2024年11月，AI大模型公司Anthropic推出MCP協議時，前哨就將它納入持續追蹤的範圍。
最近，隨著越來越多使用 MCP 製作的Agent產品出現，這個小眾技術名詞也逐漸出圈，甚至有人在討論它會不會成為新時代的CUDA，構建起Anthropic挑戰OpenAI的壁壘。
MCP近30天微信熱度
今天，我們就好好介紹一下MCP，Model Context Protocol（模型上下文協議）是什麼，它和CUDA有什麼異同，讓你瞭解這個AI領域的熱詞。
今晚8點，王煜全還將帶來本週專題直播，和大家分享矽谷考察的所見、所想，深入解讀英偉達大會、矽谷AI創業公司的最新動態。
歡迎點選文首入口，鎖定直播席位，先人一步掌握未來科技趨勢。
MCP誕生背景：Agent開發的痛點
2023年，OpenAI推出了函式呼叫（function calling）功能，這無疑是AI領域的一個重要里程碑。
函式呼叫使AI模型能夠像人類一樣，呼叫各種外部工具和服務來完成任務。例如，AI模型可以根據使用者的指令，自動搜尋網路、傳送電子郵件、預訂機票等。
然而，OpenAI提供的模式存在一些明顯的痛點：開發一個能夠連線各種不同工具的AI Agent，開發者可能需要為每個工具編寫特定的程式碼。
Resend 是一家AI郵件公司，他們的工程師在採訪中也提到這個問題：“（函式呼叫讓）開發者需要為每個系統編寫特定的業務邏輯，缺乏統一的執行、資料獲取和工具呼叫介面。”
這意味著開發者需要花費大量時間和精力來處理各種複雜的整合細節，而不是專注於AI Agent 的核心功能和創新。
MCP：AI 世界的“通用介面”
為了解決這個問題，Anthropic推出了模型上下文協議也就是MCP，你可以將它想象成 AI 世界的“通用介面”，使 AI 模型能夠用一種通用的語言與各種不同的工具和服務進行交流。
MCP 是如何工作的呢？簡而言之，它定義了一套標準，規定了 AI 模型如何呼叫外部工具、獲取資料和與服務互動。
類似於為不同的API介面準備了一個通用轉接頭，讓模型能夠統一呼叫不同的工具。
前哨PPT報告（3月13日）
MCP 的設計靈感來源於語言伺服器協議（LSP）。LSP 允許程式碼編輯器與語言伺服器進行通訊，實現程式碼自動補全、錯誤檢查等功能。
MCP 則更進一步，它不僅僅是響應程式碼編輯器的請求，而是支援自主的 AI 工作流。這意味著 AI Agent 可以根據自己的判斷，自主決定使用哪些工具、以什麼順序使用它們，以及如何將它們連結起來以完成任務。
此外，MCP 還允許人工介入以提供資料和批准執行，這也是Agent開發中的一大痛點，為開發者提供引設計“人機協作”的空間。
隨著Agent火熱的生態
MCP 於 2024 年 11 月釋出，最初目標是為 AI 助手提供與資料儲存系統、商業工具和開發環境進行連線的新途徑，當時並未引起廣泛關注，但在 2025 年初，隨著Agent成為熱門話題，AI 社群對 MCP 的興趣顯著增加 。
MCP 最初的應用場景主要集中在連線 AI 助手與本地系統和資料 。例如，一些開發者透過 MCP，讓AI 模型訪問本地檔案系統、資料庫和應用程式，從而擴充套件其功能並提高其在特定任務中的效能。
A16z MCP生態圖
隨後一些專業機構和公司開始採用MCP標準，如 Block 和 Apollo，已經將 MCP 整合到他們的系統中，而 Zed、Replit、Codeium 和 Sourcegraph 等開發工具公司也開始利用 MCP 來增強其平臺，使 AI Agent 能夠更好地檢索相關資訊以理解程式碼任務的上下文 。
不久前知名的Manus應用就是MCP+雲端環境實現的Agent應用。
短短幾個月的時間裡，MCP 生態系統就經歷了快速發展。到 2025 年 2 月，據報道已有超過 1000 個由社群構建的 MCP 伺服器。
Anthropic 也釋出了 TypeScript 和 Python 軟體開發工具包（SDK），進一步推動了 MCP 生態的發展。各種常見資料來源和工具的MCP伺服器如雨後春筍般湧現，例如 GitHub、Google Drive、Slack 和 PostgreSQL。
不久前，我們也向大家介紹過，讓Claude能呼叫Blender，自主完成3D建模的Blender MCP。
與 LangChain 等 Agent 框架需要人來定義AI的具體工作流、工具介面，MCP 更以AI模型為中心，把各種工具放到模型面前，由AI根據具體情況呼叫，大大簡化了開發難度，也提高了靈活性。
值得一提的是，LangChain 和 LangGraph 已經有了 MCP 介面卡，MCP儼然成為了Agent開發不容忽視的標準協議。
MCP 是 下一個CUDA 嗎？
隨著英偉達持續走紅，任何一個軟體生態都會被拿來和它的競爭壁壘CUDA類比，所以也有不少人會問“MCP會成為CUDA嗎？”
為了回答這個問題，我們需要深入分析 MCP 與 CUDA 的異同點。
相似之處：
兩者都旨在提供一個平臺，簡化各自生態的開發難度（MCP 對應 AI 軟體，CUDA 對應 GPU 計算）。
兩者都圍繞自身建立了一個不斷增長的開發者社群。
兩者都解決了各自領域中的一個關鍵需求（MCP 解決 AI 的資料介面整合問題，CUDA 解決GPU平行計算通用化的問題）。
不同之處：
CUDA 與英偉達的硬體緊密耦合，存在供應商鎖定，而 MCP 與模型無關且開放。這意味著任何 AI 模型都可以使用 MCP，而不僅僅是 Anthropic 的 Claude。
CUDA 側重於底層計算，而 MCP 側重於高層資料/工具整合。CUDA 主要用於加速 AI 模型的訓練和推理，MCP 則主要用於連線 AI 模型與外部資料和工具。
CUDA 生態成熟而龐大，MCP 相對較新。CUDA 自 2006 年推出以來，已經積累了大量的開發者和應用，而 MCP 才剛剛起步。
顯然目前的 MCP 作為一個開源協議，並沒有繫結特定模型，短期內它無法形成 CUDA 式的供應商鎖定。
但它如果能夠成為 AI 整合領域被廣泛採用的標準，仍然可以為 Anthropic 帶來顯著的競爭優勢，結合上 Claude 目前仍然領先的程式設計能力，持續從OpenAI手中分走更多開發者與收益。
Anthropic 已經計劃提供部署遠端生產 MCP 伺服器的工具包，社群也在積極推動對遠端伺服器的支援，簡單說就是更多Manus產品將在Claude生態上湧現。
2025年的Agent爆發近在眼前！
哪些領域會成為Agent熱點？哪些Agent產品最具商業價值？前哨特訓營上週已經掃描338家Agent給出答案。
歡迎現在長按下方二維碼，加入前哨科技特訓營，我們一起掌握更多科技前沿。
【科技特訓營】看懂科技產業，離不開長期觀察。線上書院模式，與王老師深度連結！為未來五年做好準備，先人一步，領先一路！
↓長按圖片掃碼報名，先人一步，領先一路
↓¥399，掌握王煜全AI產業預測精華（iOS使用者請在電腦端開啟）
此外，我們還為您準備了一份清單
“全球社交媒體平臺TOP10”