隨著AI技術的飛速發展，MCP這一重要協定正逐漸成為行業的焦點。它能有效解決AI模型與外部工具連接的難題，為AI Agent賦予更大的價值與潛力。那麼，MCP究竟為何能夠引領這一變革？本文將帶您一覽MCP的核心原理與最新進展，深度解析它如何在技術和實踐中開闢全新篇章。

隨著Manus的爆火，MCP這個詞被提及的次數也越來越多了，其實這也不算是一個新的能力，只是業界對他有了更加一致性的認同和更加統一的協定。

MCP是一種重要的協定，它通過提供標準化介面，解決了AI模型與外部工具連接的問題，讓AI Agent能夠發揮更大的價值。

Anthropic對MCP最近的重大更新引入了“Streamable HTTP”傳輸方式，極大地簡化了MCP伺服器的部署和實現難度，提高了相容性和擴充性，使MCP能夠更好地適應各種雲服務平臺和大規模分散式部署的需求。

MCP的定義

定義：MCP是由Anthropic開源的一種協定，用於使AI模型能夠無縫對接外部資料。

組成：

• Model：指各類AI模型，如GPT、Claude等。
• Context：指提供給模型的額外資料或上下文。
• Protocol：指一種通用標準或規範。

MCP的作用

實現AI與外部工具的連接：通過MCP，AI Agent可以操作外部工具，完成一些傳統方式下無法完成的任務。例如，在AI驅動的IDE中編寫代碼后，可以直接向GitHub提交Pull Request。

解決AI調用外部API的問題：沒有MCP，AI模型可能無法正確調用外部API，或者基於過時的訓練數據回答問題，甚至產生幻覺。MCP提供了一種標準化的介面，讓AI模型能夠正確地調用外部API。

MCP的重要性

標準化介面：與傳統的“函數調用”方式相比，MCP提供了一個通用標準，類似於USB-C介面，讓各種設備都能通過同一介面連接。這使得AI應用能夠輕鬆切換不同的模型，同時讓模型輕鬆對接各種數據源和工具。

簡化開發流程：MCP的核心價值在於提供標準化介面，讓AI開發者能夠更輕鬆地將AI模型與外部資源和工具連接起來，從而構建更強大、更實用的AI應用。

MCP重大更新

引入“Streamable HTTP”傳輸方式：新的傳輸方式改變了MCP的數據傳輸機制，從傳統的需要長連接的SSE（Server-Sent Events）改為普通的HTTP請求，同時支援流式傳輸。

優勢：

• 簡化部署：不再需要搭建SSE伺服器，普通的HTTP伺服器即可支援MCP，更容易部署到雲服務平臺（如Vercel、Cloudflare、AWS Lambda等不支援長連接的平臺）。
• 更好的兼容性：新方案完全基於HTTP，可以與CDN（內容分發網路）、API閘道、負載均衡等技術無縫結合，解決了SSE方案不支援負載均衡和緩存的問題。
• 更好的擴展性：支援無狀態模式，伺服器無需保持長期在線。同時，需要流式傳輸時可以動態升級到SSE，但並非強制要求。
• MCP伺服器更簡單、高效、靈活：更新後的MCP伺服器更容易實現和部署，支援更大規模的分散式部署，不再受到SSE的局限。