作者｜周一笑

现在你可以通过Claude直接控制和访问本地数据库，以及Google Drive、Slack、GitHub等平台的数据了。

近日，Anthropic开源了“模型上下文协议”（MCP），该协议将大模型直接连接至数据源，简单来说，现在企业和开发者要把不同的数据接入AI 系统，都得单独开发对接方案，而MCP要做的，就是提供一个“通用”协议来解决这个问题。

Anthropic在博客中解释说：“即便是最先进的模型，也受困于无法获取数据的限制，它们被困在信息孤岛和老旧系统之中。每接入一个新的数据源，就得重新开发一套对接方案，这让真正互联的系统很难大规模推广。”

MCP架构包含以下几个部分：

MCP主机：包括Claude Desktop、IDE等需要通过MCP访问资源的AI工具

MCP客户端：与服务器保持一对一连接的协议客户端

MCP服务器：一个轻量级程序，通过标准化的MCP协议开放特定功能

本地资源：计算机上的数据库、文件和服务等资源，MCP服务器可以安全地访问这些内容

远程资源：通过互联网访问的API等资源，MCP服务器可以与之建立连接

Anthropic提到，美国金融服务公司 Block Inc. 已经把MCP整合进了他们的系统。Zed、Replit、Codium和Sourcegraph这些开发工具公司也在和Anthropic合作，准备接入这套协议。

Anthropic在解释这个协议的实用性时表示：“随着生态系统逐渐成熟，AI系统在不同工具和数据集之间切换时能够保持上下文连续性，这样就能用一个更可持续的架构，来取代现在这种零零散散的集成方式。”

模型上下文协议（MCP）让AI系统能灵活调用不同的数据源

Claude关系负责人Alex Albert表示，“MCP 之所以强大，部分原因在于它通过同一协议处理本地资源（如数据库、文件、服务）和远程资源（如 Slack 或 GitHub 的 API）”

Anthropic官方为MCP提供了一个开源的Servers的贡献库

和Anthropic一样，OpenAI也在试图用更简单的方法把各种数据源接入到模型中。今年11月初，OpenAI推出了一个“Work with Apps”的新功能。这个功能目前只支持 MacOS，它让ChatGPT能读取VS Code、Xcode、Terminal 和 iTerm2这些平台上的内容，从而给出更准确的回答。

这些都是开发工具，接入ChatGPT后，开发者就能直接问 ChatGPT 关于代码的问题，也能获取相关建议。

OpenAI还提到，ChatGPT会把这些内容存到用户的聊天记录里，这样OpenAI就能把它当作训练数据来用。如果用户不想让ChatGPT接触自己的代码数据，可以通过数据控制功能来阻止，或者使用临时聊天窗口。

相比之下，Anthropic似乎正试图通过MCP建立一个更加开放和标准化的AI数据接入生态系统。

1

为数据集成建立标准

目前还没有一个统一的方式来连接数据源和模型，主要靠企业用户、模型提供商和数据库供应商自己拿主意。开发者一般会写特定的Python代码或者用LangChain来让大模型连接数据库。由于每个大模型的运作方式都不一样，开发者需要给每个模型写不同的代码来连接特定的数据源。这就导致不同的模型虽然都在调用同一个数据库，却没法很好地协同工作。

从大模型行业从业者osmboy从接口标准化的角度看待MCP，MCP可以类比为Mac笔记本的接口：“只不过充电，外接显示器以及插本地U盘什么的都用一个接口统一起来了”。

他认为该协议的核心价值在于为大模型数据集成提供了统一标准，不仅能提高开发和使用效率，还能增强大模型的实际应用能力。

从技术演进来看，在MCP出现之前，业界主要依赖RAG和微调等方案，以及各类Agent应用来实现数据集成，“但比较常用的方案是基于langchain和llamaindex做应用以及数据集成，总体来说各做各的，比较繁杂，不统一”

像Dify、Coze这些平台，都是借助llamaindex和langchain构建，虽然这些方案能够满足需求，但整体来说比较零散，缺乏统一标准。“Cozy和Dify都可能会支持MCP协议来做数据集成。”

他告诉硅星人，MCP的长期潜力在于建立一个统一的生态系统，从而降低开发门槛。随着这个开源协议的推广，未来大模型的数据集成可能都会采用这个标准接口，从而降低开发门槛，提高生产力。

也有用户持更为谨慎的态度，对MCP这类标准的价值提出了质疑：MCP想要标准化数据访问、提升性能，但这解决不了Claude的根本问题，比如它没法从错误中学习，也没法稳定地执行指令。“连Claude自己都承认它不能从反馈中学习，这就让所谓的智能体发展听起来很不靠谱。一个连基本任务都做不好的工具，就算数据访问再怎么流畅，也支撑不了自主系统。”

另外一位开发者认为，相较于从头开始做协议，OpenAI尝试通过与一家已将业务API化的现有公司合作来解决这一问题，这种方法看起来更为可行。

1

迈向Agent的下一步？

Anthropic在上个月推出了Compute Use之后，这次又发布了帮助大模型接入外部数据和工具的MCP，这两者都是在向Agentic工作流的方向迈进。

AIGCLINK发起人占冰强告诉硅星人，MCP相当于一个万能的数据插头，实际上打通了Agent构建的最后一公里，并且MCP是开源的，这就意味着未来每个公司都可以构建一个像扣子、Dify那样的平台。

“基本上可以说如果你还在做agent的中间件的，我觉得基本上可以歇菜了。Anthropic把MCP这套东西完全开放，我相信后面全球的大模型公司都会跟进。”

他认为，原来的Agent的中间件是区别于扣子、GPTstore这一类的平台，为开发者解决隐私安全、知识产权的问题。“以前你用扣子这类的平台，比如有人复制了你的智能体的工作流，你也不可能去打官司，所以有很多的问题在里面。”

现在有的MCP之后，“工作流基本上都可以完全在本地，而且没有任何的商业授权的问题。”因此，模型方和应用方的分工会越来越明确。使得中间件平台的空间被压缩了。

在AI领域，Anthropic一直以稳健谨慎的作风著称，主要通过发表研究论文的方式对外分享其技术进展，与Meta等竞争对手相比，这家公司极少开源，主要产品Claude及其底层模型都处于严格管控之下。MCP的开源或许反映了Anthropic在数据接入标准化领域的野心，希望通过建立行业通用标准来扩大影响力。

总的来看，MCP的出现确实为AI系统接入数据源提供了一个新思路，但要真正普及还面临不少挑战。首先是生态建设问题，能否吸引足够多的开发者和企业采用仍是未知数。

不过作为一次标准化的尝试，MCP的意义在于它可能帮助简化目前较为混乱的数据接入现状。接下来的关键是看市场的反应，开发者是否会觉得这个方案足够实用，以及其他AI公司会采取什么样的应对策略。毕竟在技术标准的竞争中，市场的选择往往比技术本身更重要。