Why MCP Won-为什么MCP 可以✌️胜利

一句话总结

分析模型上下文协议 (MCP) 作为 AI 智能体开放标准成功的原因,强调其 AI 原生设计、大公司支持和技术优势。

摘要

本文分析了模型上下文协议 (MCP) 作为 AI 智能体领域中的一个开放标准的迅速崛起。尽管存在其他标准和框架,但 MCP 因其"AI 原生"设计、Anthropic 的支持、强大的开发者品牌以及基于语言服务器协议 (LSP) 的技术基础而获得了广泛关注。MCP 解决了 AI 智能体的动态上下文访问问题,并促进了一个蓬勃发展的开发者社区和生态系统。与其他标准不同,MCP 侧重于动态上下文访问,而不是大型语言模型 (LLM) 互操作性,提供了一个完整的工具链和 SDK,以降低入门门槛。

文章重点

  • 任何新协议的力量都源于其采用(即生态系统)
  • MCP 是有价值的,因为 AI 影响者认为它有价值,因此它确实变得有价值
  • 一个"AI 原生"的标准,将每个智能体中自发涌现的模式加以固化,相比于那些不考虑 AI 特性而设计的通用标准,它用起来更顺手,也更容易构建相关工具。

原文:www.latent.space/p/why-mcp-w...

MCP 在 2024 年 11 月发布后的热潮,以及在 AI 工程师峰会上与 Barry Zhang 的对话,这促使 Mahesh Murag 加入了 MCP 服务器的开发。随后,研讨会的实时推文走红,社区开始关注 MCP 的官方注册和协议规范的深入探讨。文章指出,尽管 MCP 的流行让作者感到意外,但 MCP 的成功在于它满足了现有的需求,并且得到了 AI 影响者的认可。MCP 的 "AI 原生" 特性,以及它基于 LSP(语言服务器协议)的设计,使其能够胜过其他标准,如 OpenAPI 和 LangChain/LangGraph。Anthropic 拥有强大的开发者 AI 品牌,并且 MCP 得到了完整的第三方客户端、服务器、工具和 SDK 的内部测试。文章还强调了 MCP 起点基础薄弱但经常更新路线图的特点,以及它与其他标准相比的优势。最后,文章提到了 MCP 的成功因素,包括它是对旧想法的修订,拥有强大的支持者,以及基于成功的 LSP 协议。

总结了一下MCP成功主要观点

  1. MCP 的成功在于它是一个 "AI 原生" 的协议,它实际上满足了现有的需求,并且得到了 AI 影响者的认可。
  2. MCP 之所以能够胜出,是因为它拥有强大的支持者,包括 Anthropic 这样的大型实验室,以及广泛的开发者社区。
  3. MCP 基于 LSP,这是一个已经证明成功的协议,这使得 MCP 能够避免从头开始设计标准时可能出现的错误。
  4. MCP 得到了完整的第三方客户端、服务器、工具和 SDK 的内部测试,这表明 MCP 得到了实际应用的验证。
  5. MCP 起点基础薄弱,但经常更新路线图,这有助于它保持最新,并适应不断变化的 AI 领域。
  6. MCP 的成功不仅仅是因为它的技术优势,还因为它符合了开发者社区的社会学背景和需求。
  7. Anthropic 的 AI 品牌在开发者中非常受欢迎,这也为 MCP 的成功提供了有力支持。

有兴趣的阅读原文: 原文:www.latent.space/p/why-mcp-w...

aka "won" status as de facto standard, over not-exactly-equivalent-but-alternative approaches like OpenAPI and LangChain/LangGraph. In rough descending order.
aka"胜出"状态作为事实上的标准,超过不完全是等效但替代的方法,如 OpenAPI 和 LangChain/LangGraph。按大致降序排列。

  1. MCP is "AI-Native" version of old idea
    MCP 是旧想法的"AI 原生"版本

  2. MCP is an "open standard" with a big backer
    MCP 是一个拥有强大支持者的"开放标准"

  3. Anthropic has the best developer AI brand
    Anthropic 拥有最好的开发者 AI 品牌

  4. MCP based off LSP, an existing successful protocol
    基于 LSP 的 MCP,一个现有的成功协议

  5. MCP dogfooded with complete set of 1st party client, servers, tooling, SDKs
    MCP 使用了完整的第三方客户端、服务器、工具和 SDKs 进行内部测试

  6. MCP started with minimal base, but with frequent roadmap updates
    MCP 以最小的基础开始,但经常更新路线图

  7. Non-Factors: Things that we think surprisingly did not contribute to MCP's success

    非因素:我们认为这些因素竟然没有对 MCP 的成功做出贡献

    • Lining up launch partners like Zed, SourceGraph Cody, and Replit
      排列启动合作伙伴,如 Zed、SourceGraph Cody 和 Replit
    • Launching with great documentation
      启动时附带出色的文档

I will now elaborate with some screengrabs.

我现在将使用一些屏幕截图进行详细说明。

相关推荐
大厂AI实战2 小时前
Token 节约实战:全链路降本 90%+
token·ai agent·ai 编程
为你学会写情书12 小时前
从零理解 MCP:让 AI 大模型"万能插拔"的协议
mcp
人道领域12 小时前
【0-1的agent进阶篇】Prompt 与上下文工程
java·开发语言·prompt·mcp
冬奇Lab13 小时前
MCP Server 入门开发 + 协议调试 + 生产级部署
人工智能·llm·mcp
chanalbert14 小时前
Agent 工程化指南(二):记忆与规划 — 让 Agent “记得住“且“做得对“
agent·memory·rag·mcp
森叶1 天前
从 MCP 到扣子:Agent 平台化演化路径
人工智能·大模型·agent·ai agent·mcp
Darling噜啦啦1 天前
远程MCP实战:高德地图 + Chrome DevTools + File System 三大 Server 联动打造 AI 超级 Agent
mcp
浮生望1 天前
MCP 协议:打破工具围墙,让 AI Agent 跨语言跨进程调用任意工具
agent·mcp
小林ixn2 天前
远程 MCP 实战:让 AI 无缝调用地图、浏览器与文件系统
人工智能·agent·mcp
小林ixn2 天前
AI Agent的“万能工具箱”:MCP协议实战,让工具调用不再受语言和进程束缚
人工智能·agent·mcp