MCP 是什么?为什么大家都在说这个协议

还记得十年前抽屉里那把充电线吗?手机一种接口、相机一种接口、耳机又一种接口,买个新设备就多一根线。后来 USB-C 把接口统一,「找线」这件事才慢慢从生活里消失。过去一年半,AI 应用和企业系统之间的连接,正在经历同一场统一——这次的「接口标准」叫 MCP。

这个缩写从开发者圈子一路传进企业的选型会议。它值得管理者花十分钟弄清楚:它到底解决什么问题,以及你需不需要现在就关心它。

MCP 是什么:一份大家都认的接线标准

MCP 全称 Model Context Protocol(模型上下文协议),是一个开放协议,规定 AI 应用和外部世界——数据库、文档库、聊天工具、业务系统——之间怎么对话:工具如何声明自己能做什么,AI 应用如何发现并调用这些工具,结果按什么格式交回。

关键词是「统一」。在此之前,想让某个 AI 助手读到你的 CRM 数据,通常要为「这个助手×这个 CRM」写一套专属对接代码;换一个 AI 产品,或换一个系统,就得再写一套。MCP 把这件事标准化:系统一侧按协议提供一个「MCP 服务」,AI 应用一侧只要支持协议,插上就能用。所以整个行业都拿 USB-C 打比方——接口统一之后,任何设备配任何充电器,不再需要一对一配对。

它解决的是一道乘法题

类比背后是一道很实际的算术。假设一家企业用 5 个 AI 应用,想让它们都能访问 8 个内部系统:按一对一定制的老办法,理论上要做 5×8=40 次对接开发;按标准协议,5 个应用各支持一次协议、8 个系统各提供一次标准接入,5+8=13 次就够了。接入方越多,乘法与加法的差距越悬殊。集装箱、USB、二维码支付,走的都是同一道题:统一接口,把组合成本从相乘变成相加。

和 function calling 是什么关系

读过Function Calling:AI 是怎么学会动手做事的的读者可能会问:AI 调用工具,不是已经有 function calling 了吗?两者不冲突,分工不同。Function calling 是模型的能力——模型会「填申请单」请求调用工具;MCP 是工具接入的标准——申请单送到哪、工具怎么挂上来、双方按什么格式交接。一个管「模型会不会用工具」,一个管「工具好不好接」,合起来才是完整的链路。

为什么一年多就成了行业共识

MCP 由 Anthropic 于 2024 年 11 月发布并开源,起初只是一家公司提出的方案。转折发生在 2025 年 3 月底:它最大的竞争对手 OpenAI 公开宣布在自家产品中支持 MCP;随后几个月,谷歌、微软等主要厂商相继跟进。到 2025 年 12 月,Anthropic 又把 MCP 捐赠给 Linux Foundation 旗下新成立的 Agentic AI Foundation——该基金会由 Anthropic、OpenAI、Block 共同发起,谷歌、微软、AWS 等参与支持。协议自此交由中立组织托管,不再归属任何一家模型厂商。

对企业来说,这段历程比技术细节更值得留意:互为对手的厂商愿意共用同一个标准,并把所有权交给中立组织,通常意味着这个标准会长期存在。押注它的风险,比押注任何单一厂商的私有方案都要低。

选型时,协议生态可以这样用

如果你正在为企业挑选 AI 产品或规划系统建设,MCP 生态可以直接转化成三个动作:

• 选 AI 应用时,把「是否支持主流协议生态」列入考察项——支持,意味着将来接入新系统的成本更低。
• 自建业务系统时,让开发团队预留标准化的接入方式——一次投入,之后无论换哪个 AI 应用都能复用。
• 评估供应商方案时,警惕「只能配我家全套」的私有集成——功能可以打动你,但被锁死的代价要算进总价。

这个思路和挑选 AI Agent 产品时一致:具体能力会不断迭代,接口和标准才是更长期的资产。

也泼点冷水:不是谁都需要立刻关心

MCP 的红利来自「连接多」:AI 应用多、要接的系统多,标准化才划算。如果你的团队目前只用一两个 AI 工具,也没有多系统打通的需求,那道 5+8 的算术题对你还不成立,不必为了追热点专门立项。

更合适的姿势,是把它放进选型的问题清单,而不是立项清单:今天多问供应商一句「支持标准协议吗」,几乎零成本;等集成需求真的长出来,这一句会替你省下真金白银。