2026 年 4 月 22 日，Anthropic 发了一篇看起来很"工程向"的博客：Building agents that reach production systems with MCP。表面上是讲 MCP 服务器怎么设计，但读完你会发现——这是一份 Agent 生态的宣战书。

文章目录

• 三条路，只有一个未来
• MCP：3 亿月下载背后的赌注
• Skills：MCP 的"大脑"
• 5 个 MCP Server 设计模式
• MCP Client 的两把利器
• 谁在站队，谁在观望
• 开发者该做什么选择

三条路，只有一个未来

Anthropic 明确指出，Agent 连接外部系统有三种方式：

1. 直接 API 调用 — Agent 直接发 HTTP 请求。适合一对一的简单场景，但扩展到 M 个 Agent × N 个服务就是灾难。
2. CLI 命令行 — Agent 跑 shell 命令。本地开发很快，但上不了 Web、移动端、云端。
3. MCP 协议 — 标准化的连接层。一个远程服务器，通吃所有客户端、所有部署环境。

Anthropic 的结论很直白：生产级 Agent 跑在云端，MCP 是唯一的通用解。 CLI 和 API 会共存，但 MCP 是那个"compound layer"——你今天建一个 MCP 服务器，明天每个新客户端自动就能用，不用你改一行代码。

MCP：3 亿月下载背后的赌注

博客里甩出一个关键数字：MCP SDK 月下载量突破 3 亿，年初还只有 1 亿。三个月翻了三倍。

这不是开源项目的自嗨。Anthropic 列举了 MCP 已经渗透的产品线：

• Claude Cowork — 团队协作场景的 Agent 平台
• Claude Managed Agents — 云端托管 Agent，用 Vaults 管理用户 OAuth Token
• Claude Code 的 Channels — 代码协作通道
• 200+ 官方目录里的 MCP 服务器，每天数百万人使用

这些不是 demo。这是 Anthropic 在用产品线证明：MCP 不是协议层的实验，而是 Agent 基础设施的事实标准。

Skills：MCP 的"大脑"

文章最精彩的部分是 Skills 和 MCP 的关系定义：

MCP 给 Agent 接触工具和数据的能力，Skills 教 Agent 怎么用这些工具来完成实际工作。

这不是两个东西在竞争，而是互补的两层：

Anthropic 描述了两种组合模式：

模式一：Plugin 打包

把 Skills + MCP Server + Hooks + LSP + Subagent 打包成一个 Plugin。这是目前 Claude 生态的分发方式。比如 Data Plugin 包含 10 个 Skills + 8 个 MCP Server（Snowflake、Databricks、BigQuery 等），一个安装就搞定整个数据工作流。

模式二：MCP Server 直接分发 Skills

MCP 社区正在开发一个实验性扩展 experimental-ext-skills，让 MCP Server 直接附带 Skill 定义。这意味着你装一个 Notion MCP Server，Agent 不仅获得了读写 Notion 的能力，还自动获得了"如何高效使用 Notion 做项目管理"的专家知识。

Canva、Notion、Sentry 已经在做这件事。

5 个 MCP Server 设计模式

博客里总结了 200+ MCP Server 的实战经验，提炼出 5 个设计模式：

1. 只建远程服务器

本地 MCP Server 限制太多。远程服务器是唯一能跑在 Web、移动、云端的配置，也是所有主流客户端优化的目标。

2. 按意图分组工具，别按 API 端点

少而精的工具永远胜过大而全的 API 镜像。一个 create_issue_from_thread 比 get_thread + parse_messages + create_issue + link_attachment 好用一百倍。Agent 的上下文窗口有限，每个多余的 tool definition 都在消耗 token。

3. 大面积 API 暴露代码沙箱

如果你的服务有上千个端点（Cloudflare、AWS、K8s），不要试图给每个端点写工具。暴露两个工具：search 和 execute。Agent 写一段代码，你的 Server 在沙箱里跑。Cloudflare 用这个模式，两个工具覆盖了 2500 个端点，只占 ~1K tokens。

4. 用 MCP Apps 返回交互界面

MCP Apps 是第一个官方协议扩展，让工具返回图表、表单、仪表盘等交互组件。数据显示，带 MCP Apps 的服务器比只返回文本的服务器，用户留存率显著更高。

5. 用 Elicitation 在工具执行中问用户

Form Mode 让服务器暂停执行、向用户要输入；URL Mode 把用户引导到浏览器完成 OAuth 或支付。这两个功能让 Agent 不用跳出流程就能处理复杂交互。

MCP Client 的两把利器

Tool Search：按需加载工具定义

不是把所有工具定义都塞进上下文，而是让 Agent 搜索工具目录，按需加载。实测效果：tool definition tokens 减少 85%+，Opus 4 的工具选择准确率从 49% 提升到 74%，Opus 4.5 从 79.5% 到 88.1%。

想想看：58 个工具（GitHub 35 个 + Slack 11 个 + Sentry 5 个 + Grafana 5 个 + Splunk 2 个）的定义就要吃掉 ~55K tokens。用 Tool Search，降到 ~8.7K。

Programmatic Tool Calling：代码编排取代自然语言串联

传统方式：Agent 调一次工具 → 结果回上下文 → 推理 → 再调一次 → 循环。每次推理都要一个完整的 inference pass。

Programmatic 方式：Agent 写一段 Python 代码，在沙箱里编排所有工具调用，只有最终结果进入上下文。实测减少 37% 的 token 消耗，Claude for Excel 就是用这个能力处理数千行表格数据的。

谁在站队，谁在观望

MCP 不是 Anthropic 一家在玩。博客里反复强调"open standard"，但事实是：

最值得关注的是 MCP 社区正在推动的 Skills 扩展。如果这个扩展被广泛采纳，MCP Server 就不再只是"连接器"，而是自带专家知识的"智能连接器"。这会极大提高切换成本——你用 Notion 的 MCP Server 用顺手了，不会再愿意换到另一个笔记工具，因为你不仅换了 API，还丢了"怎么用"的专家知识。

开发者该做什么选择

如果你在构建 AI Agent 相关的产品：

立即行动：

• 如果你的产品有 API，现在就开始建 MCP Server。不是明天，是现在。3 亿月下载意味着你的用户已经在等了。
• 按"意图分组"设计工具，不要镜像 API 端点。
• 把 MCP Server 做成远程的，别做本地的。

短期布局：

• 给你的 MCP Server 配一个 Skill，描述最佳使用方式。这是差异化竞争的关键。
• 关注 experimental-ext-skills 扩展，准备在 Server 里直接分发 Skills。
• 用 Tool Search + Programmatic Tool Calling 降低 token 消耗。

长期思考：

• MCP 正在成为 Agent 的"TCP/IP"。就像互联网时代，没人问"要不要支持 HTTP"，未来的问题是"你的 MCP Server 什么时候上线"。
• Skills 的战争还没开始。当所有系统都有 MCP Server 之后，胜负手就在于谁的 Skill 更好——谁能让 Agent 更聪明地使用工具。

Anthropic 这篇博客不是技术文档，是一份生态路线图。它在告诉所有人：MCP 是轨道，Skills 是火车头。你可以选择不上车，但轨道正在快速铺设。

作者: itech001
来源: 公众号：AI人工智能时代
主页: https://www.theaiera.cn，每日分享最前沿的AI新闻和技术。

本文首发于 AI人工智能时代，转载请注明出处。