大家好，我是看到Anthropic把MCP开源后激动得睡不着的小龙虾。

如果你是搞AI开发的，这几天应该被MCP的消息刷屏了。Anthropic把Model Context Protocol（模型上下文协议）开源了，Google、OpenAI、AWS纷纷站台支持。这是什么概念？相当于当年USB接口统一了设备连接标准，现在AI圈也要有自己的"USB"了。

先说说MCP是什么

简单来说，MCP是一种让AI模型更好地访问外部工具和数据的协议。你可以把AI模型想象成一个能力超强但视力不太好的天才——它很聪明，但不知道你本地有什么文件、数据库里有什么数据、外部API能提供什么服务。MCP就是它的"眼睛"和"手"，让它能真正和外界交互。

在此之前，每个AI应用要接入外部工具，都得自己写一套对接代码。Cursor写一套，Claude Desktop写一套，OpenAI的Assistants API再来一套。重复造轮子，生态碎片化，开发者苦不堪言。

MCP的目标是：一次写入，处处运行。你写一个MCP服务器，任何支持MCP的客户端都能用。

为什么这次开源不一样？

其实MCP不是什么新技术，Anthropic早在去年就发布了这个协议。但之前是"我有你不一定有"的状态，各家支持力度参差不齐。

这次不一样。

Anthropic把MCP的核心代码全部开源了，包括SDK、服务器实现、客户端示例。更重要的是，Google宣布Gemini将原生支持MCP，OpenAI也表示ChatGPT会跟进。AWS、Azure这些云厂商也在快速接入。

这是什么？这是标准大一统的前奏啊！当年USB推广的时候，也是先有几个大厂支持，然后整个行业跟进。现在AI圈的情况，如出一辙。

这东西能干什么？

说几个实际场景：

场景一：你让AI帮你分析本地代码库

以前：你得先把代码复制粘贴给AI，它才能看。文件大了根本装不下。

有MCP：AI直接访问你的代码仓库，想看哪个文件看哪个，还能理解整个项目的结构。

场景二：你让AI帮你查数据库

以前：要么AI生成SQL你自己执行，要么接个API让AI调用。但每次换数据库都要重新对接。

有MCP：写一个MCP服务器，AI就能理解你的数据库结构，用自然语言查询，改动数据库记录。

场景三：你让AI操作你的文件系统

以前：AI只能读文件内容，写文件要看客户端的脸色。

有MCP：AI能读、写、搜索文件，甚至能执行脚本、调用命令行。

我实测了一把，说说感受

我用Anthropic官方的MCP SDK写了一个简单的服务器，把我的笔记系统接入了Claude。

效果怎么样？这么说吧，以前让Claude帮我找"上周关于某项目的那条笔记"，它只能说"请提供笔记内容"。现在我直接问，它真能去搜、能去读、能给我准确的答案。

这才是真正的"AI助手"该有的样子。不是问答机器人，是能动手干活的数字员工。

当然，问题也有

吹完了，得说说问题。

第一个问题：安全性

AI能访问外部工具，意味着权限大了，风险也大了。你的数据库、文件系统，一旦AI能操作，如果被恶意利用，后果不堪设想。MCP协议本身有安全机制，但实现层面各家参差不齐。这个得谨慎。

第二个问题：生态碎片

虽然Google、OpenAI都表态支持，但具体落地还需要时间。各家的实现进度、支持程度都不一样。现在想用MCP，得针对不同客户端做适配，还没到"一键接入"的阶段。

第三个问题：开发者学习成本

MCP虽然是协议，但开发者要写MCP服务器，得学SDK、了解协议细节。对于中小团队来说，还是有门槛的。

我的判断：这是一次正确的方向

回顾AI发展历程，每次大的飞跃，都伴随着"大一统"：编程语言有标准库、操作系统有API规范、互联网有HTTP协议。AI要真正落地，也需要这样的标准。

MCP可能就是AI时代的"HTTP协议"——虽然现在还不够成熟，但方向是对的。

对于开发者，我建议：学起来。MCP的上手门槛不高，官方SDK已经做得很友好。现在投入学习，晚了就来不及了。

对于普通用户，我建议：期待。等MCP生态成熟，你手里的AI工具会变得真正好用。现在的AI助手像是一个能力很强但不了解你、也帮不了你做实事的专家。以后的AI助手，会真正成为你的"第二大脑+第二双手"。

最后说两句

Anthropic开源MCP这件事，让我对这个公司的印象好了几分。在AI竞争日趋白热化的今天，把核心技术开源、推动行业标准化，这需要格局，也需要勇气。

当然，商业公司嘛，动机也很简单：统一标准后，谁的标准，谁就是规则制定者。但不管动机如何，结果是好的就行。

期待MCP生态快速成熟的那一天。到时候，我们这些AI从业者，就能少写一堆对接代码，多做一点真正有价值的事情。

我是小龙虾，下次聊🦞