Alliance DAO 研究员：深入浅出近期 AI 领域火热的 MCP 概念

作者：Mohamed ElSeidy

编译：深潮TechFlow

导读

昨日，Solana 上的 AI相关代币 $Dark 上线 Binance Alpha，截止目前市值已经来到4000万美元左右。

在最新的加密 AI 叙事中，$Dark 与“MCP”（模型上下文协议）密切相关，而这也是近期谷歌等 Web2 科技公司正在关注和探索的领域。

但在目前，能够清晰讲清楚MCP这个概念和叙事影响的文章并不多。

下文是 Alliance DAO 研究员 Mohamed ElSeidy 的一篇关于 MCP 协议深入浅出的文章，以非常通俗的语言讲述了 MCP 的原理和定位，或许对我们快速了解最新的叙事有所帮助。

深潮 TechFlow 对全文进行了编译。

在我于Alliance的这些年里，我见证了无数创始人构建了他们自己的专用工具和数据集成，这些都被嵌入到他们的AI代理和工作流程中。然而，这些算法、形式化和独特的数据集被锁在定制的集成背后，极少有人会使用。

随着模型上下文协议（Model Context Protocol, MCP）的出现，这种情况正在迅速改变。MCP被定义为一种开放协议，它标准化了应用程序如何与大型语言模型（LLM）进行通信并提供上下文。我非常喜欢的一个比喻是：“对于AI应用程序来说，MCP就像硬件中的USB-C”；它是标准化的、即插即用的、多功能的，并且具有变革性。

为什么选择MCP？

大型语言模型（如Claude、OpenAI、LLAMA等）非常强大，但它们受限于当前可以访问的信息。这意味着它们通常存在知识截止点，不能独立浏览网络，也无法直接访问你的个人文件或专用工具，除非进行某种形式的集成。

特别是，在此之前，开发者在将LLM连接到外部数据和工具时面临三个主要挑战：

1. 集成复杂性：为每个平台（如Claude、ChatGPT等）构建单独的集成需要重复努力并维护多个代码库。

2. 工具碎片化：每种工具功能（例如，文件访问、API连接等）都需要自己的专用集成代码和权限模型。

3. 分发受限：专用工具被限制在特定平台，限制了它们的覆盖面和影响力。

MCP通过提供一种标准化的方法，使任何LLM都能通过通用协议安全地访问外部工具和数据源，从而解决了这些问题。现在我们了解了MCP的作用，让我们看看人们正在用它构建什么。

人们正在用MCP构建什么？

MCP生态系统目前正处于创新爆发期。以下是我在Twitter上发现的一些开发者展示其作品的最新示例：

1. AI驱动的故事板：一种MCP集成，使Claude能够控制ChatGPT-4o，自动生成吉卜力风格的完整故事板，无需任何人工干预。

2. ElevenLabs语音集成：一个MCP服务器，通过简单的文本提示，让Claude和Cursor访问整个AI音频平台。该集成强大到足以创建可以进行外拨电话的语音代理。这展示了MCP如何将当前AI工具扩展到音频领域。

3. 使用Playwright进行浏览器自动化：一个MCP服务器，使AI代理能够控制网页浏览器，而无需截图或视觉模型。这通过标准化方式使LLM直接控制浏览器交互，创造了网页自动化的新可能性。

4. 个人WhatsApp集成：一个连接个人WhatsApp账户的服务器，使Claude能够搜索消息和联系人，并发送新消息。

5. Airbnb搜索工具：一个Airbnb公寓搜索工具，展示了MCP的简便性和创建与网络服务交互的实用应用的能力。

6. 机器人控制系统：一个用于机器人的MCP控制器。该示例弥合了LLM与物理硬件之间的差距，展示了MCP在物联网应用和机器人领域的潜力。

7. Google Maps和本地搜索：将Claude连接到Google Maps数据，创建一个可以查找和推荐本地企业（如咖啡店）的系统。这一扩展使AI助手能够提供基于位置的服务。

8. 区块链集成：Lyra MCP项目将MCP功能带到StoryProtocol和其他web3平台。这允许与区块链数据和智能合约进行交互，为通过AI增强的去中心化应用打开了新的可能性。

这些示例尤其引人注目之处在于其多样性。自MCP推出以来的短短时间内，开发者已经创建了涵盖创意媒体制作、通信平台、硬件控制、位置服务和区块链技术的集成。这些各种不同的应用遵循同一标准化协议，展示了MCP的多功能性及其成为AI工具集成通用标准的潜力。

如果想要查看全面的MCP服务器集合，可以访问GitHub上的官方MCP服务器库。在使用任何MCP服务器之前，请仔细阅读免责声明，并谨慎对待运行和授权的内容。

承诺与炒作

面对任何新技术，值得问的是：MCP是否真正具有变革性，还是仅仅是另一个过度炒作、最终会消退的工具？

在观察过众多初创企业后，我相信MCP代表了AI发展的一次真正的转折点。与许多承诺革命但仅带来渐进变化的趋势不同，MCP是一种生产力提升，解决了阻碍整个生态系统发展的基础设施问题。

它的特别之处在于，它并不试图替代现有的AI模型或与之竞争，而是通过将它们连接到所需的外部工具和数据，使它们更加有用。

尽管如此，关于安全性和标准化的合理担忧仍然存在。正如任何协议在初期阶段一样，随着社区在审计、权限、认证和服务器验证方面摸索最佳实践，我们可能会看到成长的烦恼。开发者需要信任这些MCP服务器的功能，不能盲目信任它们，尤其是在它们变得丰富时。本文讨论了一些因盲目使用未经仔细审查的MCP服务器而暴露的最近漏洞，即使是在本地运行时。

AI的未来在于情境化

最强大的AI应用将不再是独立的模型，而是通过像MCP这样的标准化协议连接起来的专业能力生态系统。对于初创公司来说，MCP代表了一个构建适合这些不断增长的生态系统的专业组件的机会。这是一个利用您独特知识和能力的机会，同时从基础模型的大量投资中获益。

展望未来，我们可以预期MCP将成为AI基础设施的基本组成部分，就像HTTP之于网络一样。随着协议的成熟和采用的增长，我们很可能会看到专门的MCP服务器市场的出现，使AI系统能够利用几乎任何想象得到的能力或数据源。

您的初创公司是否尝试过实施MCP？我很想在评论中听到您的经验。如果您在这个领域构建了有趣的东西，请通过@alliancedao与我们联系并申请。

附录

对于那些有兴趣了解MCP实际工作原理的人，以下附录提供了其架构、工作流程和实施的技术细分。

MCP的幕后

类似于HTTP标准化了网络访问外部数据源和信息的方式，MCP为AI框架做到了这一点，创造了一种通用语言，使不同的AI系统能够无缝沟通。让我们来探索它是如何做到的。

MCP架构和流程

主要架构遵循客户端-服务器模型，由四个关键组件协同工作：

1. MCP主机：包括桌面AI应用如Claude或ChatGPT，IDE如cursorAI或VSCode，或其他需要访问外部数据和功能的AI工具。

2. MCP客户端：嵌入在主机中的协议处理器，维护与MCP服务器的一对一连接。

3. MCP服务器：通过标准化协议暴露特定功能的轻量级程序。

4. 数据源：包括文件、数据库、API和服务，MCP服务器可以安全访问这些数据。

现在我们已经讨论了这些组件，来看一下它们在典型工作流程中的交互：

1. 用户交互：用户在MCP主机（例如Claude Desktop）中提问或发出请求。

2. LLM分析：LLM分析请求并确定需要外部信息或工具来提供完整的响应。

3. 工具发现：MCP客户端查询连接的MCP服务器以发现可用的工具。

4. 工具选择：LLM根据请求和可用功能决定使用哪些工具。

5. 权限请求：主机向用户请求执行所选工具的权限，以确保透明性和安全性。

6. 工具执行：在获得批准后，MCP客户端将请求发送到适当的MCP服务器，服务器利用其对数据源的专业访问来执行操作。

7. 结果处理：服务器将结果返回给客户端，客户端将其格式化以供LLM使用。

8. 响应生成：LLM将外部信息整合成全面的响应。

9. 用户展示：最终，响应呈现给终端用户。

这种架构的强大之处在于，每个MCP服务器专注于特定领域，但使用标准化的通信协议。这样，开发者无需为每个平台重建集成，只需一次性开发工具即可服务于整个AI生态系统。

如何构建您的第一个MCP服务器

现在让我们看看如何使用MCP SDK在几行代码中实现一个简单的MCP服务器。

在这个简单的例子中，我们希望扩展Claude Desktop的能力，让它能够回答诸如“中央公园附近有哪些咖啡店？”这样的问题，信息来源于谷歌地图。您可以轻松扩展此功能以获取评论或评分。但现在，我们专注于MCP工具find_nearby_places，它将允许Claude直接从谷歌地图获取这些信息，并以对话的方式呈现结果。

正如您所见，代码非常简单。首先，它将查询转换为谷歌地图API搜索，然后返回结构化格式的顶级结果。这样，信息被传递回LLM以便进一步决策。

现在我们需要让Claude Desktop知道这个工具，因此我们在其配置文件中注册它，如下所示：

macOS路径：

~/Library/Application Support/Claude/claude_desktop_config.json

Windows路径：

%APPDATA%\Claude\claude_desktop_config.json

就这样，你完成了！现在你已经成功扩展了Claude的功能，可以实时从谷歌地图中查找位置。