10多年前，我還在IBM工作，內部有個特定的崗位叫做BA（Business Analyst），有點兒像現在的產品經理，就是負責和客戶打交道，收集、分析客戶需求，然后讓程序員在系統中實現。

有一回我遇到了一個與眾不同的老外BA，全名我忘了，名字以J開頭，就叫她J姐吧。

別的BA在測試系統時也就是在界面上操作，點來點去，看看對不對，而J姐不一樣，在界面上點完后，一頭扎進數據庫，直接用SQL查看數據庫的數據。

然后提一個Bug：你這個表的數據不對啊，應該是這樣這樣的....

把我們都給整懵了，這太嚇人了，程序員都沒有活路了。

后來，我在一個Java文件的開頭注釋中看到了J姐的大名，原來J姐程序員出身，這個系統的早期版本就是她寫的，對代碼和數據庫比我們都熟。

轉眼10多年過去了，我再也沒有遇到過像J姐這樣的，一般的BA/產品經理是不懂代碼和SQL，即使懂一些，也很難對系統底層有這么精深的理解。

01

更厲害的“J姐”

最近，我發現一個更加強大、更加通用的“J姐”出現了。

Anthropic推出的MCP（Model Context Protocol） ，利用MCP，可以讓各種AI助理用自然語言輕松地訪問各種數據源，執行各種分析和查詢。

說概念沒啥意思，看一個例子吧，使用Claude Desktop訪問本地的SQLite數據庫。

1. 讓它連接上數據庫：

直接用自然語言就行，連接完成以后，它還非常貼心地把數據庫中的表都給讀了出來。

2. 查看產品表中有哪些產品和價格：

3.計算一下平均價格

4.分析一下價格分布，并且給出價格優化方案

是不是挺厲害的？可以這么說，有了MCP以后，你想要的任何SQL查詢都可以通過自然語言來進行了。

02

這不就是Chat2DB嗎？

你可能覺得，這不就是Chat2DB嗎？

還真不一樣，Chat2DB是人家自己訓練了一個大模型，實現自然語言到SQL的轉換。

這個MCP更像大模型一個通用的“外掛”，它是一種更具普遍性的協議，更加靈活，它可以支持各種數據源：數據庫、文件、GitHub、Google Drive、Google Maps、Slack.....

它的架構是這樣的，典型的Client/Server：

MCP Client可以運行在Claude Desktop，Zed（代碼編輯器當中）。

MCP Server其實就是對某一種數據源的封裝，把這個數據源的能力給暴露出來，讓Client去訪問。

例如對于SQLite，你就需要暴露出可以被訪問的“函數”read_query，write_query等。

當然，對于Server的每個操作，MCP協議都精確地定義了輸入和輸出，這樣Client才可以理解它有哪些能力。

types.Tool(
name="read_query",
description="Execute a SELECT query on the SQLite database",
inputSchema={
"type": "object",
"properties": {
"query": {"type": "string", "description": "SELECT SQL query to execute"},
},
"required": ["query"],
},
),
types.Tool(
name="write_query",
description="Execute an INSERT, UPDATE, or DELETE query on the SQLite database",
inputSchema={
"type": "object",
"properties": {
"query": {"type": "string", "description": "SQL query to execute"},
},
"required": ["query"],
},
),

MCP Server 寫好以后，需要在Claude中配置一下，告訴Claude，現在有這個數據源可以訪問了。

當你向Claude發出查詢“產品表的平均價格是多少？” 執行流程是這樣的：

(1) Claude利用大模型的能力把自然語言轉化成需要執行的“函數”（read-query），交由MCP Server來執行。

(2) MCP Server則把“函數”轉化為SQL，交給SQLite數據庫來執行。

SQLite是這樣，其他數據源也是如此，官方已經推出了各種各樣的MCP Server，可以直接使用：

03

美國人又領先了一步

即使是最復雜最強大的大模型，也是被困在一個信息孤島之中，和外界是隔離的。對每個數據源，都需要需要做“定制”，才能和大模型做連接。

Anthropic提出的這個MCP協議，其實就是避免大家重復造輪子，它就像電腦上的USB Type-C接口，給各種外圍設備提供了一種標準的方式，讓AI大模型可以輕松連接不同的數據源。

當年的JDBC用統一的接口屏蔽了底層數據庫的差異，讓Java代碼可以訪問各種數據庫，MCP也有點兒像。

這個協議并不是只有Anthropic 的Claude 模型可以使用，任何大模型都可以使用，這很有可能打開一個全新的賽道。

MCP協議能不能做成，還依賴于OpenAI、谷歌、微軟、Meta等AI巨頭對它的接受度，以及是否愿意把它標準化，然后推廣到整個業界。

看到MCP，我的第一感覺就是：可惜可惜，美國人又領先了一步。

MCP很難嗎？ 并不難，這玩意兒正如它的名字所說Model Context Protocol，只是一個協議，只要能想到就能把它定義出來，然后一開源，有望成為一個重要標準。

它沒有誕生在國內AI相關的公司，著實可惜啊！

全文完，覺得不錯的話點個贊或者在看吧！

近期爆文：