MCP

3 秒看懂

MCP (Model Context Protocol) 是連線 AI 模型與外部工具、資料來源的開放標準協議，像給 AI 裝了一個“萬能插頭”，讓任何模型都能即插即用地訪問任意資料與服務，打破過去每家助手的“獨佔生態”。

3 分鐘產業解釋

大語言模型要從“聊天機器”進化為能實際執行任務的智慧代理，必須安全、高效地對接現實世界的資料和 API。傳統方案往往是模型廠商各自的私有外掛體系或開發者臨時拼湊的函式呼叫，整合成本高、遷移性差。MCP 由 Anthropic 提出並開源，借鑑了網路時代的 HTTP 協議思想，以客戶端‑伺服器架構實現了 AI 與外部世界的解耦：

客戶端（通常是 AI 應用或模型執行時）發起連線，通過標準化的 JSON‑RPC 2.0 訊息與一個或多個 MCP 伺服器通訊。
伺服器負責暴露三類能力：資源（結構化資料，如資料庫記錄、檔案）、工具（可執行的函式，如發郵件、查詢 API）和提示模板（幫助模型更好組織上下文的預製指令）。

這意味著一個 MCP 伺服器可用同一個協議同時服務於 Claude、GPT 或任何相容的模型，開發者無需為不同模型重複開發聯結器。這種協議層抽象有望大幅降低 AI 代理落地的整合門檻，催生獨立的“MCP 中介軟體”產業，並重塑資料安全與權限治理邊界。

技術原理

MCP 的技術核心是建立在 JSON‑RPC 2.0 上的會話層協議，其通訊模型可抽象如下：

┌─────────────┐          JSON‑RPC 2.0           ┌────────────────┐
│  客戶端      │ ◄────────   over   ──────────► │  MCP 伺服器      │
│ (AI 應用/   │     stdio / SSE / Streamable  │                 │
│  模型執行時) │                               │ • 資源(Resources)│
└─────────────┘                               │ • 工具(Tools)   │
                                               │ • 提示(Prompts)│
                                               └────────────────┘

協議握手與生命週期

初始化：客戶端傳送 initialize 請求，攜帶自身支援的協議版本和能力。伺服器回覆其協議版本、名稱、版本號及能力宣告（如是否支援工具、資源列表變更通知等）。隨後客戶端發出 initialized 通知，會話建立。
資源訪問：客戶端可通過 resources/list 獲取可用資源 URI（如 file:///data/report.csv），再呼叫 resources/read 獲取實際內容。資源支援模板化 URI，允許動態引數。
工具呼叫：客戶端呼叫 tools/list 發現工具，然後使用 tools/call 發起執行請求，伺服器返回結果或錯誤。工具定義為帶 JSON Schema 引數和返回值的函式。
提示模板：伺服器可提供預定義的提示結構（含訊息序列與變數），客戶端通過 prompts/get 獲取已渲染的提示，增強模型一致性。

傳輸層

本地 stdio：適用於桌面應用或單機場景，客戶端作為子程序啟動伺服器程序，通過標準輸入輸出傳遞 JSON‑RPC 訊息，延遲極低，無網路暴露。
HTTP(S) 上的 SSE / Streamable：允許遠端部署。客戶端向伺服器端點發送 POST 請求獲取 SSE 流，伺服器推送訊息；Streamable HTTP 模式採用請求-響應 + 伺服器 SSE 推送，並允許伺服器主動通知資源變更，實現即時同步。

典型互動序列（資源讀取）

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

該協議設計的精要在於將 AI 模型的“思考”與“讀取/行動”分離為兩個正交的工程問題，從而允許工具開發者僅關注業務邏輯，模型開發者僅關注推論最佳化。

關鍵引數

以下引數定義基於 MCP 規範（版本截至 2025‑03‑26）及社群最佳實踐，均為技術協議約定，不涉及財務數字。

協議版本：當前穩定版本為 2025‑03‑26，客戶端與伺服器在初始化時進行版本協商，若不相容則終止連線。
訊息格式：嚴格遵循 JSON‑RPC 2.0，每條訊息需包含 jsonrpc: "2.0"，請求使用唯一 id 繫結響應，通知無 id。錯誤碼相容 JSON‑RPC 標準（如 -32700 解析錯誤），並擴充套件了協議特定錯誤（如資源未找到、工具執行失敗等）。
傳輸方式：支援三種傳輸：
- stdio：程序標準輸入/輸出，延遲極低，適用於本地代理。
- Server‑Sent Events (SSE)：通過 HTTP 長連線推送事件，客戶端經由 POST 端點發起，適用於遠端但需伺服器推送的場景。
- Streamable HTTP：在普通 HTTP 請求‑響應之上可開啟 SSE 流，用於從伺服器到客戶端的非同步通知，如資源更新事件。
認證與安全：協議本身不定義認證機制，但明確建議在 HTTP 傳輸中通過 Authorization 頭髮送 Bearer 令牌；推薦結合 OAuth 2.0 授權架構，由使用者在客戶端本地完成授權後授予令牌，實現使用者控制的權限派生。傳輸層安全依賴 TLS（HTTPS）。
資源與工具模式：資源通過 URI 標識，支援模板引數（如 {user_id}）；工具定義須包含 name、description 和 inputSchema（JSON Schema 物件），伺服器返回 content 陣列，可包含文本、圖片等元素。
提示模板：提示為預製的訊息序列，可包含變數，客戶端渲染後注入模型上下文。旨在提升跨模型的一致性，減少提示工程重複勞動。
能力宣告：伺服器在初始化響應中通過 capabilities 欄位告知自身支援的功能（如 tools、resources、prompts、logging），客戶端據此決定呼叫策略。
日誌與通知：伺服器可向客戶端傳送 notifications/message 類日誌訊息，設定嚴重級別，便於除錯和審計。

技術路線

MCP 的出現並非孤立事件，而是 AI 工具整合方案從私有化走向標準化的縮影。當前主要技術路線可對比如下（定性評價，用“高/中/低”表示相對強度，不指代精確測量）：

維度	MCP (Anthropic)	OpenAI 函式呼叫/外掛	LangChain 工具抽象	基於 REST 的定製整合
開放性	高（開放協議）	低（平台繫結）	中（架構級開源）	低（專案特定）
標準化傳輸	高（JSON‑RPC + 多傳輸）	中（平台內部 RPC）	低（Python 函式無標準網路）	高（HTTP）
工具發現機制	內建（動態列表）	限於商店/預註冊	需手動註冊	通常無自動發現
資源抽象	資源、工具、提示三者統一	主推函式呼叫，資源弱	僅有工具（函式）	僅資料 API
離線/本地執行	支援（stdio 程序）	不支援	支援（程序內呼叫）	取決於部署
安全授權模型	可整合 OAuth，使用者控制	平台管理	開發者自行實現	依賴 API 自身
多模型適配	天然支援（協議解耦）	僅限 GPT 系列	適配任意模型但需編碼	需定製開發
生態成熟度	早期快速增長	已具規模但封閉	廣泛，但零散	成熟，但碎片化

路線演進：2023 年 ChatGPT 外掛上線，證明模型連線工具的需求強烈，但其體系封閉；同年 LangChain 等架構通過程式碼封裝提供“工具”抽象，缺乏標準執行時發現。2024 年底 Anthropic 開源 MCP，提供了從本地程序到遠端服務的統一範式，社群迅速跟進。2025 年 Google 釋出 Agent‑to‑Agent 協議（A2A），與 MCP 形成分層互補——MCP 連線工具，A2A 連線代理，共同建置 AI 原生協議棧的“TCP/IP”層。

上游

AI 模型供應商：Anthropic、OpenAI、Google 等，負責在模型執行環境中內建或適配 MCP 客戶端，是協議的第一批採用者和推廣者。
資料與工具服務商：資料庫廠商（如 Supabase）、SaaS 工具（GitHub、Slack、Notion 等）、搜尋服務和雲端平台，通過封裝自身 API 為 MCP 伺服器，進入 AI 代理呼叫鏈。
協議標準與基礎設施提供方：目前規範由 Anthropic 主導維護，開源社群通過 GitHub 提交改進建議；傳輸層依賴成熟的 HTTP/SSE、JSON 標準，無獨立硬體依賴。

下游

應用開發者：建置 AI 助手、企業智慧代理、自動化工作流的團隊，直接呼叫 MCP 伺服器以替代手寫膠水程式碼，提升多模型相容性。
企業 IT 與整合商：利用 MCP 統一內部資料與服務介面，建置合規的 AI 賦能管道，同時可加入自建安全閘道器實現集中管控。
MCP 託管與中介軟體平台：提供伺服器託管、服務發現目錄、安全審計、計費閘道器的新型創業公司，類似 API 閘道器或移動應用商店的角色。
終端使用者：雖然不直接感知 MCP，但其使用的 AI 助手因 MCP 而能訪問更豐富的即時資訊和操作能力，體驗提升。

受益公司

（以下僅陳述公司在 MCP 生態中的角色與潛在受益邏輯，不構成任何買賣建議，股票程式碼僅作標識。）

Anthropic：MCP 發起者和核心維護者。通過將協議深度整合至 Claude 產品線，意圖以開放生態吸引開發者和資料來源，弱化競爭對手的工具鎖定效應。對非上市企業，其長期商業價值與協議生態的繁榮度正相關。
Block, Inc. (NYSE: SQ)：旗下 TBD 部門釋出了基於 MCP 的去中心化身份與支付伺服器，可使 AI 代理通過標準協議直接執行身份驗證和支付指令。這有助於將其支付基礎設施滲透到 AI 代理經濟中，與自身去中心化戰略協同。
Apollo 配置中心（攜程開源專案）：推出 MCP 伺服器，將即時配置管理能力暴露給 AI 代理，是軟體基礎設施工具向 AI 介面靠攏的代表。專案無上市實體，但展示了開源 ISV 通過 MCP 提升產品在 AI 時代相關性的路徑。
Sourcegraph、Replit 等開發者工具公司：已釋出 MCP 伺服器，將程式碼搜尋、線上編碼環境等能力標準化接入 AI 助手，提升產品在 AI 輔助程式設計場景中的使用頻次，鞏固開發者生態。
潛在受益者：雲端服務商（如 AWS、Azure）可通過提供 MCP 託管服務吸引智慧代理工作負載；API 安全與閘道器公司（如 Kong、Apigee）有條件推出 MCP 安全閘道器，搶佔新興中介軟體市場；擁有獨特資料的 SaaS 企業只需封裝 MCP 伺服器即可使自身資料易於被任何模型消費，資料資產可見度提高。

市場規模

截至 2025 年 7 月，公開資料未見 Gartner、IDC 等第三方機構針對 MCP 協議或工具連通中介軟體釋出獨立的細分市場規模測算。MCP 自身不直接產生交易營收，其經濟價值更多體現在降低整合成本、催生關聯服務市場。

可資參考的關聯領域：

API 管理市場：據 Knowledge Sourcing 2024 年報告，全球 API 管理市場規模在 2023 年約為 56.2 億美元，預計 2030 年達 272.4 億美元。MCP 工具呼叫與 API 管理層天然相關，可能成為該市場的新增驅動。
AI 智慧代理市場：MarketsandMarkets 2024 年報告預測，全球 AI 智慧代理市場將從 2024 年的 51 億美元增長至 2030 年的 471 億美元（CAGR 44.8%）。智慧代理落地需大量工具連線，MCP 作為標準化方案有望分享該增長。
開發者社群訊號：MCP GitHub 組織下社群貢獻的伺服器數量快速增長（官方目錄及社群倉庫中可公開獲取的伺服器數量已達三位數），開源生態活躍度是未來商業價值的先行指標，但目前無法轉化為具體貨幣化規模。

短期看，MCP 相關價值主要以嵌入式中介軟體形式體現，拉動 API 閘道器、安全審計、工具託管等需求，而獨立的“MCP 平台”營收仍需驗證。

玩家對比

除協議路線的競爭外，產業內主要參與者的定位差異如下（截至 2025 年上半年）：

玩家	定位	MCP 參與/態度	關鍵動作	上市情況
Anthropic	AI 模型廠商，協議發起者	主導規範，深度整合 Claude	2024.11 開源 MCP；維護官方伺服器目錄	非上市
OpenAI	閉源生態代表	未支援 MCP，延續私有函式呼叫/外掛體系	GPT‑4 強化函式呼叫與 GPTs 商店	非上市（微軟投資）
Google	多協議版面配置者	釋出 Agent‑to‑Agent (A2A) 協議，與 MCP 互補而非直接競爭	2025.04 推出 A2A，定位代理間通訊	上市 (NASDAQ: GOOGL)
Block (SQ)	金融科技與去中心化	積極採用 MCP，釋出伺服器	TBD 部門推出去中心化身份/支付 MCP 伺服器	上市 (NYSE: SQ)
LangChain	AI 架構提供商	工具層相容，社群適配 MCP 客戶端/伺服器	將 MCP 工具作為 LangChain 工具選項之一	非上市
開源社群/ISV	伺服器生態填充者	貢獻大量伺服器實現	涵蓋資料庫、SaaS、搜尋引擎等數百個伺服器	N/A

該表顯示，MCP 的推動力量主要來自開放生態陣營，頭部閉源廠商暫未跟進，而 Google 的 A2A 協議則試圖在代理間協同層建立標準，未來可能出現分層競爭或合作。

風險

協議碎片化：若多個廠商推出競爭性開源協議（如 A2A 也可能擴充套件工具連線層），生態分裂，開發者需維護多套適配，標準化紅利受損。
頭部模型廠商抵制：OpenAI 等主流閉源平台若長期拒絕原生支援 MCP，其龐大使用者基礎將制約 MCP 的網路效應，形成事實上的協議孤島。
安全漏洞與攻擊面擴大：MCP 工具呼叫涉及讀取/執行外部資源，權限模型若實現不當（如令牌洩露、伺服器偽造），可導致資料外洩或代理失控。目前尚無覆蓋全生態的統一安全審計架構，企業大規模採用需在中間層自建強控。
治理權爭議：規範仍由 Anthropic 主導，雖有社群參與但缺乏獨立基金會管理，可能延緩大型企業採用，特別是受監管行業對非獨立標準存疑。
商業化路徑模糊：MCP 伺服器開發者目前多出於生態推廣目的，難以直接變現，可能導致高質量伺服器供給不足；若長期缺乏正向激勵，社群可能轉向可盈利的私有整合方案。

誤讀糾偏

“MCP 只能用於 Claude 模型”
事實：MCP 是開放協議，任何模型或 AI 系統只要實現客戶端規範，即可連線任何 MCP 伺服器。Anthropic 首發僅作可行性示範，第三方已成功適配開源模型及部分商業模型。
“MCP 會取代 LangChain 這類架構”
事實：兩者互補而非替代。MCP 定義執行時工具通訊協議，LangChain 提供開發時的鏈式編排與抽象。常見模式是在 LangChain 中開發工具，再通過 MCP 暴露為標準化介面，或使用 LangChain 作為 MCP 客戶端適配層。
“MCP 伺服器必須在本地執行，無法上雲端”
事實：MCP 明確支援基於 SSE 和 Streamable HTTP 的遠端傳輸，完全適用於雲端原生及容器化部署。stdio 模式僅為低延遲或隱私敏感場景的可選方案。
“MCP 是僅限程式碼的開發者玩具”
事實：MCP 的最終受益者是終端使用者。通過標準協議，AI 助手可無縫獲取即時資訊和跨平台操作能力，比如在對話中直接讀郵件、寫文件、運算元據庫，這終將沉澱為無程式碼的助手能力拓展。

追蹤指標

伺服器生態數量：官方目錄及社群倉庫中可公開獲取的 MCP 伺服器實現數量，是採納度的核心先行指標。需同時區分“官方/企業釋出”與“社群貢獻”數量，以衡量生態健康度。
客戶端相容性：支援 MCP 的 AI 助手、IDE 和 Agent 架構的數量及品牌（如 Claude 桌面版、Cursor、Zed、LangChain 等），反映協議事實標準的形成速度。
傳輸模式分佈：stdio 與遠端 SSE/Streamable 的使用比例，揭示落地場景從單機向雲端端、企業級部署遷移的節奏。
安全審計覆蓋率：通過獨立安全評估或獲得企業級認證的伺服器佔比，為進入受監管行業的關鍵門檻，可作為成熟度訊號。
GitHub 星數與貢獻者活躍度：MCP 規範倉庫及主要 SDK 的星數增長、Issue/PR 處理速度，間接反映生態熱度和可持續維護能力。
競品協議進展：A2A 的採用情況、OpenAI 是否有跡象開放工具協議等，直接影響 MCP 的市場空間與路徑選擇。

信源

Anthropic 官方模型上下文協議規範與部落格：https://modelcontextprotocol.io
MCP GitHub 組織：https://github.com/modelcontextprotocol （含規範、SDK 及伺服器列表）
Block TBD 部門 MCP 伺服器公告（查閱 Block 開發者部落格或 newsroom）
Google Agent‑to‑Agent 協議介紹：https://developers.googleblog.com （2025 年 4 月釋出）
Knowledge Sourcing, “Global API Management Market” (2024)；MarketsandMarkets, “AI Agents Market” (2024) —— 關聯市場資料引述（僅作參考，並非直接 MCP 市場預測）
技術媒體與社群（如 The Sequence、Hacker News 討論帖），用於追蹤生態動態，具體資訊可通過模型上下文協議官方網站交叉驗證。

三步設好你的觀察臺

選 1-3 個想觀察的人或賽道

看一份樣張

設定一次異動告警

MCP

MCP

3 秒看懂

3 分鐘產業解釋

技術原理

關鍵引數

技術路線

上游

下游

受益公司

市場規模

玩家對比

風險

誤讀糾偏

最新事件

追蹤指標

信源

MCP

3 秒看懂

3 分鐘產業解釋

技術原理

關鍵引數

技術路線

上游

下游

受益公司

市場規模

玩家對比

風險

誤讀糾偏

最新事件

追蹤指標

信源

相關推薦

同產業鏈 · 相關公司

相關概念