聊聊时下大热的 MCP
作为近期 AI 技术热点的 MCP 为很多公众号和 AI 工具带来了不少流量。这些 AI 工具包括本身热度就很高的编程工具 Cursor、Windsurf，还有 AI 客户端工具，如 Claude Desktop、开源的 Cherry Studio，还包括阿里云的网关服务 Higress，也及时借着这波流量宣传自家产品。
MCP 是 C/S 架构，其中 MCP Client 的作用在于对原有大模型的能力进行增强，使其找到合适的 MCP Server 和对应的 Tool，例如通过 filesystem 这一 MPC Server 来读或写（文件读、写分别代表一种 Tool）本地文件。大模型本身感知不到 MCP，这里是 MCP Client 端对其进行了封装，使对话具备了 MCP 能力，这里 Client 端实现必然使用了提示词改写，还可能用到了 Function Call。
MCP 带来的市场繁荣
目前 Client 端的参与者还是少数，这次火爆的点在于 MCP Server 市场的繁荣，MCP 作为 Function Call 的继承者，他们两者的本质是实现大模型连接现实世界的能力，理论上现实世界已有的平台都可以 MCP 化，如 Figima、Web Search、数据库、本地浏览器、在线文档平台、项目管理平台等等。Higress 还推出了一键将存量应用转成 MCP Server 的功能。我还看到了所谓“一行代码让 Python FastAPI 应用秒变 MCP 服务器”的文章标题。可以想见，未来一段时间，MCP 的 Server 应用市场会发展非常迅速，相应的也会出现很多 Infra 层的能力沉淀，如存量应用迁移成 MCP Serer、安全协议、流量监控等，这部分是网关层和 Web 服务层的市场，比如 Cloudflare 和 阿里云都已宣布支持远程 MCP Server 部署。
相比较 Function Call，MCP 的革新在于将原有的连接（LLM 连接现实世界）能力标准化，解决原先 Function Call 重复开发和开发成本高的问题。标准化的结果是市场化，带来的是整个 MCP 市场的繁荣。
对 AI 应用开发者的影响
对于 AI 应用开发者来说，等到 MCP Client 端的框架能力成熟之后，AI 应用的开发会大幅简化，不需要为实现 Function Call 而精心设计 Prompt 和调用链，后面仅需要一条提示词来实现，整个过程完全 out of the box。这里我们需要等待 LLM 框架的发展。
得 Agent 者得天下
目前可说是各个大模型厂商群雄逐鹿的下半场，在模型层，各大厂商比拼的是模型效果、Token 成本。在应用层，消费者还会关注大模型串联现实世界的能力。当时 Cursor 能够后来居上赶超微软的 GitHub Copilot，靠的就是它超强的整库（代码库）分析能力。Cursor 不局限于用户给定的几个文件，而是具备分析整个代码仓库的能力，通过精巧的代码索引技术，能够和代码库高度集成，提供更加准确的项目级代码生成能力。在自动补全场景中，Cursor 甚至会去“偷偷”分析用户剪切板里的内容，尽力预判用户意图，提供更准确的补全，大大提高了程序员编程的流畅度和幸福感。
后来 Cursor 又逐渐推出了 Compose 和 Agent 模式，甚至能在响应过程中自动执行命令行命令，再根据命令行输出进一步作出分析、决策。其实这种 Agent 模式最开始是 Windsurf 和 Cline 先推出的。所以有段时间，大概是 24 年 11 月，Windsurf 的热度曾经盖过 Cursor，当时我就有一个程序员朋友果断“弃科（Cursor）从文（Windsurf）”了。可见 AI 智能体的 Agent 能力是留住用户的关键。Agent 模式越成熟，连接现实世界的能力越强大，相应地，用户被打断和切换工作空间的频率就越低。用户的工作流越自动化，工作效率就提升越明显。
自 LLM 问世以来，编程工具无疑是大模型应用层领域最成功的典范。在 Anthropic 提出 MCP 协议之前，类似 Cursor、Windsurf 这类的代码编辑器就已经在事实上深度实践了 MCP。MCP 全称 Model Context Protocol（模型上下文协议），而代码编辑器的 Context 就是代码库和用户输入。对比大多数主打好玩有趣的 AI 产品不同，AI 编程工具直击痛点，真正解决程序员的工程问题，甚至是从 0 到 1 地构建项目，大幅节省了工程师查阅文档、StackOverflow、Debug、学习新技术、还有实际编码的时间。
所以我相信在未来很长一段时间内，AI 代码编辑器还会是大模型应用领域的领跑者。
关于未来
MCP 的影响有两方面：
- 一方面 MCP 的技术成熟会降低消费者构建复杂 AI 应用的门槛；
- 另一方面 MCP 市场的成熟会催生更多脑洞，逐步提高 AI 产品的探索深度。
对于第一点我认为这毕竟只是工程实践上一定程度的效率提升，类似框架（如 LangChain）之于原生开发，MCP 起到的更多是锦上添花的作用，它对整个 AI 应用开发所产生的影响还很有限。
对于第二点，目前我看到的很多 MCP 实践还仅仅是停留在玩具层面，当然我很希望能够早日再出现一个像 Cursor 一样的杀手级 AI 应用。我们现在能做的就是耐心等待（或者亲自下场以身入局），让子弹再飞一会儿。