模型上下文協議 （MCP）：下一個加密 AI 新敘事？

作者：s4mmy

編譯：深潮TechFlow

如果你和我一樣，可能會好奇：“MCP到底是什麼鬼？！”……為什麼這麼多人都在談論它？

關於MCP的資料非常有限，這也不足為奇——畢竟它才誕生四個月。因此，我決定深入研究並在這裡整理我的發現。

簡要總結（TLDR）： MCP是加密領域和開源AI的一項重大突破。你需要關注它，因為它可能成為推動代理型加密產品（agentic crypto products）下一階段發展的催化劑。

內容目錄

1. 引言

2. 什麼是模型上下文協議（Model Context Protocol，MCP）？

3. MCP如何為AI代理服務

4. 代理型未來：為什麼MCP至關重要

5. 類似MCP的其他項目

6. 與傳統AI集成的關鍵區別

7. 結論

1）引言

隨著AI代理（AI agents）不斷進化，變得更加自主並逐步融入現實世界的應用場景，模型上下文協議（Model Context Protocol，簡稱“MCP”）正在顛覆這些代理與外部數據和工具交互的方式。

MCP由Anthropic於2024年底推出，正致力於成為一個標準化框架，賦能AI代理，實現與多樣化數據源的無縫通信。

自從@anthropicai引入這一通信標準以來，越來越多的AI解決方案已將其視為新的行業默認。

簡單來說，MCP就是“AI如何與軟件實時對話”的方式。

隨著代理型未來（agentic future）的到來——一個AI系統能夠獨立解決複雜任務的時代——MCP是否會成為解鎖下一波AI創新浪潮的關鍵？

也許，它還會推動Crypto與AI結合領域的價格再創新高？

從聊天機器人到驅動各行業的自主系統，AI代理（AI agents）被寄予厚望，能夠實時決策，並從多種數據源中獲取動態信息。然而，一個主要瓶頸始終存在：缺乏一種標準化方式，讓AI模型能夠連接外部系統，比如數據庫、文件庫或商業工具。

這正是MCP的用武之地。

模型上下文協議（Model Context Protocol，MCP）作為一個開放標準，旨在填補這一空白，使AI代理能夠動態訪問並與外部數據源交互。

它讓大型語言模型（LLMs）能夠有效地充當代理（Agents），甚至具備部署智能合約或執行DeFi（去中心化金融）操作的能力。這無疑是一個巨大的突破！

如果你作為一名加密領域用戶曾使用過ChatGPT，你可能已經意識到它在提供及時的加密見解或具體信息分析方面表現得相當糟糕——如果它甚至連前100大加密貨幣的現貨價格都無法告訴我，我也不會感到驚訝！

MCP則為增強AI驅動的DeFi能力提供了可能，例如：

• “找到USDC的最佳年化收益率（APY），並分配1000美元”；

• 根據市場波動重新平衡投資組合。

這標誌著向代理型未來邁進的更廣泛趨勢，在這一未來中，AI系統將以更大的獨立性和實用性運行。這種發展也顯著區別於傳統AI系統，與加密領域的無許可特性（permissionless nature）完美契合。

2）什麼是模型上下文協議（MCP）？

模型上下文協議（Model Context Protocol，簡稱“MCP”）由Anthropic於2024年底推出，是一個開源標準，旨在連接AI助手.

尤其是由大型語言模型（LLMs）驅動的AI代理（AI agents），與外部系統交互，從而獲取那些令人垂涎的實時數據。

可以將MCP看作一個通用適配器，它以安全且標準化的方式讓AI代理能夠訪問：

• 內容存儲庫

• 商業工具

• 開發環境，以及更多！

為什麼你需要關注它？

不同於傳統的AI集成方式（通常依賴於分散的、定製化的解決方案），MCP提供了一個統一的雙向通信框架。這意味著AI代理不僅可以從外部系統中提取數據，還可以將更新或操作推送回這些系統，從而實現更動態、更自主的行為。 比如，你可以擁有一個完全自主的代理，它能夠更新企業系統或管理你的個人事務！

Anthropic推出MCP的使命是簡化AI的集成過程，讓開發者更容易構建代理型工作流，使AI系統能夠獨立且情境化地運行。

3）MCP如何為AI代理服務

MCP充當了一個集成層，允許AI代理按需連接外部服務。以下是它的工作原理：

a）動態數據訪問

與傳統僅依賴預訓練數據的方式不同，使用MCP的AI代理可以從關係型數據庫、文件系統或代碼庫等來源訪問實時或特定情境的數據。 例如，那些難以獲取的加密貨幣實時價格也可以通過MCP實現！甚至連@0rxbt也在嘗試將MCP用於我們最喜愛的“紫色青蛙”（Purple Frog），也就是SkyNet，或稱@aixbt_agent。

b）雙向通信

MCP支持雙向交互，這意味著AI代理不僅可以檢索數據，還可以根據其分析結果採取行動，例如更新數據庫或觸發工作流。

c）標準化框架

通過提供一個通用協議，MCP消除了對定製化集成的需求，降低了開發複雜性，並確保了跨應用的一致性。 這或許是解決區塊鏈生態中各種編程語言和協議碎片化問題的答案！也許，AI代理將成為跨鏈和多語言的聚合層！

4）代理型未來：為什麼MCP至關重要

AI代理不再只是被動的系統；它們正在成為能夠主動決策、目標導向的實體，具備自主完成任務的能力。

然而，要讓AI代理真正有用，它們需要突破訓練數據的侷限，與現實世界流暢互動，而這正是MCP的用武之地。

一個MCP實際應用的絕佳示例來自Anthropic的官方文檔：

想象一個AI代理被賦予管理軟件開發管道的任務。

通過MCP，這個代理可以：

• 從代碼庫中提取最新代碼；

• 分析代碼中的漏洞；

• 然後實時將報告推送回團隊的項目管理工具。

以下（致敬@alexalbert__）是一個案例：我們可以看到Anthropic的Claude直接連接到GitHub，創建了一個新代碼庫，並通過MCP集成提交了一個PR（Pull Request）。

MCP讓AI代理能夠通過訪問實時數據適應不斷變化的情境，從而變得更加靈活和智能。

以下展示了MCP與GitHub、Web API、Slack、電子郵件等多種平臺的集成和通信能力。

MCP為@davidsacks關於“獲勝的代理（The Winning Agent）”可能具備的特性提供了答案：

或許，將代理連接到現實世界的基礎設施才是真正的制勝法則！

通過標準化協議，開發者無需為每次新的集成重新“造輪子”，可以更快地構建代理型工作流（agentic workflows）。

代理型未來的核心在於，AI系統能夠獨立行動以實現複雜目標，無論是：

• 自動化業務流程，

• 管理供應鏈，

• 甚至協助科學研究。

MCP通過為AI代理提供與現實世界互動的基礎設施，成為實現這一願景的重要一步。

5）其他類似MCP的倡議

Anthropic並不是唯一認識到標準化AI集成協議需求的企業。最近，一些大型協議和公司也推出或採用了類似MCP的框架，以支持代理型未來：

i）Perplexity MCP

ii）OpenAI Agents SDK MCP 就在昨天，OpenAI發佈了其Agents SDK的MCP插件：

iii）Stripe MCP集成

……此外，越來越多的MCP服務器正在開發中，以使AI通信更加流暢：

一些獨立於Anthropic的CEO們也開始認可MCP在推動AI代理未來發展中的重要性。

這些舉措突顯了一個日益增長的趨勢：要實現代理型AI，必須採用標準化、可擴展的數據集成解決方案。

儘管MCP憑藉其開源屬性和廣泛適用性保持領先地位，但xAI、Google和Meta等主要玩家的參與進一步凸顯了這一領域的重要性。

6）與傳統AI集成的關鍵區別

為什麼MCP（及其類似框架）相比傳統AI集成方式更具優勢？

傳統集成通常依賴於定製API或中間件，這導致解決方案分散且難以擴展。

MCP提供了一種通用標準，從而減少了複雜性並確保了一致性。這一點可以通過一張對比圖表清晰呈現：

開源協作：MCP的開源特性促進了整個行業的協作，這與集中化AI公司的孤立方法形成鮮明對比。 這是加密領域的一個重大價值主張。

以下是一個快速對比：

一些高層次的例子展示了MCP在加密領域的潛在應用：

我們已經開始看到一些推動，例如：

1. DeFAI（去中心化金融與AI的結合）解決方案，例如@danielesesta 的@heyanonai、@LimitusIntel或@gizatechxyz；

2. 針對鏈上分析的定製工具，例如@aixbt_agent。

隨著MCP在更廣泛的加密和AI生態系統中的進一步集成，未來將會有更多創新出現！

7）結論

MCP代表了邁向代理型AI未來的重要一步。在這一未來中，自主系統能夠與周圍的世界無縫交互。

通過為AI代理連接外部數據源提供一個標準化框架，MCP解決了AI開發中的關鍵瓶頸，使得解決方案更加智能、適應性更強且具備更高的可擴展性。

整個行業對類似MCP協議的接受與支持，表明了朝著代理型願景共同努力的趨勢。

然而，仍然存在一些挑戰：

MCP及其類似框架的成功將取決於廣泛的採用、協議之間的互操作性，以及與快速發展的AI環境保持同步的能力。

隨著我們邁向一個AI代理在生活中扮演越來越重要角色的未來，像MCP這樣的框架將成為連接AI與現實世界應用的重要橋樑。

無論MCP最終成為事實上的行業標準，還是僅僅作為進一步創新的催化劑，它已經引發了一場關於代理型AI和代理型加密產品所需基礎設施的關鍵討論。

免責聲明：本文內容僅供信息和教育用途，不應被視為投資或財務建議。作者未持有文中提及協議的任何財務權益。