什么是 MCP？为什么说它是 AI 工具的连接标准？
魔当实验室 · 2026年10月
本文是"AI技术科普"系列第一篇，走的是"一次讲清楚一个词"的路子：不评测、不排名、不放下载和注册链接。如果“Agent”这个词也还陌生，可以先看《从“会聊天”到“会干活”》。
AI技术发展很快，文中提到的工具、能力和数据反映的都是当前阶段的情况，仅供参考。
先看一个没有协议时的麻烦
你手上有一个 AI 应用，想让它帮你读表格、查数据库、建工单。
在没有协议的时候，每接一个软件都要专门写一遍对接：这个软件问问题的格式和那个不一样，返回结果的样子也不一样，权限怎么给还得各谈一次。一个 AI 应用要连 10 个软件，就是 10 套对接代码；市面上有 10 个 AI 应用，每个都要连这 10 个软件，整个行业就要重复写 100 套。
这就是这类协议总挂在嘴边的那个说法——N×M 问题：应用数量和工具数量是相乘的。协议要做的只有一件事：把相乘变成相加。每个 AI 应用实现一次协议，每个工具实现一次协议，两边就能互相找到。
MCP 到底是什么
MCP 全称 Model Context Protocol。魔当实验室平时不太念全称，因为这三个词本身帮助不大；真正有用的是下面三件事。
第一件：谁提的、什么时候提的。 Anthropic 在 2024 年 11 月 25 日发布并开源了这套协议，官方给过一个特别好懂的比喻——AI 的 USB-C。它不是新的电，它是新的插口。
第二件：它把一次对接拆成三层。
| 层 | 大白话 | 在你电脑上是什么 |
|---|---|---|
| Host（宿主） | 你正在用的那个 AI 应用 | 一个编程助手、一个桌面办公 Agent |
| Client（客户端） | 宿主里的翻译员，一次只跟一个工具端保持通话 | 应用内部的一段连接逻辑，你一般看不见它 |
| Server（服务端） | 真正装着工具和数据的那个小程序 | 连着你的文件目录、数据库、工单系统的进程 |
关键在第三层：工具端不需要知道是谁在用。可以是这一家的应用，也可以是那一家的，只要两边都说同一套话术。这就是"能带走"的物理原因。
第三件：它规定了 AI 可以问的三个问题。 你有什么能力（工具清单）、你手里有什么内容（数据与文件）、把这些结果还给我（调用返回）。协议只管说话方式，不管聪明程度——插上之后干得好不好，仍然取决于模型本身。
它凭什么算"标准"
一个协议是不是标准，不看发布那天谁站台，看之后两年有没有人真的继续用。这条线上有几个能标出处的节点：
| 时间 | 发生了什么 |
|---|---|
| 2024-11-25 | Anthropic 发布并开源 MCP，提出"AI 的 USB-C"这个说法 |
| 2025-03 | OpenAI 在 Agents SDK 上宣布支持；此后 Google DeepMind、微软（VS Code 与 Copilot）、Cursor、AWS、Cloudflare 陆续接入 |
| 2025-12-09 | Anthropic 把 MCP 捐给 Linux 基金会旗下新设的 Agentic AI Foundation；OpenAI 与 Block 是共同发起方，AWS、Google、微软、Bloomberg、Cloudflare 为白金会员 |
| 2026-07-28 | 第五版规范发布，是史上最大一次修订：核心转向无状态（移除会话机制），新增 Tasks（长任务）与 MCP Apps（交互界面）等扩展 |
| 2026 年内 | ChatGPT、Gemini、M365 Copilot 已原生支持 MCP |
表内口径均为 2026 年 10 月查询，具体以各方官方页面为准。
这张表里最要紧的一行是 2025 年 12 月那次捐赠。一个由 A 家公司发起的协议，交给中立基金会，而 A 的两家竞争对手坐在共同发起人的位置上——在软件行业里，这通常就是一项标准真正成立的时刻。它意味着没有单独一家能决定这条路往哪修，也就意味着你为一个接口写下的配置，不太会因为某家公司改主意而作废。
另一个证据在产品侧：各家中国厂商普遍直接支持这套协议——智谱 AutoClaw 2.0 全面适配 MCP，WorkBuddy 的 Connector 同时支持 MCP 与命令行两种协议，扣子 3.0 可以接入 Claude Code 与 Codex CLI。这些公司彼此竞争，却用了同一个接口标准，这在历史上是有先例可循的信号。（这些产品各在地图的哪一格，见《AI Agent 工具地图》。）
捐赠时官方给过两个规模数字：SDK 月下载约 9700 万次、超过 1 万个活跃的公共 server。这是厂商自己公布的口径，魔当实验室把它当数量级参考，不当精确统计。
至于 2026 年 7 月那次"转向无状态"的修订，普通用户只需要知道结论：接口变得更像寄快递，而不像打电话——不再要求一条会话从头到尾连着，长任务可以挂着慢慢跑。你感受到的是"能交给它一件要跑很久的活"，而不是某个协议字段变了。
MCP 和技能包不是一回事
这是最容易混的一对概念，也是这一篇想多讲几句的地方。
| 名称 | 管什么 | 一个类比 |
|---|---|---|
| MCP | 把工具和数据接到 AI 上 | 插座和管道 |
| 技能包（SKILL.md） | 教 AI 按你的流程做事 | 贴在机器旁边的操作手册 |
| Agent Plugins | 把上面两样打包分发 | 一箱成套的工具箱 |
Anthropic 在 2025 年 10 月首创了技能包这个形式并宣布为开放标准，2026 年 10 月同样把它捐给了那个基金会；另有一条由 OpenAI、微软、AWS、GitHub、Cursor、Vercel 共同推进的插件打包标准。
一句话记住分工：MCP 决定 AI 能碰到什么，技能包决定 AI 会怎么干。 接口装得再多，没人教流程，它拿到你的文件也还是只会按软件原样点点戳戳。
对普通用户的三个实际影响
第一，接好的东西能带走。 你自己攒下的那一堆工具端，只要都说 MCP，理论上不必因为换一家 AI 应用而重接一遍。魔当实验室认为这才是"标准"对个人真正的意义：不是省下配置的十分钟，是降低你离开的成本——你不必因为已经装了七个接口，就不得不一直用当初那个应用。
第二，多装一个接口，就多花一份上下文。 工具端不是免费的。业内流传最广的一个量级是：接入 5 个 MCP server 时，光是"告诉模型有哪些工具可用"的定义部分就要花掉约 5.5 万 token（引自 Anthropic 官方文档与工程博客的媒体转述，2026 年 10 月查询）。协议本身不收钱，但模型每一次调用都要重新读一遍这些定义。所以"我装了 20 个 server"并不等于好用，更可能只是每一次都贵一点。这笔账在系列十二第 4 篇里算得更细。
第三，工具端本质上是权限，所以要挑来源。 一个 server 能替你读文件、发请求，也就有可能把读到的东西送去别的地方。这就是为什么"只装你能确认维护者的 server"这句提醒，会出现在所有讲自建工具链的文章里。能力与风险同源，完整清单在系列十二第 3 篇，这里不展开。
三个问题帮你定位
下次看到"支持 MCP"这个卖点，魔当实验室建议只问三句：
- 有没有现成的 server？是官方维护，还是社区某个人顺手写的？
- 它要读哪些东西？我能不能只给它其中一部分？
- 我在用的 AI 应用是真支持，还是要多装一层中转？
三个问题都答得上，这个接口值得装；答不上，先别装。
顺带分清一件事：MCP 把工具和数据入口递到模型手里，而把你自己的资料递到模型面前是另一条链路——那是《什么是 RAG》要讲的事。