作者｜冬梅

采訪嘉賓｜譚宇，楓清科技 Fabarta 合伙人、智能引擎事業部總經理

2024 年 11 月 25 日，Anthropic 公司發布的 MCP 協議在推動 AI 技術發展方面具有里程碑式的意義。

在電子設備領域，USB-C 接口的普及徹底解決了不同設備間的連接難題——無論是充電、數據傳輸還是外設擴展，一個接口即可滿足所有需求。事實上，從大模型還未如此火爆之前，數據孤島和工具碎片化問題就制約 AI 生產力的發展。Anthropic 推出的 MCP 為什么會受到如此高的評價，歸根結底它就是在徹底改變上述局面。

模型上下文協議 (MCP) 是一項開放標準，使開發者能夠在其數據源和 AI 驅動的工具之間建立安全的雙向連接。其架構簡單易懂：開發者可以通過 MCP 服務器公開數據，也可以構建連接到這些服務器的 AI 應用程序（MCP 客戶端）。

為什么需要 MCP？

在沒有 MCP 之前，開發者需要為每個工具或平臺單獨定制連接方式，這既耗時又低效。MCP 通過統一的系統接口解決了這個問題，簡化了 AI 與外部服務（如 Slack、Gmail 等）的交互。

在 MCP 發布后，Anthropic 官方就已經確認已經與 Asana、Atlassian、Block、Intercom、Linear、PayPal、Sentry、Stripe 和 Webflow 展開合作，帶來一整套全新的遠程 MCP 服務器，所有服務器均基于 Cloudflare 構建。

Intercom 工程高級副總裁 Jordan Neill 表示：“在 Intercom，人工智能的變革力量正日益清晰。Intercom 的人工智能代理 Fin 目前已自主解決 Anthropic 等領先公司超過 50% 的客戶支持對話。借助 MCP，將人工智能連接到內部工具和系統比以往任何時候都更加容易，從而實現更高的商業價值。例如，客戶對話可以提供有關產品使用方式和客戶體驗的寶貴見解。然而，這些數據通常被鎖定在支持平臺內。Intercom MCP 服務器可以解鎖這一豐富的客戶數據源，使組織中任何使用 AI 工具的人都可以訪問。例如，工程師可以利用 Cursor 或 Claude Code 等工具中來自 Intercom 的對話歷史記錄和用戶數據，更高效地診斷和解決問題。”

MCP 的核心價值在于解決 AI 模型與工具、數據源集成的碎片化問題。傳統模式下，開發者需要為每個 AI 模型與每個工具 / 數據源的組合單獨開發接口，形成“M×N”的復雜適配網絡。例如，讓 AI 分析 Excel 數據并發送微信提醒，需要分別開發 Excel 讀取接口和微信 API 對接代碼，還要處理數據格式轉換，耗時耗力且易出錯。MCP 通過統一協議將這種復雜度簡化為“M+N”，實現真正的即插即用體驗——AI 模型只需遵循 MCP 標準，就能像“插 U 盤”一樣快速連接各類工具和數據源。

本文將深入探討 MCP 的技術架構、生態價值、商業影響及未來趨勢，揭示這一協議如何重構 AI 與工具、數據及智能體之間的交互方式，為企業和開發者帶來前所未有的效率提升。

InfoQ：此前關于 MCP 的話題已經火爆了一段時間了。我們了解到從用戶角度來講，MCP 的關鍵組件包括 MCP Client 和 MCP Server， MCP Client 就是用戶在使用的工具，比如 Cluade 桌面端， Cursor 這樣的 IDE， 只要通過 MCP 協議連接 MCP Server 的都算 MCP Client。 MCP Server 則是具體與外部交互的組件，比如用它來操作數據庫、文件系統或調用外部 API。您能從開發者的角度來聊聊，MCP 主要包括什么嗎？

譚宇：從用戶角度而言，MCP 包括三個方面：第一是一套協議， 規定了 MCP Client 和 MCP Server 怎么通信，現在支持兩種協議，STDIO（標準輸入輸出）和 SSE （Server-Sent Event）；第二是一套 SDK，包括了 JavaScript、Python、GO 等多種語言的實現，方便開發者實現自己的 MCP Client/Server；第三是一個生態，通過標準的協議，大家將有價值的 MCP Server 開放出來，類似 App Store 的概念，比如現在有 mcp.so / glama 等。

InfoQ：MCP Server 的核心架構是怎樣的，如何實現高并發、低延遲的實時數據訪問？

譚宇：MCP 的架構很簡單，在 STDIO 協議下，MCP Server 是作為 MCP Client 的一個子進程存在，在 SSE 協議下，則是簡單 C/S 架構。高并發與低延遲并非這套協議要考慮的內容。

MCP 理論上可以支持所有類型數據源

InfoQ：在大模型驅動的 AI 應用中，數據的高效獲取與處理是核心挑戰之一。MCP（Model Control Protocol） 作為連接 AI 模型與底層數據的關鍵樞紐，其數據源兼容性直接影響開發效率與系統擴展能力。您能介紹下 MCP 目前支持哪些類型的數據源嗎？

譚宇：數據源問題也不是 MCP 要考慮的問題，支持哪些數據源還是看基于這套協議怎么去實現，如果只說可能性，那么 MCP 理論上可以支持任何數據源。

InfoQ：目前 MCP Server 如何處理實時數據流的增量更新（如數據庫的 CDC 變更）？它在面對大規模、海量數據請求時，是否會出現性能瓶頸？

譚宇：其實就像上面提到的，MCP 理論上可以支持任何數據源，這些都是 MCP Server 需要考慮的事情，理論上不受任何限制。

InfoQ：一個企業要去實現 MCP 的成本高不高？封裝 MCP 要經歷多少流程？

譚宇：實現 MCP 的成本主要還是看 MCP Server 要做的事情的復雜度，假設你原來已經用 tool 實現了，要將他封裝成 MCP 是非常簡單的，幾十行代碼就夠了， MCP SDK 也提供了相關調試的工具，相對來說是很簡單的。

MCP 解決的痛點，與行業無關

InfoQ：據我們了解，目前國內布局 MCP Server 的企業還是主要集中在大廠上，您認為為什么會是這種情況？

譚宇：在我個人看來，單純 MCP 目前商業化方面并沒有看到太多的機會，大廠為什么在做這個是因為現在提供的還是基礎能力，比如 MCP 托管，這的確是小公司不想做的地方。

InfoQ：MCP 這種協議是否要滿足一些合規要求？比如審計和數據隱私方面？那它在強監管的行業是否也適用？

譚宇：這些在協議層一概沒有定義，官方說要在最近支持加密認證等。 所以目前還是在可信環境使用比較好。

InfoQ：您能否舉個例子說明下 MCP Server 在具體行業中是如何實現的？解決了哪些痛點？與其他工具相比優勢是什么？

譚宇：MCP 理論上和行業無關。 它解決的痛點也很明確，就是解決了工具之間的定義、通信等不標準的問題，讓相關的工具可以得到復用。

在 MCP 之前大家使用比如 LangChain、LlamaIndex 等工具 來實現 AI 與外部的鏈接，但實際上行業里對該使用哪種大模型鏈接工具的沒有標準和統一的定義， 如果企業同時使用 LangChain 和 LlamaIndex，那么可能相同的工具就要實現兩次。

InfoQ：接下來想聊聊商業化方向的問題，MCP Server 的盈利模式是什么？

譚宇：個人認為單純 MCP Server 和盈利并無關系，還是要看這個背后你為客戶提供了什么價值。比如在楓清科技（Fabarta）， 我們通過 Fabarta 超級辦公智能體集成一些業界通用成熟的 MCP Server， 快速為客戶提供 AI 方面的能力。舉個例子，以寫作或制作 PPT 為例，現在的流程基本上是上傳參考文檔 ->大模型制作 ->調整 ->下載產物，這種流程本質上是以模型為中心而非以用戶為中心，我們通過在 Fabarta 超級辦公智能體中集成文件系統、本地知識庫這樣的 MCP Server，用戶可以在 Fabarta 超級辦公智能體中直接說請參考我本地某某文件編寫什么樣主題的文檔 /PPT， 寫完后直接將最終結果輸出到本地，這樣就極大的簡化了用戶的流程并提升效率。

所以本質上要通過 MCP Server 盈利，并不是 MCP Server 本身，而是看 MCP Server 到底能帶來什么樣的能力，即它背后的系統。

MCP 很重要，但也只是個協議

InfoQ：MCP 現在基本默認為成了大模型與外部數據交互的通用協議，那么，您認為我們該如何推動其他廠商的協議兼容？MCP 在市場認知層面是否已經做好準備了？

譚宇：現在也不需要推動了，各類 AI 開發框架都對 MCP 進行了支持，各大應用比如高德地圖、百度地圖等也開發了自己 MCP Server， 該協議成為基礎已沒有疑問。

InfoQ：未來，您認為 MCP Server 會朝著什么方向發展進化？未來模型廠商提供給客戶的價值會因 MCP 而改變嗎？

譚宇：它的連接器定位不會改變，未來會在可運維性、安全性等方面進行加強。我認為未來，這些模型廠商提供給客戶的能力更多的還是會基于 Agent， MCP 只是實現層面的事情。