轉發原文標題《模型上下文協議 (MCP)：下一個加密 AI 催化劑》

如果您像我一樣，您可能想知道 “MCP 是什麼鬼？！” ……爲什麼這麼多人在談論它？

關於它的文獻有限，這也可以理解——畢竟它才剛誕生四個月。所以我決定自己研究一下，並在這裏整理了我的發現。

TLDR：它是加密和開源 AI 領域的一項重大突破。你真的該關注它，因爲它可能會成爲推動智能加密產品邁向下一階段的催化劑。

內容

1. 介紹
2. 什麼是模型上下文協議（MCP）？
3. MCP 如何爲 AI 代理提供支持
4. 代理驅動的未來：爲什麼 MCP 很重要
5. 其他類似 MCP 的項目
6. 與傳統人工智能集成的主要區別
7. 結論

1）介紹

隨着人工智能代理變得更加自主並集成到現實世界的應用程序中，模型上下文協議（“MCP”）正在成爲顛覆性技術——它徹底改變了 AI 代理與外部數據和工具的交互方式。

MCP 由 Anthropic 於 2024 年底推出，正致力於成爲一個標準化框架，使 AI 代理能夠與多種數據源無縫通信。

但自從 @anthropicai 推出該通信標準，更多 AI 解決方案將其視爲行業共識。

簡單來說，MCP 就是：“AI 實時與軟件對話的方式”。

隨着人工智能系統獨立行動來解決復雜任務的代理未來即將到來，MCP 能否成爲開啓下一波人工智能創新浪潮的關鍵？

甚至可能推動 加密貨幣（Crypto） x 人工智能（AI）敘事的新一輪價格行情？

從聊天機器人到爲行業提供動力的自主系統，AI 代理被寄予厚望，必須實時決策，並依賴於來自多個數據源的動態信息。

然而，一個主要瓶頸仍然存在：人工智能模型缺乏一個標準化方式，去連接外部系統，如數據庫、文件倉庫、或企業工具。

這就是 MCP 的用武之地。

模型上下文協議 (MCP) 作爲一項開放標準，致力於填補這一空白，使 AI 代理能夠動態訪問並交互使用外部數據資源。

MCP 使大型語言模型（LLM）能夠真正以“代理”身份運行，比如部署智能合約，或執行 DeFi 任務——這是一個非常大的突破！

如果你是加密原生用戶，可能早已發現 ChatGPT 在獲取實時加密市場動態或深入分析方面表現不佳——甚至可能連前 100 大幣種的現價都說不準！

MCP 的出現，提供了提升 AI 驅動的 DeFi 的能力，例如：

1. “找到 USDC 的最佳 APY 並分配 1000 美元”，或者；
2. 根據市場波動重新平衡投資組合。

這標志着人工智能系統以更大的獨立性和實用性運行的未來的更廣泛的運動。

這也正是傳統人工智能系統與加密領域那種 “無許可自由交互” 本質上的區別。

2）什麼是模型上下文協議？

模型上下文協議（“MCP”）由 Anthropic 於 2024 年末推出，是一個開源標準，旨在連接 AI 助手

特別是由大型語言模型 (LLM) 提供支持的人工智能代理，連接到存儲豐富的實時數據的外部系統。

你可以將它想象成一個“通用適配器”，允許人工智能代理以安全和標準化的方式接入以下系統：

• 內容存儲庫
• 企業工具
• 開發環境 等等！

爲什麼值得你關注？

與傳統的人工智能集成不同，傳統的人工智能集成通常依賴於分散的、定制的解決方案， MCP 提供了一個統一框架，支持雙向通信。

這意味着，AI 代理不僅可以從外部系統中“拉取”數據，還能“推送”更新或觸發操作，從而具備更強的動態性與自主能力。

您可以讓代理完全自主地更新業務系統或管理您的個人事務！

Anthropic 推出 MCP 的初衷，是簡化 AI 的集成流程，使開發者能夠輕鬆構建“代理式工作流”，讓 AI 系統在具備上下文理解能力的前提下自主運行。

3) MCP 如何爲 AI 代理發揮作用

MCP 本質上是一個集成層，允許 AI 代理按需連接外部服務。以下是其運作方式的詳細說明：

a) 動態數據訪問：

不再僅依賴預訓練數據，使用 MCP 的 AI 代理可以從關系型數據庫、文件系統或代碼倉庫等來源訪問實時或上下文相關的數據。

是的，那些冷門小衆的加密幣價格也能實時抓取了！連 @0rxbt 都在用 MCP 玩我們最愛的“紫蛙”——也就是 SkyNet，也叫 @aixbt_agent。

b) 雙向通信：

MCP 支持雙向交互，這意味着 AI 代理既可以檢索數據，又可以根據分析採取行動，例如更新數據庫或觸發工作流程。

c) 標準化框架：

MCP 提供了一個通用協議，避免了繁瑣的定制集成工作。它簡化了開發流程，也讓跨應用系統之間的交互保持一致。

也許這正是解決不同區塊鏈和編程語言之間碎片化問題的鑰匙！難道未來 AI 代理會成爲各類系統的聚合層？

4) 代理的未來：爲什麼 MCP 很重要

人工智能代理不再只是反應性系統；他們正在成爲積極主動、目標導向、能夠自主決策的實體。

然而，要讓人工智能代理真正“有用”，它們必須打破僅依賴訓練數據的限制，能夠靈活地與現實世界交互。

這就是 MCP 發揮作用的地方。

Anthropic 自己的文檔是 MCP 實際應用的一個很好的例子：

想象一下，一個人工智能代理被賦予“管理軟件開發流程”的任務。

借助 MCP，這個代理可以：

• 從代碼倉庫拉取最新代碼；
• 分析它是否存在漏洞，並且
• 然後將生成的報告推送回團隊的項目管理工具——這一切，都可以自動完成、實時發生。

（致謝 @alexalbert__）下方演示展示了 Anthropic 的 Claude 如何通過 MCP 連接 GitHub，創建新的代碼庫並提交 Pull Request：

MCP 賦予 AI 代理“適應變化場景”的能力——通過實時獲取數據，代理能夠更加智能、靈活、響應性更強。

此外，它還能集成和通信的系統包括 GitHub、Web API、Slack、電子郵件等等。

這也正回應了 @davidsacks 關於“什麼樣的代理會贏得未來”的討論：

也許，真正的“制勝法寶”不是哪個代理本身，而是連接代理與現實世界的底層基礎設施！

借助標準化協議，開發者能夠更快速構建代理式工作流，無需爲每個集成場景“重復造輪子”。

所謂“代理驅動的未來”，就是指那些能自主執行復雜任務的 AI 系統：

• 自動化業務流程、
• 管理供應鏈，
• 甚至參與科學研究工作。

而 MCP 就是讓這一願景成爲現實的關鍵一環——爲 AI 代理提供與真實世界交互的基礎架構。

5) 其他類似 MCP 的項目

Anthropic 並不是唯一一家認識到標準化人工智能集成協議需求的公司。

越來越多的大型協議與企業，最近也開始推出或採用類似 MCP 的框架，來支持代理式 AI 的未來：

i) Perplexity MCP：

ii) OpenAI Agents SDK MCP：

最近（事實上是昨天）OpenAI 在其 Agents SDK 中發布了自己的 MCP 插件：

iii) Stripe MCP 集成：

…還有更多 MCP 服務器正在開發中，以使 AI 通信更加無縫：

與 Anthropic 不同的首席執行官們也承認其對於推動 AI Agent 未來發展的重要性：

這些舉措凸顯了一個不斷增長的趨勢：人們認識到代理人工智能需要標準化、可擴展的數據集成解決方案。

雖然 MCP 由於其開源性質和廣泛的適用性而仍然處於領先地位，但 xAI、Google 和 Meta 等主要參與者的參與凸顯了該領域的重要性。

6) 與傳統人工智能集成的主要區別

與傳統的人工智能集成相比，爲什麼 MCP（及其同行）脫穎而出？

傳統集成通常涉及自定義 API 或中間件，導致解決方案分散且難以擴展。

MCP 提供通用標準，降低復雜性並確保一致性。 正如下圖所示（譯注：原文提及對比圖）

開源協作：MCP 的開源性質促進了整個行業的協作，這與中心化人工智能公司的孤立方法形成鮮明對比。

這是加密貨幣的一個主要價值主張。

這是一個快速比較：

以下是一些如何在加密貨幣中使用它的高級示例：

例如，我們開始看到 DeFAI 解決方案對 (1) 的推動 來自@danielese 的 @heyanonai @LimitusIntel 或者 @gizatechxyz，並且鏈上分析也可以通過自定義工具來解決，例如 @aixbt_agent

隨着 MCP 在更廣泛的加密和 AI 生態中持續深入集成，未來的創新浪潮才剛剛開始！

7）結論

MCP 標志着我們正邁向一個代理式 AI 時代的關鍵一步——一個由自主系統主導，並能與現實世界無縫交互的未來。

通過提供用於將 AI 代理連接到外部數據源的標準化框架，MCP 解決了 AI 開發中的關鍵瓶頸，從而實現更加智能、適應性強和可擴展的解決方案。

更廣泛的行業對類似 MCP 的協議的接受標志着集體推動這一代理願景。

然而，挑戰依然存在。

MCP 及其同行的成功將取決於廣泛採用、協議之間的互操作性以及跟上快速發展的人工智能領域步伐的能力。

隨着我們走向人工智能代理在我們的生活中發揮越來越核心作用的未來，像 MCP 這樣的框架將成爲連接人工智能和現實世界應用程序的橋梁。

無論 MCP 成爲事實上的標準還是僅僅是進一步創新的催化劑，它都已經引發了關於代理人工智能和代理加密產品所需基礎設施的重要對話。

聲明：

1. 本文轉載自 [s4mmy]，原文標題《模型上下文協議 (MCP)：下一個加密 AI 催化劑》，所有版權歸原作者所有 [s4mmy]。若對本次轉載有異議，請聯系 Gate Learn 團隊，他們會及時處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. Gate Learn 團隊將文章翻譯成其他語言。除非另有說明，否則禁止復制、分發或抄襲翻譯文章。