MCP

3 秒看懂

MCP (Model Context Protocol) 是连接 AI 模型与外部工具、数据源的开放标准协议，像给 AI 装了一个“万能插头”，让任何模型都能即插即用地访问任意数据与服务，打破过去每家助手的“独占生态”。

3 分钟产业解释

大语言模型要从“聊天机器”进化为能实际执行任务的智能体，必须安全、高效地对接现实世界的数据和 API。传统方案往往是模型厂商各自的私有插件体系或开发者临时拼凑的函数调用，集成成本高、迁移性差。MCP 由 Anthropic 提出并开源，借鉴了网络时代的 HTTP 协议思想，以客户端‑服务器架构实现了 AI 与外部世界的解耦：

• 客户端（通常是 AI 应用或模型运行时）发起连接，通过标准化的 JSON‑RPC 2.0 消息与一个或多个 MCP 服务器通信。
• 服务器负责暴露三类能力：资源（结构化数据，如数据库记录、文件）、工具（可执行的函数，如发邮件、查询 API）和提示模板（帮助模型更好组织上下文的预制指令）。

这意味着一个 MCP 服务器可用同一个协议同时服务于 Claude、GPT 或任何兼容的模型，开发者无需为不同模型重复开发连接器。这种协议层抽象有望大幅降低 AI 代理落地的集成门槛，催生独立的“MCP 中间件”产业，并重塑数据安全与权限治理边界。

技术原理

MCP 的技术核心是建立在 JSON‑RPC 2.0 上的会话层协议，其通信模型可抽象如下：

┌─────────────┐          JSON‑RPC 2.0           ┌────────────────┐
│  客户端      │ ◄────────   over   ──────────► │  MCP 服务器      │
│ (AI 应用/   │     stdio / SSE / Streamable  │                 │
│  模型运行时) │                               │ • 资源(Resources)│
└─────────────┘                               │ • 工具(Tools)   │
                                               │ • 提示(Prompts)│
                                               └────────────────┘

协议握手与生命周期

• 初始化：客户端发送 initialize 请求，携带自身支持的协议版本和能力。服务器回复其协议版本、名称、版本号及能力声明（如是否支持工具、资源列表变更通知等）。随后客户端发出 initialized 通知，会话建立。
• 资源访问：客户端可通过 resources/list 获取可用资源 URI（如 file:///data/report.csv），再调用 resources/read 获取实际内容。资源支持模板化 URI，允许动态参数。
• 工具调用：客户端调用 tools/list 发现工具，然后使用 tools/call 发起执行请求，服务器返回结果或错误。工具定义为带 JSON Schema 参数和返回值的函数。
• 提示模板：服务器可提供预定义的提示结构（含消息序列与变量），客户端通过 prompts/get 获取已渲染的提示，增强模型一致性。

传输层

• 本地 stdio：适用于桌面应用或单机场景，客户端作为子进程启动服务器进程，通过标准输入输出传递 JSON‑RPC 消息，延迟极低，无网络暴露。
• HTTP(S) 上的 SSE / Streamable：允许远程部署。客户端向服务器端点发送 POST 请求获取 SSE 流，服务器推送消息；Streamable HTTP 模式采用请求-响应 + 服务器 SSE 推送，并允许服务器主动通知资源变更，实现实时同步。

典型交互序列（资源读取）

Client                   Server
  │ ── initialize ──────► │
  │ ◄── {capabilities} ── │
  │ ── initialized ─────► │
  │ ── resources/list ──► │
  │ ◄── [resource items]─ │
  │ ── resources/read ──► │
  │    (uri: "db://...")  │
  │ ◄── resource content─ │

该协议设计的精要在于将 AI 模型的“思考”与“读取/行动”分离为两个正交的工程问题，从而允许工具开发者仅关注业务逻辑，模型开发者仅关注推理优化。

关键参数

以下参数定义基于 MCP 规范（版本截至 2025‑03‑26）及社区最佳实践，均为技术协议约定，不涉及财务数字。

• 协议版本：当前稳定版本为 2025‑03‑26，客户端与服务器在初始化时进行版本协商，若不兼容则终止连接。
• 消息格式：严格遵循 JSON‑RPC 2.0，每条消息需包含 jsonrpc: "2.0"，请求使用唯一 id 绑定响应，通知无 id。错误码兼容 JSON‑RPC 标准（如 -32700 解析错误），并扩展了协议特定错误（如资源未找到、工具执行失败等）。
• 传输方式：支持三种传输：
  • stdio：进程标准输入/输出，延迟极低，适用于本地代理。
  • Server‑Sent Events (SSE)：通过 HTTP 长连接推送事件，客户端经由 POST 端点发起，适用于远程但需服务器推送的场景。
  • Streamable HTTP：在普通 HTTP 请求‑响应之上可开启 SSE 流，用于从服务器到客户端的异步通知，如资源更新事件。
• 认证与安全：协议本身不定义认证机制，但明确建议在 HTTP 传输中通过 Authorization 头发送 Bearer 令牌；推荐结合 OAuth 2.0 授权框架，由用户在客户端本地完成授权后授予令牌，实现用户控制的权限派生。传输层安全依赖 TLS（HTTPS）。
• 资源与工具模式：资源通过 URI 标识，支持模板参数（如 {user_id}）；工具定义须包含 name、description 和 inputSchema（JSON Schema 对象），服务器返回 content 数组，可包含文本、图片等元素。
• 提示模板：提示为预制的消息序列，可包含变量，客户端渲染后注入模型上下文。旨在提升跨模型的一致性，减少提示工程重复劳动。
• 能力声明：服务器在初始化响应中通过 capabilities 字段告知自身支持的功能（如 tools、resources、prompts、logging），客户端据此决定调用策略。
• 日志与通知：服务器可向客户端发送 notifications/message 类日志消息，设定严重级别，便于调试和审计。

技术路线

MCP 的出现并非孤立事件，而是 AI 工具集成方案从私有化走向标准化的缩影。当前主要技术路线可对比如下（定性评价，用“高/中/低”表示相对强度，不指代精确测量）：

路线演进：2023 年 ChatGPT 插件上线，证明模型连接工具的需求强烈，但其体系封闭；同年 LangChain 等框架通过代码封装提供“工具”抽象，缺乏标准运行时发现。2024 年底 Anthropic 开源 MCP，提供了从本地进程到远程服务的统一范式，社区迅速跟进。2025 年 Google 发布 Agent‑to‑Agent 协议（A2A），与 MCP 形成分层互补——MCP 连接工具，A2A 连接代理，共同构建 AI 原生协议栈的“TCP/IP”层。

上游

• AI 模型供应商：Anthropic、OpenAI、Google 等，负责在模型运行环境中内置或适配 MCP 客户端，是协议的第一批采用者和推广者。
• 数据与工具服务商：数据库厂商（如 Supabase）、SaaS 工具（GitHub、Slack、Notion 等）、搜索服务和云平台，通过封装自身 API 为 MCP 服务器，进入 AI 代理调用链。
• 协议标准与基础设施提供方：目前规范由 Anthropic 主导维护，开源社区通过 GitHub 提交改进建议；传输层依赖成熟的 HTTP/SSE、JSON 标准，无独立硬件依赖。

下游

• 应用开发者：构建 AI 助手、企业智能体、自动化工作流的团队，直接调用 MCP 服务器以替代手写胶水代码，提升多模型兼容性。
• 企业 IT 与集成商：利用 MCP 统一内部数据与服务接口，构建合规的 AI 赋能管道，同时可加入自建安全网关实现集中管控。
• MCP 托管与中间件平台：提供服务器托管、服务发现目录、安全审计、计费网关的新型创业公司，类似 API 网关或移动应用商店的角色。
• 终端用户：虽然不直接感知 MCP，但其使用的 AI 助手因 MCP 而能访问更丰富的实时信息和操作能力，体验提升。

受益公司

（以下仅陈述公司在 MCP 生态中的角色与潜在受益逻辑，不构成任何买卖建议，股票代码仅作标识。）

• Anthropic：MCP 发起者和核心维护者。通过将协议深度集成至 Claude 产品线，意图以开放生态吸引开发者和数据源，弱化竞争对手的工具锁定效应。对非上市企业，其长期商业价值与协议生态的繁荣度正相关。
• Block, Inc. (NYSE: SQ)：旗下 TBD 部门发布了基于 MCP 的去中心化身份与支付服务器，可使 AI 代理通过标准协议直接执行身份验证和支付指令。这有助于将其支付基础设施渗透到 AI 代理经济中，与自身去中心化战略协同。
• Apollo 配置中心（携程开源项目）：推出 MCP 服务器，将实时配置管理能力暴露给 AI 代理，是软件基础设施工具向 AI 接口靠拢的代表。项目无上市实体，但展示了开源 ISV 通过 MCP 提升产品在 AI 时代相关性的路径。
• Sourcegraph、Replit 等开发者工具公司：已发布 MCP 服务器，将代码搜索、在线编码环境等能力标准化接入 AI 助手，提升产品在 AI 辅助编程场景中的使用频次，巩固开发者生态。
• 潜在受益者：云服务商（如 AWS、Azure）可通过提供 MCP 托管服务吸引智能体工作负载；API 安全与网关公司（如 Kong、Apigee）有条件推出 MCP 安全网关，抢占新兴中间件市场；拥有独特数据的 SaaS 企业只需封装 MCP 服务器即可使自身数据易于被任何模型消费，数据资产可见度提高。

市场规模

截至 2025 年 7 月，公开资料未见 Gartner、IDC 等第三方机构针对 MCP 协议或工具连通中间件发布独立的细分市场规模测算。MCP 自身不直接产生交易收入，其经济价值更多体现在降低集成成本、催生关联服务市场。

可资参考的关联领域：

• API 管理市场：据 Knowledge Sourcing 2024 年报告，全球 API 管理市场规模在 2023 年约为 56.2 亿美元，预计 2030 年达 272.4 亿美元。MCP 工具调用与 API 管理层天然相关，可能成为该市场的新增驱动。
• AI 智能体市场：MarketsandMarkets 2024 年报告预测，全球 AI 智能体市场将从 2024 年的 51 亿美元增长至 2030 年的 471 亿美元（CAGR 44.8%）。智能体落地需大量工具连接，MCP 作为标准化方案有望分享该增长。
• 开发者社区信号：MCP GitHub 组织下社区贡献的服务器数量快速增长（官方目录及社区仓库中可公开获取的服务器数量已达三位数），开源生态活跃度是未来商业价值的先行指标，但目前无法转化为具体货币化规模。

短期看，MCP 相关价值主要以嵌入式中间件形式体现，拉动 API 网关、安全审计、工具托管等需求，而独立的“MCP 平台”营收仍需验证。

玩家对比

除协议路线的竞争外，产业内主要参与者的定位差异如下（截至 2025 年上半年）：

该表显示，MCP 的推动力量主要来自开放生态阵营，头部闭源厂商暂未跟进，而 Google 的 A2A 协议则试图在代理间协同层建立标准，未来可能出现分层竞争或合作。

风险

1. 协议碎片化：若多个厂商推出竞争性开源协议（如 A2A 也可能扩展工具连接层），生态分裂，开发者需维护多套适配，标准化红利受损。
2. 头部模型厂商抵制：OpenAI 等主流闭源平台若长期拒绝原生支持 MCP，其庞大用户基础将制约 MCP 的网络效应，形成事实上的协议孤岛。
3. 安全漏洞与攻击面扩大：MCP 工具调用涉及读取/执行外部资源，权限模型若实现不当（如令牌泄露、服务器伪造），可导致数据外泄或代理失控。目前尚无覆盖全生态的统一安全审计框架，企业大规模采用需在中间层自建强控。
4. 治理权争议：规范仍由 Anthropic 主导，虽有社区参与但缺乏独立基金会管理，可能延缓大型企业采用，特别是受监管行业对非独立标准存疑。
5. 商业化路径模糊：MCP 服务器开发者目前多出于生态推广目的，难以直接变现，可能导致高质量服务器供给不足；若长期缺乏正向激励，社区可能转向可盈利的私有集成方案。

误读纠偏

• “MCP 只能用于 Claude 模型”
  事实：MCP 是开放协议，任何模型或 AI 系统只要实现客户端规范，即可连接任何 MCP 服务器。Anthropic 首发仅作可行性示范，第三方已成功适配开源模型及部分商业模型。
• “MCP 会取代 LangChain 这类框架”
  事实：两者互补而非替代。MCP 定义运行时工具通信协议，LangChain 提供开发时的链式编排与抽象。常见模式是在 LangChain 中开发工具，再通过 MCP 暴露为标准化接口，或使用 LangChain 作为 MCP 客户端适配层。
• “MCP 服务器必须在本地运行，无法上云”
  事实：MCP 明确支持基于 SSE 和 Streamable HTTP 的远程传输，完全适用于云原生及容器化部署。stdio 模式仅为低延迟或隐私敏感场景的可选方案。
• “MCP 是仅限代码的开发者玩具”
  事实：MCP 的最终受益者是终端用户。通过标准协议，AI 助手可无缝获取实时信息和跨平台操作能力，比如在对话中直接读邮件、写文档、操作数据库，这终将沉淀为无代码的助手能力拓展。

最新事件

• 2024 年 11 月：Anthropic 正式开源 MCP 规范及配套 SDK，同步发布 Claude 桌面应用原生支持，并提供 filesystem、Google Drive、GitHub 等官方服务器示例。
• 2024 年 12 月‑2025 年 1 月：开发者社区涌现大量社区服务器，涵盖 PostgreSQL、Slack、天气查询等；第三方 IDE 如 Zed 开始集成 MCP 客户端。
• 2025 年 2 月：Block 旗下 TBD 部门发布基于 MCP 的去中心化身份和支付服务器，首次将 DID 与 AI 工具调用结合。
• 2025 年 3 月：Anthropic 更新规范至 2025‑03‑26 版本，优化了流式传输和资源发现机制；公开的官方服务器目录收录量突破百个（据 modelcontextprotocol.io）。
• 2025 年 4 月：Google 推出 Agent‑to‑Agent 协议（A2A），并公开发文明确其与 MCP 的分层关系：MCP 负责“代理‑工具”连接，A2A 负责“代理‑代理”通信，二者可互补。
• 2025 年 Q2：多家生产力 SaaS （如 Notion、Figma 等）的社区或官方 MCP 服务器上线，AI 编码助手 Cursor 也加入 MCP 支持，进一步扩大协议在开发者工具侧的覆盖。
• 截至 2025 年 7 月，OpenAI 未宣布原生支持 MCP，继续强化函数调用与 GPTs 商店的商业闭环；国内阿里云、百度等智能体平台目前公开资料未见原生 MCP 集成计划。

跟踪指标

• 服务器生态数量：官方目录及社区仓库中可公开获取的 MCP 服务器实现数量，是采纳度的核心先行指标。需同时区分“官方/企业发布”与“社区贡献”数量，以衡量生态健康度。
• 客户端兼容性：支持 MCP 的 AI 助手、IDE 和 Agent 框架的数量及品牌（如 Claude 桌面版、Cursor、Zed、LangChain 等），反映协议事实标准的形成速度。
• 传输模式分布：stdio 与远程 SSE/Streamable 的使用比例，揭示落地场景从单机向云端、企业级部署迁移的节奏。
• 安全审计覆盖率：通过独立安全评估或获得企业级认证的服务器占比，为进入受监管行业的关键门槛，可作为成熟度信号。
• GitHub 星数与贡献者活跃度：MCP 规范仓库及主要 SDK 的星数增长、Issue/PR 处理速度，间接反映生态热度和可持续维护能力。
• 竞品协议进展：A2A 的采用情况、OpenAI 是否有迹象开放工具协议等，直接影响 MCP 的市场空间与路径选择。

信源

• Anthropic 官方模型上下文协议规范与博客：https://modelcontextprotocol.io
• MCP GitHub 组织：https://github.com/modelcontextprotocol （含规范、SDK 及服务器列表）
• Block TBD 部门 MCP 服务器公告（查阅 Block 开发者博客或 newsroom）
• Google Agent‑to‑Agent 协议介绍：https://developers.googleblog.com （2025 年 4 月发布）
• Knowledge Sourcing, “Global API Management Market” (2024)；MarketsandMarkets, “AI Agents Market” (2024) —— 关联市场数据引述（仅作参考，并非直接 MCP 市场预测）
• 技术媒体与社区（如 The Sequence、Hacker News 讨论帖），用于跟踪生态动态，具体信息可通过模型上下文协议官方网站交叉验证。