你让 AI 帮忙查个数据库、发条消息，它只能礼貌地告诉你：我做不到
过去两年，大模型写代码、写文案的能力突飞猛进，但一直有个尴尬的短板——它够不着你电脑里的真实世界。想让 AI 读取 GitHub 的 issue、查一下公司数据库、往 Notion 里记一条笔记，就得为每个工具单独写对接代码，换一个模型再来一遍。
2024 年 11 月，Anthropic 把这个问题摆上了台面，发布了一套开放协议：MCP（Model Context Protocol，模型上下文协议）。到今天，它已经成了 AI 行业事实上的"通用插座"。
图片由 AI 生成
MCP 到底是什么
打个比方：MCP 之于 AI，就像 USB 接口之于电脑。
以前每接一个新外设，厂商都得造一根专用线；USB 出现后，一个口通吃。MCP 干的是同一件事——它规定了一套标准的"AI 连接外部工具"的接口，工具方只需写一次 MCP 服务端，Claude、ChatGPT、Gemini、Cursor 等所有兼容的 AI 客户端都能直接调用。
一句话：MCP 让 AI 从"只能聊天的嘴"变成了"能动手的手"。
技术上它是典型的客户端-服务端架构：AI 应用作为客户端，通过 tools/list 发现可用工具，通过 tools/call 执行操作。它不替代 API，而是把 API 包了一层标准外壳，让模型可以自动发现和理解。
两年时间线：从一家公司到行业标准
MCP 的推进速度在协议领域相当罕见：
- 2024 年 7 月：Anthropic 内部两位工程师 David Soria Parra 和 Justin Spahr-Summers 立项，11 月正式开源。
- 2025 年：OpenAI、Google、微软、AWS 相继宣布支持，从一家之言变成跨厂商标准。
- 2025 年 12 月：Anthropic 把 MCP 捐给 Linux 基金会旗下的 Agentic AI 基金会，由 Anthropic、OpenAI、Google、微软、AWS、Block 六家共同治理，协议从此中立。
- 2026 年：官方 Registry 收录服务器数近万，社区规模上万；MCP SDK 每月下载量约 9700 万次。
生态里都有什么
目前生态最成熟的几类 MCP 服务器：
- 开发工具：GitHub、GitLab、Sentry、Linear——AI 可以自己读 issue、看 PR、查报错栈，不用你复制粘贴。
- 数据库：PostgreSQL、MySQL、Supabase 等，AI 能直接看真实表结构写查询。
- 办公协同：Slack、Notion、Google Drive、飞书——"帮我把这个决定记到 Notion"变成一句话的事。
- 浏览器自动化：基于 Playwright 的服务端，AI 能自己打开网页验证结果。
GitHub 服务器公认是价值最高的一个连接：让 AI 在写代码的同时自己核对 issue 和 CI 状态，上下文不用你手动搬运。
图片由 AI 生成
普通用户怎么用上
不需要写代码。Claude Desktop、Cursor、Codex CLI、Gemini CLI 都已原生支持，配置就是往设置文件里贴一段 JSON：
{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": { "GITHUB_TOKEN": "你的token" }
}
}
}重启客户端，AI 就多了这批新工具。各家配置格式是通用的，换客户端不用重写。
两点冷思考
MCP 不是没有代价，2026 年行业讨论最多的是两个问题：
一是"上下文税"。每个 MCP 服务器的工具描述都要占用模型的上下文窗口，装了十几个服务器后，40-50% 的上下文可能被工具说明书吃掉，真正干活的"脑容量"反而变小。社区的应对是 MCP Gateway（网关聚合层），按需加载工具描述，把占用压到 5-15%。
二是安全。MCP 服务器是能接触你数据的代码。三条基本原则：只用官方或可读源码的知名服务器；权限最小化，能只读绝不给写；AI 返回的操作结果始终当作不可信输入来审查。
最后聊两句
MCP 花了不到两年，走完了通常要十年的跨厂商标准 adoption 之路。对开发者，它意味着"写一次，处处能用"；对普通用户，它意味着 AI 助手第一次真正长出了手脚。如果你常和 AI 打交道，值得现在就挑一两个官方服务器接上试试——比如先从 GitHub 或文件系统开始。
