撰文：Frank Fu @IOSG
MCP 正在迅速佔據 Web3 AI Agent 生態的核心地位，它通過類似插件的架構，引入 MCP Server，賦予 AI Agent 新的工具和能力。
與 Web3 AI 領域其他新興敘事（如 vibe coding）類似，MCP，全稱為 Model Context Protocol，起源於 Web2 AI，現在正在 Web3 語境下被重新構想。
什麼是 MCP？
MCP 是由 Anthropic 提出的一個開放協議，用於標準化應用程序如何向大語言模型（LLMs）傳遞上下文信息。這使得工具、數據與 AI Agent 之間能夠更無縫地協作。
為什麼它很重要？
當前大語言模型面臨的核心限制包括：
無法實時瀏覽互聯網
無法直接訪問本地或私人的文件
無法自主與外部軟件交互
MCP 通過充當通用接口層，彌補了上述能力空缺，使 AI Agent 能夠使用各種工具。
你可以將 MCP 類比為 AI 應用領域的 USB-C —— 統一接口標準，讓 AI 更容易對接各種數據源和功能模塊。
設想每個 LLM 是不同的手機 —— Claude 用的是 USB-A，ChatGPT 用 USB-C，而 Gemini 是 Lightning 接口。如果你是硬件廠商，就得為每種接口都開發一套配件，維護成本極高。
這正是 AI 工具開發者所面臨的問題：為每一個 LLM 平臺定製插件，極大增加了複雜性並限制了規模化擴展。MCP 就是為了解決這一問題，通過建立統一的標準，就像讓所有 LLM 和工具商都使用 USB-C 接口。
這種標準化協議對雙方都有利：
對 AI Agent（客戶端）：可以安全地接入外部工具與實時數據源
對工具開發者（服務端）：一次接入，跨平臺可用
最終結果是一個更開放、可互操作、低摩擦的 AI 生態系統。
MCP 與傳統 API 有什麼不同？
API 的設計是為人類服務的，並非 AI-first。每個 API 都有各自的結構和文檔，開發者必須手動指定參數、閱讀接口文檔。而 AI Agent 本身無法閱讀文檔，必須被硬編碼以適配每種 API（如 REST、GraphQL、RPC 等）。
MCP 通過標準化 API 內部的函數調用格式，抽象掉這些非結構化的部分，為 Agent 提供統一的調用方式。你可以把 MCP 看作是為 Autonomous Agent 封裝的 API 適配層。
當 2024 年 11 月 Anthropic 首次推出 MCP 時，開發者需在本地設備上部署 MCP 服務器。而今年 5 月，Cloudflare 在其開發者周宣佈，開發者可在 Cloudflare Workers 平臺上以最低設備配置直接部署遠程 MCP 服務器。這大大簡化了 MCP 服務器的部署和管理流程，包括認證和數據傳輸，堪稱「一鍵部署」。
儘管 MCP 本身還是看似不夠「吸引人」，但是它絕非無足輕重。作為純粹的基礎設施組件，MCP 無法直接面向消費者使用，只有當上層的 AI 代理調用 MCP 工具並展現實際效果時，其價值才會真正顯現。
Web3 AI x MCP 生態圖景 Landscape
Web3 中的 AI 同樣面臨「缺乏上下文數據」和「數據孤島」的問題，也就是說，AI 無法訪問鏈上實時數據或原生執行智能合約邏輯。
過去，ai16Z、ARC、Swarms、Myshell 等項目試圖構建多 Agent 協同網絡，但最終由於依賴中心化 API 和定製集成，陷入了「重複造輪子」的困境。
每對接一個數據源都要重寫適配層，導致開發成本激增。為了解決這一瓶頸，下一代 AI Agent 需要一種更模塊化、樂高式的架構，以便於無縫集成第三方插件和工具。
於是，基於 MCP 和 A2A 協議的新一代 AI Agent 基礎設施和應用正在興起，專為 Web3 場景設計，讓 Agent 能夠訪問多鏈數據，並原生交互 DeFi 協議。
▲ 來源：IOSG Ventures
（此圖並不完全覆蓋所有 MCP 相關 Web3 項目）
項目案例：DeMCP 與 DeepCore
DeMCP 是一個去中心化 MCP Server 的市集 (https://github.com/modelcontextprotocol/servers) ，專注於原生加密工具與確保 MCP 工具的主權。
其優勢包括：
使用 TEE（可信執行環境）來確保 MCP 工具未被篡改
使用 代幣激勵機制，鼓勵開發者貢獻 MCP 服務器
提供 MCP 聚合器與微支付功能，降低使用門檻
另一個項目 DeepCore (deepcore.top) 也提供 MCP Server 註冊系統，專注於加密領域，並進一步擴展到 Google 提出的另一開放標準：A2A（Agent-to-Agent）協議 (https://x.com/i/trending/1910001585008058782)。
A2A 是 Google 在 2025 年 4 月 9 日宣佈的一項開放協議，旨在實現不同 AI 代理（Agent）之間的安全通信、協作和任務協調。A2A 支持企業級 AI 協作，例如讓不同公司的 AI 代理協同處理任務（如 Salesforce 的 CRM 代理與 Atlassian 的 Jira 代理合作）。
若 MCP 關注的是 Agent（客戶端）與工具（服務端）之間的交互，那麼 A2A 更像是 Agent 之間的協作中間層，讓多個 Agent 無需共享內部狀態，即可協同完成任務。它們通過上下文、指令、狀態更新、數據傳遞進行協作。
A2A 被認為是 AI 代理協作的「通用語言」，推動跨平臺、跨雲的 AI 互操作性，可能改變企業 AI 的工作方式。因此，可以把 A2A 看作是 Agent 世界的 Slack —— 一個 Agent 發起任務，另一個 Agent 執行。
簡言之：
MCP：為 Agent 提供工具訪問能力
A2A：為 Agent 提供彼此協同的能力
為什麼 MCP 服務器需要區塊鏈？
MCP Server 集成區塊鏈技術有多種好處：
1. 通過加密原生激勵機制獲取長尾數據，鼓勵社區貢獻稀缺數據集
2. 防禦「工具投毒」攻擊，即惡意工具偽裝成合法插件誤導 Agent
區塊鏈提供加密驗證機制，如 TEE Remote Attestation、ZK-SNARK、FHE 等
具體可以參考此文章 (https://ybbcapital.substack.com/p/from-suis-sub-second-mpc-network?utm_source=substack&utm_medium=email)
3. 引入質押 / 懲罰機制，結合鏈上聲譽系統構建 MCP 服務器的信任體系
4. 提升系統容錯性與實時性，避免 Equifax 等中心化系統的單點故障
5. 促進開源創新，允許小型開發者發佈如 ESG 數據源等，豐富生態多樣性
目前，大多數 MCP Server 基礎設施仍通過解析用戶自然語言提示詞來進行工具匹配。未來，AI Agent 將能夠自主搜索所需 MCP 工具，以完成複雜任務目標。
不過，目前 MCP 項目仍處於早期階段。多數平臺仍是中心化插件市場，由項目方手動從 GitHub 整理第三方 Server 工具並自研部分插件，本質上與 Web2 插件市場並無太大差異，唯一的區別是聚焦 Web3 場景。
未來趨勢與行業影響
當前，越來越多的加密行業人士開始意識到 MCP 在連接 AI 與區塊鏈之間的潛力。例如，Binance 創始人 CZ 最近公開呼籲 AI 開發者積極構建高質量 MCP Server，為 BNB Chain 上的 AI Agent 提供更豐富的工具集。BNB MCP Server 項目列表已公開，供探索生態的用戶參考。
隨著基礎設施的成熟，「開發者先行」公司的競爭優勢也將從 API 設計轉向：誰能提供更豐富、多樣化、易組合的工具集。
在未來，每個應用都可能成為 MCP 客戶端，每個 API 都可能是 MCP 服務器。
這樣就可能催生新的價格機制：Agent 可根據執行速度、成本效率、相關性等動態選擇工具，形成由 Crypto 與區塊鏈作為媒介所賦能的一種更高效的 Agent 服務經濟體系。
當然，MCP 本身不直接面向終端用戶，它是一個底層協議層。也就是說，MCP 的真正價值與潛力，只有在 AI Agent 將其集成並轉化為具有實用性的應用，才能被真正看見。
最終，Agent 是 MCP 能力的承載體與放大器，而區塊鏈與加密機制則為這一智能網絡構建起可信、高效、可組合的經濟系統。
