聲明:本文來自于（ID:ykqsd.com）授權轉載發(fā)布。

新智元的報道

編輯：編輯部 member

【新智元導讀】AI智能體領域Type-C來了！Manus及其開源復現(xiàn)誕生，一夜之間將MCP推上風口，工具調用或訪問外部數(shù)據(jù)，只需一個協(xié)議即可。

上周，智能體迎來了里程碑式的一周。

從Manus及其開源復現(xiàn)，到Opera的瀏覽器操作AI智能體、AI工作伴侶Archer，再到多種個人項目，將Agent推向了熱議的風口。

在處理往往需要十幾甚至幾十分鐘的復雜任務時，涉及3個核心能力：

其中，第二趴是讓智能體「動起來」的關鍵，真正與現(xiàn)實世界進行交互。

舉個例子，當前最火的開源復現(xiàn)OWL在查找倫敦今日放映的電影時，AI智能體主動調用Chrome搜索工具后，精準返回影院的實時信息。

而最火的開源項目OpenManus，在查找Karpathy個人信息主頁信息時，也是基于強大的工具使用能力。

這些案例生動地證明了，工具調用或訪問外部數(shù)據(jù)，能讓智能體跳出空想的局限，進化出會做事的能力。

作為最強的標準化接口協(xié)議，MCP僅用一天時間就在硅谷迅速走紅，家喻戶曉。

對于圈外的人來說，MCP可能尚不為人知，但其本質則是智能體系統(tǒng)的一種擴展方式。

一次搭建就能替代1億次配置工作，效率大幅提升。

在去年11月，Anthropic首次提出模型上下文協(xié)議（MCP），賦予Claude模型超級能力，讓AI與工作流深度集成。

其主要優(yōu)勢如下：

用通俗的話講，MCP就像是專為AI應用設計的通用接口，就像我們日常使用的USB-C接口一樣。

正如USB-C接口簡化了不同設備與計算機的連接方式，MCP簡化了AI模型與數(shù)據(jù)、工具和服務之間的交互方式。

通過MCP，AI助手不僅能夠「讀懂」代碼，還能「理解」團隊討論、涉及文檔等外部信息，提供更加精準的回答。

MCP是一種標準化協(xié)議，用于連接AI智能體與外部工具和數(shù)據(jù)源。

相比之下，傳統(tǒng)方法中，若要讓AI助手與外部工具進行交互，必須編寫代碼并調用API，這意味著每一種具體的連接都需要預先編程，效率低下且耗時費力。

更具挑戰(zhàn)性的是，每個AI助手與每個外部工具之間都需要獨立配置。假設擁有1000個AI助手和1000個外部工具，按照理論計算，需要編寫1000×1000=100萬條獨立的連接代碼，工作量之大堪稱天文數(shù)字。

比如說：API就像是是一扇扇門，每扇門都有自己獨特的鑰匙和使用規(guī)則。

傳統(tǒng)API要求開發(fā)人員為每個服務或數(shù)據(jù)源編寫定制化的集成代碼。

而MCP的出現(xiàn)，就像在為AI助手和外部系統(tǒng)打造了一套通用的「標準語言」，堪稱智能體生態(tài)的一次「標準化革命」。

一旦某個AI助手實現(xiàn)了MCP協(xié)議，它就能通過這個協(xié)議無縫連接到成千上萬的外部工具，無需為每種連接單獨編寫代碼。

同樣，外部工具（比如郵件、天氣應用等）也只需搭建一次MCP服務器，之后所有支持MCP的AI助手都可以直接與之交互。

比如說：假設有1萬個AI助手和1萬個外部工具。在MCP模式下，每方只需實現(xiàn)一次協(xié)議，總共只需2萬次配置。

而按照傳統(tǒng)編碼方式，每種AI助手與每種外部工具都要單獨對接，那將是1萬×1萬=1億次配置！

這直接使配置效率提升了不止一個數(shù)量級。

MCP的靈活性也非常突出，它既可以部署在云端，也可以在本地設備上運行，適應性極強。

可以說，MCP就像一座高效橋梁，為AI助手和外部系統(tǒng)之間架起了連接，取代了過去需要技術人員一橋一橋人工搭建的低效方式。

什么是MCP？

正如前面所述，MCP（Model Context Protocol）是一種新型的開放協(xié)議，其主要目標是為大型語言模型（LLM）提供一種標準化的上下文信息傳遞機制，從而實現(xiàn)AI智能體與外部數(shù)據(jù)及工具的有效結合。

相較于傳統(tǒng)的API而言，MCP的主要區(qū)別在于：

其中，實時雙向通信的具體機制如下：

不過，如果在某些應用場景中需要嚴格的交互模式和精確的控制，并且對不確定性有一定的容忍度，那么傳統(tǒng)API可能更適合。

MCP則提供了更為靈活、動態(tài)的能力，特別適合那些需要高度適應性和對上下文理解能力的場景，但對高度受控、確定性的應用場景可能并不太適合。

在以下情況下，推薦優(yōu)先使用傳統(tǒng)API：

MCP采用了客戶端-服務器式的簡單架構：

將MCP比作一座橋梁更為貼切：它本身并不負責處理復雜的邏輯，而是起到協(xié)調AI模型與各類工具之間數(shù)據(jù)和指令流動的作用。

具體來說，服務就是與API進行交互操作的東西。它可以在遠程服務器上運行（例如，在云上），或者在你的本地系統(tǒng)上運行。

它包含了所有系統(tǒng)上需要與之交互進而采取行動的代碼，比如發(fā)送Slack消息、創(chuàng)建文件等等。

如下圖所示，可以通過MCP服務，調用GitHub API在倉庫里創(chuàng)建代碼文件。

MCP客戶端負責與服務器進行通信。客戶端的一個非?？岬奶攸c是可以同時與多個服務器進行交互。

所以你可以設置專門的服務器來處理GitHub交互和Slack交互，然后將它們接入同一個客戶端。

最重要的，協(xié)議是使一切運作的關鍵?？梢詫⑺暈橐环N永遠不會改變的通用語言，MCP服務器和MCP客戶端都能使用。

它就像USB接口一樣，用于將MCP客戶端連接到MCP服務器。

USB接口讓手機連接到筆記本電腦，MCP協(xié)議讓你可以將第三方API連接到桌面應用程序。

針對各種類型的MCP客戶端，Total TypeScript的作者Matt Pocock還進行了一波對比。

可以看到，Claude Desktop和Continue支持資源、提示、工具，功能很全面。5ire和BeeAI Framework就比較有限，工具支持還可以，但其他方面基本不行。Cline也支持資源和工具，但不支持提示。Cursor和Emacs Mcp主要支持工具，其他功能都不行，適合簡單工具操作。

小編帶大家了解MCP服務器在實際應用中的重要性。在實際應用中，MCP客戶端（例如，client.py中的Python腳本）需要與管理各種特定工具（如Gmail、Slack或日歷應用）的MCP服務器進行交互。通過標準化流程，大大降低了開發(fā)復雜度，使開發(fā)人員能夠快速實現(xiàn)復雜的交互功能。

以下是常見的應用場景：

1. 行程規(guī)劃助手

2. 高級IDE（智能代碼編輯器）

3. 復雜數(shù)據(jù)分析

MCP集成流程：

MCP用例需求激增后，開發(fā)團隊需要設計并實現(xiàn)MCP集成流程。這一流程需要確保不同工具之間能夠無縫對接和交互。

MCP用例爆發(fā)：

大模型的興起后，為職業(yè)轉型提供了新的方向。如今，已經(jīng)有大佬建議，開發(fā)者們趕快去構建商業(yè)化MCP服務器吧。

Total TypeScript的開發(fā)者Matt Pocock僅用28行代碼就開發(fā)出了一個MCP服務器，展現(xiàn)了其簡潔高效的設計理念。

通過Cursor與MCP的無縫配合，用戶即可迅速構建出所需的功能，整個過程無需任何人工干預。

對于碼農群體而言，這一工具的出現(xiàn)無疑是一次效率的極致提升。AI不僅能輔助編寫代碼，還能自動完成從需求分析到功能上線的全部流程，極大地降低了開發(fā)門檻。

客戶只需通過Slack平臺發(fā)送功能需求，Cursor系統(tǒng)會自動生成相應的功能模塊，并自動生成Pull Request，確保項目進展透明高效。

最近，前Meta研究員、CopilotKit創(chuàng)始人Atai Barkai開源了一個名為Open MCP Client的新項目。

該開源項目使得任何開發(fā)者都能輕松與MCP服務器實現(xiàn)直接交互，從而實現(xiàn)更為復雜的智能功能。

只需通過Composio獲取一個簡單的URL，開發(fā)者即可在自己的應用中無縫集成MCP的能力，無需從零開始開發(fā)。

項目地址：https://open-mcp-client.vercel.app/

Agno的開發(fā)者Ashpreet Bedi推出了一個通用MCP智能體UAgl，該工具能夠輕松連接和管理多個MCP服務器，極大提升了系統(tǒng)的靈活性和可擴展性。

開發(fā)者Will Brown還開源了MCP Test Client，該工具可以在開發(fā)過程中充當雙重角色：對Claude模型而言，它能夠充當客戶端；對被測試的服務器而言，則可以充當服務器角色，從而實現(xiàn)更全面的功能測試。

參考文獻：

我們已經(jīng)深入探討了MCP和API模型之間的上下文協(xié)議和協(xié)議上下文，詳細解釋了這些概念之間的差異以及它們如何相互作用。

我們分享了個人博客文章，深入探討了Silverman在DevOps領域的角色及其在云原生發(fā)展中的重要性。

我們分享了個人博客文章，深入探討了Silverman在DevOps領域的角色及其在云原生發(fā)展中的重要性。