转发原文标题《模型上下文协议 (MCP)：下一个加密 AI 催化剂》

如果您像我一样，您可能想知道 “MCP 是什么鬼？！” ……为什么这么多人在谈论它？

关于它的文献有限，这也可以理解——毕竟它才刚诞生四个月。所以我决定自己研究一下，并在这里整理了我的发现。

TLDR：它是加密和开源 AI 领域的一项重大突破。你真的该关注它，因为它可能会成为推动智能加密产品迈向下一阶段的催化剂。

内容

1. 介绍
2. 什么是模型上下文协议（MCP）？
3. MCP 如何为 AI 代理提供支持
4. 代理驱动的未来：为什么 MCP 很重要
5. 其他类似 MCP 的项目
6. 与传统人工智能集成的主要区别
7. 结论

1）介绍

随着人工智能代理变得更加自主并集成到现实世界的应用程序中，模型上下文协议（“MCP”）正在成为颠覆性技术——它彻底改变了 AI 代理与外部数据和工具的交互方式。

MCP 由 Anthropic 于 2024 年底推出，正致力于成为一个标准化框架，使 AI 代理能够与多种数据源无缝通信。

但自从 @anthropicai 推出该通信标准，更多 AI 解决方案将其视为行业共识。

简单来说，MCP 就是：“AI 实时与软件对话的方式”。

随着人工智能系统独立行动来解决复杂任务的代理未来即将到来，MCP 能否成为开启下一波人工智能创新浪潮的关键？

甚至可能推动 加密货币（Crypto） x 人工智能（AI）叙事的新一轮价格行情？

从聊天机器人到为行业提供动力的自主系统，AI 代理被寄予厚望，必须实时决策，并依赖于来自多个数据源的动态信息。

然而，一个主要瓶颈仍然存在：人工智能模型缺乏一个标准化方式，去连接外部系统，如数据库、文件仓库、或企业工具。

这就是 MCP 的用武之地。

模型上下文协议 (MCP) 作为一项开放标准，致力于填补这一空白，使 AI 代理能够动态访问并交互使用外部数据资源。

MCP 使大型语言模型（LLM）能够真正以“代理”身份运行，比如部署智能合约，或执行 DeFi 任务——这是一个非常大的突破！

如果你是加密原生用户，可能早已发现 ChatGPT 在获取实时加密市场动态或深入分析方面表现不佳——甚至可能连前 100 大币种的现价都说不准！

MCP 的出现，提供了提升 AI 驱动的 DeFi 的能力，例如：

1. “找到 USDC 的最佳 APY 并分配 1000 美元”，或者；
2. 根据市场波动重新平衡投资组合。

这标志着人工智能系统以更大的独立性和实用性运行的未来的更广泛的运动。

这也正是传统人工智能系统与加密领域那种 “无许可自由交互” 本质上的区别。

2）什么是模型上下文协议？

模型上下文协议（“MCP”）由 Anthropic 于 2024 年末推出，是一个开源标准，旨在连接 AI 助手

特别是由大型语言模型 (LLM) 提供支持的人工智能代理，连接到存储丰富的实时数据的外部系统。

你可以将它想象成一个“通用适配器”，允许人工智能代理以安全和标准化的方式接入以下系统：

• 内容存储库
• 企业工具
• 开发环境 等等！

为什么值得你关注？

与传统的人工智能集成不同，传统的人工智能集成通常依赖于分散的、定制的解决方案， MCP 提供了一个统一框架，支持双向通信。

这意味着，AI 代理不仅可以从外部系统中“拉取”数据，还能“推送”更新或触发操作，从而具备更强的动态性与自主能力。

您可以让代理完全自主地更新业务系统或管理您的个人事务！

Anthropic 推出 MCP 的初衷，是简化 AI 的集成流程，使开发者能够轻松构建“代理式工作流”，让 AI 系统在具备上下文理解能力的前提下自主运行。

3) MCP 如何为 AI 代理发挥作用

MCP 本质上是一个集成层，允许 AI 代理按需连接外部服务。以下是其运作方式的详细说明：

a) 动态数据访问：

不再仅依赖预训练数据，使用 MCP 的 AI 代理可以从关系型数据库、文件系统或代码仓库等来源访问实时或上下文相关的数据。

是的，那些冷门小众的加密币价格也能实时抓取了！连 @0rxbt 都在用 MCP 玩我们最爱的“紫蛙”——也就是 SkyNet，也叫 @aixbt_agent。

b) 双向通信：

MCP 支持双向交互，这意味着 AI 代理既可以检索数据，又可以根据分析采取行动，例如更新数据库或触发工作流程。

c) 标准化框架：

MCP 提供了一个通用协议，避免了繁琐的定制集成工作。它简化了开发流程，也让跨应用系统之间的交互保持一致。

也许这正是解决不同区块链和编程语言之间碎片化问题的钥匙！难道未来 AI 代理会成为各类系统的聚合层？

4) 代理的未来：为什么 MCP 很重要

人工智能代理不再只是反应性系统；他们正在成为积极主动、目标导向、能够自主决策的实体。

然而，要让人工智能代理真正“有用”，它们必须打破仅依赖训练数据的限制，能够灵活地与现实世界交互。

这就是 MCP 发挥作用的地方。

Anthropic 自己的文档是 MCP 实际应用的一个很好的例子：

想象一下，一个人工智能代理被赋予“管理软件开发流程”的任务。

借助 MCP，这个代理可以：

• 从代码仓库拉取最新代码；
• 分析它是否存在漏洞，并且
• 然后将生成的报告推送回团队的项目管理工具——这一切，都可以自动完成、实时发生。

（致谢 @alexalbert__）下方演示展示了 Anthropic 的 Claude 如何通过 MCP 连接 GitHub，创建新的代码库并提交 Pull Request：

MCP 赋予 AI 代理“适应变化场景”的能力——通过实时获取数据，代理能够更加智能、灵活、响应性更强。

此外，它还能集成和通信的系统包括 GitHub、Web API、Slack、电子邮件等等。

这也正回应了 @davidsacks 关于“什么样的代理会赢得未来”的讨论：

也许，真正的“制胜法宝”不是哪个代理本身，而是连接代理与现实世界的底层基础设施！

借助标准化协议，开发者能够更快速构建代理式工作流，无需为每个集成场景“重复造轮子”。

所谓“代理驱动的未来”，就是指那些能自主执行复杂任务的 AI 系统：

• 自动化业务流程、
• 管理供应链，
• 甚至参与科学研究工作。

而 MCP 就是让这一愿景成为现实的关键一环——为 AI 代理提供与真实世界交互的基础架构。

5) 其他类似 MCP 的项目

Anthropic 并不是唯一一家认识到标准化人工智能集成协议需求的公司。

越来越多的大型协议与企业，最近也开始推出或采用类似 MCP 的框架，来支持代理式 AI 的未来：

i) Perplexity MCP：

ii) OpenAI Agents SDK MCP：

最近（事实上是昨天）OpenAI 在其 Agents SDK 中发布了自己的 MCP 插件：

iii) Stripe MCP 集成：

…还有更多 MCP 服务器正在开发中，以使 AI 通信更加无缝：

与 Anthropic 不同的首席执行官们也承认其对于推动 AI Agent 未来发展的重要性：

这些举措凸显了一个不断增长的趋势：人们认识到代理人工智能需要标准化、可扩展的数据集成解决方案。

虽然 MCP 由于其开源性质和广泛的适用性而仍然处于领先地位，但 xAI、Google 和 Meta 等主要参与者的参与凸显了该领域的重要性。

6) 与传统人工智能集成的主要区别

与传统的人工智能集成相比，为什么 MCP（及其同行）脱颖而出？

传统集成通常涉及自定义 API 或中间件，导致解决方案分散且难以扩展。

MCP 提供通用标准，降低复杂性并确保一致性。 正如下图所示（译注：原文提及对比图）

开源协作：MCP 的开源性质促进了整个行业的协作，这与中心化人工智能公司的孤立方法形成鲜明对比。

这是加密货币的一个主要价值主张。

这是一个快速比较：

以下是一些如何在加密货币中使用它的高级示例：

例如，我们开始看到 DeFAI 解决方案对 (1) 的推动 来自@danielese 的 @heyanonai @LimitusIntel 或者 @gizatechxyz，并且链上分析也可以通过自定义工具来解决，例如 @aixbt_agent

随着 MCP 在更广泛的加密和 AI 生态中持续深入集成，未来的创新浪潮才刚刚开始！

7）结论

MCP 标志着我们正迈向一个代理式 AI 时代的关键一步——一个由自主系统主导，并能与现实世界无缝交互的未来。

通过提供用于将 AI 代理连接到外部数据源的标准化框架，MCP 解决了 AI 开发中的关键瓶颈，从而实现更加智能、适应性强和可扩展的解决方案。

更广泛的行业对类似 MCP 的协议的接受标志着集体推动这一代理愿景。

然而，挑战依然存在。

MCP 及其同行的成功将取决于广泛采用、协议之间的互操作性以及跟上快速发展的人工智能领域步伐的能力。

随着我们走向人工智能代理在我们的生活中发挥越来越核心作用的未来，像 MCP 这样的框架将成为连接人工智能和现实世界应用程序的桥梁。

无论 MCP 成为事实上的标准还是仅仅是进一步创新的催化剂，它都已经引发了关于代理人工智能和代理加密产品所需基础设施的重要对话。

声明：

1. 本文转载自 [s4mmy]，原文标题《模型上下文协议 (MCP)：下一个加密 AI 催化剂》，所有版权归原作者所有 [s4mmy]。若对本次转载有异议，请联系 Gate Learn 团队，他们会及时处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. Gate Learn 团队将文章翻译成其他语言。除非另有说明，否则禁止复制、分发或抄袭翻译文章。