耦：

• 传统GUI困境：需为差别平台（Web/iOS/Android）开发自力 界面组件，维护成本占开发资源的60%；

• MCP+LUI优势：开发者只需用自然语言 形貌功能 需求（如生成周报图表），MCP主动匹配数据库查询、可视化工具等Server，并通过协定 标准化输出结果。

这种转型大概正在重构人机交互的底层逻辑。就像iPhone用触摸屏代替键盘，MCP协定 通过同一的功能 挪用 标准，使自然语言 成为连接用户意图与体系本领的“最终 接口”。

MCP的崛起标记着AI发展进入生态竞争新阶段。正如HTTP协定 奠基互联网基石，MCP正在构建智能时代的“数字神经体系”。其代价大概不但在于技能规范本身，更在于首创 了开放协作的新范式——让模子、工具、数据在同一协定 下自由活动。

MCP是否能一统天下尚未可知，但这显然让我们离AGI又近了一步。