随着AI技术的飞速发展，MCP这一重要协议正逐渐成为行业的焦点。它能有效解决AI模型与外部工具连接的难题，为AI Agent赋予更大的价值与潜力。那么，MCP究竟为何能够引领这一变革？本文将带您一览MCP的核心原理与最新进展，深度解析它如何在技术和实践中开辟全新篇章。

随着Manus的爆火，MCP这个词被提及的次数也越来越多了，其实这也不算是一个新的能力，只是业界对他有了更加一致性的认同和更加统一的协议。

MCP是一种重要的协议，它通过提供标准化接口，解决了AI模型与外部工具连接的问题，让AI Agent能够发挥更大的价值。

Anthropic对MCP最近的重大更新引入了“Streamable HTTP”传输方式，极大地简化了MCP服务器的部署和实现难度，提高了兼容性和扩展性，使MCP能够更好地适应各种云服务平台和大规模分布式部署的需求。

MCP的定义

定义：MCP是由Anthropic开源的一种协议，用于使AI模型能够无缝对接外部资料。

组成：

• Model：指各类AI模型，如GPT、Claude等。
• Context：指提供给模型的额外资料或上下文。
• Protocol：指一种通用标准或规范。

MCP的作用

实现AI与外部工具的连接：通过MCP，AI Agent可以操作外部工具，完成一些传统方式下无法完成的任务。例如，在AI驱动的IDE中编写代码后，可以直接向GitHub提交Pull Request。

解决AI调用外部API的问题：没有MCP，AI模型可能无法正确调用外部API，或者基于过时的训练数据回答问题，甚至产生幻觉。MCP提供了一种标准化的接口，让AI模型能够正确地调用外部API。

MCP的重要性

标准化接口：与传统的“函数调用”方式相比，MCP提供了一个通用标准，类似于USB-C接口，让各种设备都能通过同一接口连接。这使得AI应用能够轻松切换不同的模型，同时让模型轻松对接各种数据源和工具。

简化开发流程：MCP的核心价值在于提供标准化接口，让AI开发者能够更轻松地将AI模型与外部资源和工具连接起来，从而构建更强大、更实用的AI应用。

MCP重大更新

引入“Streamable HTTP”传输方式：新的传输方式改变了MCP的数据传输机制，从传统的需要长连接的SSE（Server-Sent Events）改为普通的HTTP请求，同时支持流式传输。

优势：

• 简化部署：不再需要搭建SSE服务器，普通的HTTP服务器即可支持MCP，更容易部署到云服务平台（如Vercel、Cloudflare、AWS Lambda等不支持长连接的平台）。
• 更好的兼容性：新方案完全基于HTTP，可以与CDN（内容分发网络）、API网关、负载均衡等技术无缝结合，解决了SSE方案不支持负载均衡和缓存的问题。
• 更好的扩展性：支持无状态模式，服务器无需保持长期在线。同时，需要流式传输时可以动态升级到SSE，但并非强制要求。
• MCP服务器更简单、高效、灵活：更新后的MCP服务器更容易实现和部署，支持更大规模的分布式部署，不再受到SSE的局限。