原文作者：Mohamed ElSeidy
原文編譯：深潮 TechFlow
導讀
昨日，Solana 上的 AI 相關代幣 $Dark 上線 Binance Alpha，截止目前市值已經來到 4000 萬美元左右。
在最新的加密 AI 敘事中，$Dark 與「MCP」（模型上下文協議）密切相關，而這也是近期谷歌等 Web2 科技公司正在關注和探索的領域。
但在目前，能夠清晰講清楚 MCP 這個概念和敘事影響的文章並不多。
下文是 Alliance DAO 研究員 Mohamed ElSeidy 的一篇關於 MCP 協議深入淺出的文章，以非常通俗的語言講述了 MCP 的原理和定位，或許對我們快速瞭解最新的敘事有所幫助。
深潮 TechFlow 對全文進行了編譯。
在我於 Alliance 的這些年裡，我見證了無數創始人構建了他們自己的專用工具和數據集成，這些都被嵌入到他們的 AI 代理和工作流程中。然而，這些算法、形式化和獨特的數據集被鎖在定製的集成背後，極少有人會使用。
隨著模型上下文協議（Model Context Protocol, MCP）的出現，這種情況正在迅速改變。MCP 被定義為一種開放協議，它標準化了應用程序如何與大型語言模型（LLM）進行通信並提供上下文。我非常喜歡的一個比喻是：「對於 AI 應用程序來說，MCP 就像硬件中的 USB-C」；它是標準化的、即插即用的、多功能的，並且具有變革性。
為什麼選擇 MCP？
大型語言模型（如 Claude、OpenAI、LLAMA 等）非常強大，但它們受限於當前可以訪問的信息。這意味著它們通常存在知識截止點，不能獨立瀏覽網絡，也無法直接訪問你的個人文件或專用工具，除非進行某種形式的集成。
特別是，在此之前，開發者在將 LLM 連接到外部數據和工具時面臨三個主要挑戰：
集成複雜性：為每個平臺（如 Claude、ChatGPT 等）構建單獨的集成需要重複努力並維護多個代碼庫。
工具碎片化：每種工具功能（例如，文件訪問、API 連接等）都需要自己的專用集成代碼和權限模型。
分發受限：專用工具被限制在特定平臺，限制了它們的覆蓋面和影響力。
MCP 通過提供一種標準化的方法，使任何 LLM 都能通過通用協議安全地訪問外部工具和數據源，從而解決了這些問題。現在我們瞭解了 MCP 的作用，讓我們看看人們正在用它構建什麼。
人們正在用 MCP 構建什麼？
MCP 生態系統目前正處於創新爆發期。以下是我在 Twitter 上發現的一些開發者展示其作品的最新示例：
AI 驅動的故事板：一種 MCP 集成，使 Claude 能夠控制 ChatGPT-4 o，自動生成吉卜力風格的完整故事板，無需任何人工干預。
ElevenLabs 語音集成：一個 MCP 服務器，通過簡單的文本提示，讓 Claude 和 Cursor 訪問整個 AI 音頻平臺。該集成強大到足以創建可以進行外撥電話的語音代理。這展示了 MCP 如何將當前 AI 工具擴展到音頻領域。
使用 Playwright 進行瀏覽器自動化：一個 MCP 服務器，使 AI 代理能夠控制網頁瀏覽器，而無需截圖或視覺模型。這通過標準化方式使 LLM 直接控制瀏覽器交互，創造了網頁自動化的新可能性。
個人 WhatsApp 集成：一個連接個人 WhatsApp 賬戶的服務器，使 Claude 能夠搜索消息和聯繫人，併發送新消息。
Airbnb 搜索工具：一個 Airbnb 公寓搜索工具，展示了 MCP 的簡便性和創建與網絡服務交互的實用應用的能力。
機器人控制系統：一個用於機器人的 MCP 控制器。該示例彌合了 LLM 與物理硬件之間的差距，展示了 MCP 在物聯網應用和機器人領域的潛力。
Google Maps 和本地搜索：將 Claude 連接到 Google Maps 數據，創建一個可以查找和推薦本地企業（如咖啡店）的系統。這一擴展使 AI 助手能夠提供基於位置的服務。
區塊鏈集成：Lyra MCP 項目將 MCP 功能帶到 StoryProtocol 和其他 web3 平臺。這允許與區塊鏈數據和智能合約進行交互，為通過 AI 增強的去中心化應用打開了新的可能性。
這些示例尤其引人注目之處在於其多樣性。自 MCP 推出以來的短短時間內，開發者已經創建了涵蓋創意媒體制作、通信平臺、硬件控制、位置服務和區塊鏈技術的集成。這些各種不同的應用遵循同一標準化協議，展示了 MCP 的多功能性及其成為 AI 工具集成通用標準的潛力。
如果想要查看全面的 MCP 服務器集合，可以訪問 GitHub 上的官方 MCP 服務器庫。在使用任何 MCP 服務器之前，請仔細閱讀免責聲明，並謹慎對待運行和授權的內容。
承諾與炒作
面對任何新技術，值得問的是：MCP 是否真正具有變革性，還是僅僅是另一個過度炒作、最終會消退的工具？
在觀察過眾多初創企業後，我相信 MCP 代表了 AI 發展的一次真正的轉折點。與許多承諾革命但僅帶來漸進變化的趨勢不同，MCP 是一種生產力提升，解決了阻礙整個生態系統發展的基礎設施問題。
它的特別之處在於，它並不試圖替代現有的 AI 模型或與之競爭，而是通過將它們連接到所需的外部工具和數據，使它們更加有用。
儘管如此，關於安全性和標準化的合理擔憂仍然存在。正如任何協議在初期階段一樣，隨著社區在審計、權限、認證和服務器驗證方面摸索最佳實踐，我們可能會看到成長的煩惱。開發者需要信任這些 MCP 服務器的功能，不能盲目信任它們，尤其是在它們變得豐富時。本文討論了一些因盲目使用未經仔細審查的 MCP 服務器而暴露的最近漏洞，即使是在本地運行時。
AI 的未來在於情境化
最強大的 AI 應用將不再是獨立的模型，而是通過像 MCP 這樣的標準化協議連接起來的專業能力生態系統。對於初創公司來說，MCP 代表了一個構建適合這些不斷增長的生態系統的專業組件的機會。這是一個利用您獨特知識和能力的機會，同時從基礎模型的大量投資中獲益。
展望未來，我們可以預期 MCP 將成為 AI 基礎設施的基本組成部分，就像 HTTP 之於網絡一樣。隨著協議的成熟和採用的增長，我們很可能會看到專門的 MCP 服務器市場的出現，使 AI 系統能夠利用幾乎任何想象得到的能力或數據源。
您的初創公司是否嘗試過實施 MCP？我很想在評論中聽到您的經驗。如果您在這個領域構建了有趣的東西，請通過@alliancedao 與我們聯繫並申請。
附錄
對於那些有興趣瞭解 MCP 實際工作原理的人，以下附錄提供了其架構、工作流程和實施的技術細分。
MCP 的幕後
類似於 HTTP 標準化了網絡訪問外部數據源和信息的方式，MCP 為 AI 框架做到了這一點，創造了一種通用語言，使不同的 AI 系統能夠無縫溝通。讓我們來探索它是如何做到的。
MCP 架構和流程
主要架構遵循客戶端 - 服務器模型，由四個關鍵組件協同工作：
MCP 主機：包括桌面 AI 應用如 Claude 或 ChatGPT，IDE 如 cursorAI 或 VSCode，或其他需要訪問外部數據和功能的 AI 工具。
MCP 客戶端：嵌入在主機中的協議處理器，維護與 MCP 服務器的一對一連接。
MCP 服務器：通過標準化協議暴露特定功能的輕量級程序。
數據源：包括文件、數據庫、API 和服務，MCP 服務器可以安全訪問這些數據。
現在我們已經討論了這些組件，來看一下它們在典型工作流程中的交互：
用戶交互：用戶在 MCP 主機（例如 Claude Desktop）中提問或發出請求。
LLM 分析：LLM 分析請求並確定需要外部信息或工具來提供完整的響應。
工具發現：MCP 客戶端查詢連接的 MCP 服務器以發現可用的工具。
工具選擇：LLM 根據請求和可用功能決定使用哪些工具。
權限請求：主機向用戶請求執行所選工具的權限，以確保透明性和安全性。
工具執行：在獲得批准後，MCP 客戶端將請求發送到適當的 MCP 服務器，服務器利用其對數據源的專業訪問來執行操作。
結果處理：服務器將結果返回給客戶端，客戶端將其格式化以供 LLM 使用。
響應生成：LLM 將外部信息整合成全面的響應。
用戶展示：最終，響應呈現給終端用戶。
這種架構的強大之處在於，每個 MCP 服務器專注於特定領域，但使用標準化的通信協議。這樣，開發者無需為每個平臺重建集成，只需一次性開發工具即可服務於整個 AI 生態系統。
如何構建您的第一個 MCP 服務器
現在讓我們看看如何使用 MCP SDK 在幾行代碼中實現一個簡單的 MCP 服務器。
在這個簡單的例子中，我們希望擴展 Claude Desktop 的能力，讓它能夠回答諸如「中央公園附近有哪些咖啡店？」這樣的問題，信息來源於谷歌地圖。您可以輕鬆擴展此功能以獲取評論或評分。但現在，我們專注於 MCP 工具 find_nearby_places，它將允許 Claude 直接從谷歌地圖獲取這些信息，並以對話的方式呈現結果。
正如您所見，代碼非常簡單。首先，它將查詢轉換為谷歌地圖 API 搜索，然後返回結構化格式的頂級結果。這樣，信息被傳遞迴 LLM 以便進一步決策。
現在我們需要讓 Claude Desktop 知道這個工具，因此我們在其配置文件中註冊它，如下所示：
macOS 路徑：~/Library/Application Support/Claude/claude_desktop_config.jsonWindows 路徑：%APPDATA%\Claude\claude_desktop_config.json
就這樣，你完成了！現在你已經成功擴展了 Claude 的功能，可以實時從谷歌地圖中查找位置。
