文 | 產業家，作者|斗斗 ，編輯|皮爺

2024 年 7 月，美國加州舊金山的一家辦公室內，Anthropic 工程師 David Soria Parra 沮喪的看著顯示屏。

當他思考如何讓更多員工深入整合現有模型時，卻發現因為 Claude Desktop 功能有限，無法拓展，而 IDE 又缺少 Claude Desktop 的實用功能，導致自己只能在兩者間來回復制內容，十分麻煩。

“我意識到這是個 ‘MxN’ 的問題，也就是多個應用程序與多種集成的難題，而用一種協議解決再合適不過。”

琢磨幾周后，David 有了一個念頭：做一個類似 LSP 的東西，把這種「AI應用與擴展之間的通信」標準化。他找到 Anthropic 工程師 Justin，二人一拍即合，開始著手構建。

4 個月后，這個念頭被產品化，擺在了大眾面前，這就是 MCP。

如今，MCP 在各大平臺被廣泛討論，多家大模型服務商紛紛宣布支持 MCP，在二級市場，MCP 概念股也被炒的火熱。

狂熱之下，諸多疑問也不斷冒出來：MCP 為何爆火？它能成為真正的通用標準嗎？大模型廠商紛紛接入背后，又有著怎樣的商業邏輯？此外，MCP 爆火背后，是否意味著 AI Agent 的生產力時代真正到來了？

一、MCP，AI 應用程序的「USB-C 接口」

長期以來，AI 模型與外部工具集成始終面臨雙重挑戰：定制化開發成本高昂且系統穩定性難以保障。傳統模式下，開發者需要針對每個新接入的工具或數據源開發專用接口，這種"一對一"的適配方式不僅導致資源浪費，更造成系統架構的脆弱性。

MCP 協議的誕生，為的就是解決這些痛點。

它的核心價值在于標準化交互規則。即通過 MCP，開發者只需讓模型和工具分別遵循協議標準，就可以實現即插即用，將原本“M×N”的集成復雜度簡化為“M+N”。這樣 AI 模型就能通過 MCP 直接調用數據庫、云服務甚至本地應用，不需要為每個工具單獨開發適配層。

從當下來看，在實踐層面，MCP 已展現出強大的生態整合能力。

例如，Anthropic 的 Claude 桌面應用+通過 MCP 服務器連接本地文件系統，使 AI 助手能夠直接讀取文檔內容并生成上下文相關回答;開發工具 Cursor+則通過安裝多個 MCP 服務器(如 Slack、Postgres)，在 IDE 內實現多任務的無縫切換。

MCP 似乎正慢慢成為 Justin 口中的樣子：“我們認同將 MCP 類比為 AI 應用程序的 USB-C 接口，它是連接整個生態系統的通用接口。”

不過從 MCP 發布到爆發，中間還有一段很長且十分重要的故事要講。

2024 年 11 月，MCP 發布，很快便吸引了業內開發者以及企業們的注意。不過，并沒有現在這么火熱，原因在于當時人們對智能體的價值并不清晰，或者說即使解決了 Agent“M×N”的集成復雜，AI 生產力會不會爆發，誰也不知道。

這種不清晰的感覺，主要來自大模型技術不斷升級迭代下，應用側卻遲遲不發力的落地難題。此外，互聯網社交平臺也充斥著對智能體的各種聲音，這讓人們對 AI 技術能在產業落地幾何，信心不高或者說看不到希望。即使是當下市面上已經出現了不錯的落地方向和應用，但 AI 技術究竟是真的轉化為了生產力，還是只是融于表面無法作出決策，很難看清，這需要大量的時間去驗證。

事情的轉折發生在 Manus 的框架發布和 OpenAI 的官宣下場支持 MCP。

Manus 所展現的多 Agent 協同能力，完美詮釋了用戶對 AI 生產力的終極期待。當 MCP 借助聊天界面實現 "對話即操作" 的創新體驗 —— 用戶只需在輸入框中下達指令，便能直接觸發文件管理、數據調取等系統級操作時，一場關于 "AI 真正能夠輔助完成實際工作" 的認知變革由此開啟。

這種顛覆性的使用體驗，反過來進一步提升了 MCP 的熱度。可以說，Manus 的發布正是推動 MCP 走紅的重要因素。

除了 Manus 這樣一個“帶貨達人”，OpenAI 的官宣下場，也為 MCP 被抬上“通用接口”高位推了一把。

2025 年 3 月 27 日，OpenAI 宣布對其核心開發工具 AgentSDK 進行重大更新，正式支持MCP服務協議。當這個占據全球40%模型市場份額的巨頭宣布支持協議，意味著 MCP 開始具備類似 HTTP 的底層基礎設施屬性，MCP 正式進入大眾視野，熱度持續走高，指數級飆升。

這讓大家看到了“AI 界 HTTP”成為現實的可能。隨后，Cursor、Winsurf、Cline 等平臺也相繼接入 MCP 協議，MCP 打造的 Agent 生態逐漸壯大。

二、MCP 來了， Agent 生態還會遠嗎？

MCP，真的能成為未來AI交互事實標準嗎？

3月11日，LangChain 聯合創始人 Harrison Chase 與 LangGraph 負責人 Nuno Campos 圍繞 MCP 是否就成為未來AI交互事實標準展開激辯，雖然沒有結論，但很大程度上激發了大家對 MCP 的想象空間。

值得注意的是，這場辯論的同時，LangChain 還在網上發起了投票。投票結果，出人意料：40% 參與者支持 MCP 成為未來標準。

在這場投票中，剩下的那 60% 未投票者，讓 MCP 走向未來 AI 交互事實標準的這條路，看起并不順暢。

他們的顧慮是什么？

最值得一提的，便是當技術標準與商業利益的割裂。這一點從 MCP 發布后，國內外的玩家們的動作便可見一斑。

Anthropic發布MCP后不久，Google就搞了一個A2A（Agent to Agent）。

如果說 MCP 為單個智能體鋪好了路，讓它們能方便地到達各個“資源點”，那么 A2A 的目標則是構建一個連接這些智能體的龐大通信網絡，讓它們能夠互相“對話”、協同工作 。

其實從底層來看，無論是 MCP，還是 A2A，本質都是 Agent 生態搶奪。

那么在這個時刻，國內市場又呈現出怎樣的趨勢呢？

具體來看，更多的動作集中在大模型廠商，4 月以來，阿里、騰訊、百度相繼宣布支持 MCP 協議。

其中，阿里云百煉平臺在 4 月 9 日上線了業界首個全生命周期 MCP 服務，集成高德地圖、無影云桌面等 50 余款工具，5 分鐘可生成專屬 Agent。支付寶聯合魔搭社區率先在國內推出“支付 MCP Server”服務，讓 AI 智能體一鍵接入支付能力。

4 月 14 日，騰訊云升級大模型知識引擎，支持調用 MCP 插件，接入騰訊位置服務、微信讀書等生態工具。；4 月 16 日，支付寶推出“支付 MCP Server”，開發者可通過自然語言指令快速接入支付功能，打通 AI 服務商業化閉環；4 月 25 日，百度宣布全面兼容 MCP 協議，推出全球首個電商交易 MCP 及搜索 MCP 服務。智能云千帆平臺已接入第三方 MCP Server，搜索平臺索引全網資源降低開發成本。

可以發現，國內的大模型廠商的 MCP 玩法，是一個“全閉環”。從是阿里云百煉平臺 MCP 服務集成高德地圖；到騰訊云支持調用 MCP 插件，接入微信讀書等生態；再到百度推出搜索 MCP 服務，都在以 MCP 發揮自己的長板優勢，加固自己的生態壁壘。

這種戰略選擇背后有深刻的商業邏輯。

試想，若阿里云平臺允許調用百度地圖服務，或騰訊生態向外部模型開放核心數據接口，那么各廠商費心構建的數據和生態護城河帶來的差異化優勢，或將瓦解。正是這種對"連接權"的絕對掌控需求，使得MCP在技術標準化的表象下，正悄然進行著人工智能時代基礎設施控制權的重新分配。

這種矛盾的張力正在顯現：表面上，MCP 通過統一接口規范推動著技術協議的標準化進程；實質上，每個平臺都在通過私有化協議定義自己的連接規則。

而這種開放協議與生態割裂，必然會成為制約 MCP 走向真正通用標準的深層障礙。

三、AI 產業落地浪潮里， 再看 MCP 真實的價值

或許未來不會出現絕對的"統一協議"，但由 MCP 引發的這場標準革命，已經為 AI 生產力爆發打開了閘門。

就目前來看，每個大模型廠商都在通過 MCP 協議構建自己的“生態飛地”，這種“全閉環”策略會暴露出 Agent 生態碎片化的深層矛盾。不過，也能將生態建設者積累的能力釋放，快速形成應用矩陣，推動AI落地。

例如大廠過去的優勢（如支付寶的支付技術、用戶規模、風控能力）原本局限于自身業務，但通過標準化接口（MCP）開放后，這些能力可以被更多外部開發者調用，例如其他公司的 AI Agent 無需自建支付系統，直接調用支付寶接口。更可以吸引更多參與者使用大廠的基礎設施，形成依賴性和網絡效應，擴大生態影響力。

這種“圈地式創新”在一定程度上，加速了 AI 技術的產業滲透。

從這個角度來看，或將驅動未來的 Agent 生態呈現“有限開放”的格局。

具體來說，就是核心數據接口仍會被大廠牢牢掌控，但在非核心領域，通過技術社區的推動和監管機構的干預，可能會逐漸形成跨平臺的“微標準”。這種“有限開放”既能保護廠商的生態利益，又能避免徹底割裂的技術生態。

在這個過程中，MCP 的價值也將從“通用接口”轉變為“生態連接器”。

它不再追求成為唯一的標準化協議，而是作為不同生態間相互對話的橋梁。當開發者能夠通過 MCP 輕松實現跨生態的 Agent 協作，當用戶能夠在不同平臺間無縫切換智能體服務，Agent 生態才會真正迎來它的黃金時代。

而這一切的前提，是行業能否在商業利益與技術理想之間找到微妙的平衡點。這是MCP在工具本身價值之外帶來的變化。

其實 Agent 生態的建設，不在于某一個標準協議的出現。AI 的落地，也不在于某一個環節的打通，而是共識。

正如 Anthropic 工程師David最初構想的那樣：我們需要的不僅是“萬能插座”，更需要一個讓插座們能彼此兼容的“電網”。而這個電網，既需要技術共識，更需要一場關于 AI 時代基礎設施規則的全球對話。

AI 技術快速迭代的當下，在 MCP 的“催化”下，廠商們正在加速這種技術共識的統一。