MCP - AI 和真实世界的桥梁

2025年3月28日 · 阅读需 4 分钟

前端开发 / 开源爱好者

在上篇文章动手开发一个 MCP Server 中讲了怎么开发一个 MCP Server，本文简单聊聊我对 MCP 的看法。

一直以来，我认为大模型工具的最终形态就是一个输入框。用户的任何需求，不论是写文章查资料写代码，还是旅游攻略订酒店，都只需求在输入框内输入需求，AI 会自动找到合适的工具去解决问题并最后进行反馈。

听起来非常的 Agent。

AI 擅长自然语言理解，擅长知识输出，擅长内容总结，而自动找到合适的工具，这是一个很大的挑战。

当前 AI 能自动找到合适的工具的前提是我们需要给 AI 提供足够多的工具，而大多数时候我们只能依赖使用的 AI App，比如 App 提供了联网功能，我们才可以使用联网搜索，但当我们希望使用一个操作本地文件的工具，只能等待 AI App 内置，或者自行开发；当我们因为工作环境切换，使用新的 AI app 时，一切可能都变了，要么没有对应的工具，要么不兼容，只能从头开始适配。

MCP 的出现很好的解决了这个问题，他将 AI 和外部数据如何交互进行了约定，保证一个符合 MCP 协议的工具是处处可用的。正因为如此，目前几乎能想到的服务都进行了 MCP 化，甚至高德百度地图都推出了 MCP Server。

对于用户来说，不必为了某个工具局限于某个 AI App 或者 Agent，有了 MCP 用户通过自由的组合 MCP Server 来创建独属于自己的 Agent，一切变得可插拔和模块化，给了用户极大的自由。另外，对于各种各样的外部服务，也不必再去想如何开发 Agent，而是暴露通用的 MCP Server 即可。

不过目前 MCP 并非完美，配置和使用成本对于普通用户来说并不低，并且如果要定制自己的 MCP Server 还需要有开发能力。在社交媒体能看到很多人表示“没有配置成功过”，也表示不如其他的 AI 功能效果来的快。

但我依旧非常看好 MCP，我认为这是 AI 能力扩展上的一个正确而可行的路线，真正可以让 AI 接触到真实世界，从而更好的为人类服务。

欢迎关注我的公众号：前端生存指南，一起聊聊前端、AI 和生活。