MCP协议：从AI界宠儿到无人问津，问题出在哪？

去年11月25日，人工智能领域的领先企业Anthropic发文纪念其推出的模型上下文协议（MCP）问世一周年。但时至今日，业界对此反应平淡，几乎无人关注，社交媒体上的讨论热度也接近于无。

颇具讽刺意味的是，在今年年初，MCP曾是AI领域的焦点话题，众多从业者欢呼其为"连接万物的桥梁"、"AI的专属USB接口"以及"智能体时代的基础设施"。然而仅过了半年，MCP便从众人追捧的"宠儿"迅速沦为无人问津的"弃儿"。

那么，MCP为何曾被捧上神坛，又为何快速跌落？实际上，它的走红本身就带有偶然性，是技术炒作周期中"期望膨胀期"的典型现象。而且，MCP并非一发布就火爆，其走红轨迹与ChatGPT、DeepSeek等产品大相径庭。

Anthropic于2024年底发布MCP，但直到今年春季才引发广泛关注。按照当前AI的热度，如果一款产品真正具备"爆点"，通常会在数天或数周内风靡全球，例如谷歌的Nano Bonana。而MCP之所以在春季成为头条，更像是Anthropic、谷歌、微软等巨头共同推动的结果，属于"预先制造的爆款"。

MCP旨在解决各厂商AI产品互不兼容、各自为政的乱象，这种局面使得AI模型与外部工具的交互变得复杂且不稳定。当时，基于不同模型的智能体若想发挥作用，必须为每种功能编写专属API，而不同智能体所使用的"语言"也千差万别。

为此，Anthropic推出了模型上下文协议，希望通过标准化的接口实现大语言模型与外部数据源及工具的无缝对接。MCP犹如AI领域的USB-C接口，借助能力协商、发现、订阅/通知等机制，让模型了解可用的工具和数据资源，并掌握其使用方法。

MCP直接在AI与数据、工具之间搭建了沟通的桥梁，通过服务器和客户端即可实现AI领域的"万物互联"。回顾互联网的发展，正是建立在开放互联的基础之上，因此MCP的路径与TCP/IP、HTTP、USB等标准化协议如出一辙。

显而易见，MCP是专为智能体设计的协议，它为智能体提供了施展"真功夫"的机会，这也是MCP年初走红的原因。某种意义上，"2025年是智能体之年"的说法在前，MCP登上舞台在后，而推动MCP则是各大AI厂商心照不宣的共识。

2024年最后一天，OpenAI CEO山姆·奥特曼透露了2025年计划发布的技术与产品，其中AGI位列首位，智能体紧随其后，而让ChatGPT具备自主执行任务的能力将是明年的重中之重。

倘若没有MCP，开发者要使智能体发挥作用，需要投入大量时间和精力。而MCP为智能体提供了统一的工具调用规范，使开发者免于繁琐的适配工作。短短三个月内，数千个工具主动接入MCP，加上OpenAI、AWS、HuggingFace等巨头的力挺，MCP似乎前景一片光明。

然而，将MCP视为"万能钥匙"的开发者很快发现，现实与预期相去甚远。MCP缺乏上下文传播跟踪，导致开发者无法了解AI决策过程中具体调用了哪些工具。同时，它也没有截止时间传播机制，一旦某个被调用工具出现问题，智能体便会陷入停滞。

MCP在工程落地方面也面临挑战，尤其是在云端部署环节。对企业用户来说，为应对高并发调用，MCP服务常需扩展至多服务器架构，其双连接模型因此带来了跨机器寻址的复杂性。当长连接建立在一台服务器上，而请求被路由至另一台时，需要引入额外的广播队列机制协调分散的连接，这大幅提升了实施难度与维护成本。

此外，MCP的使用成本也不低。智能体调用外部工具时，需要先将信息收集并回传至基座模型进行决策，这意味着所有工具定义、调用请求及返回结果都必须经过模型的上下文窗口。随着MCP调用数量的增加，模型需处理的上下文容量呈指数级增长。

简言之，开发者发现MCP虽能使智能体灵活调用各类工具，但调用越多，消耗的Tokens也越多。若要降低消耗，就必须采用高度规范的流程调用特定工具，但这又牺牲了MCP的灵活性与通用性优势。

事实上，上述问题尚属次要，MCP的真正硬伤在于，随着调用工具数量增加，智能体产生幻觉的概率也随之上升。因为工具越多，模型的注意力越分散，容易导致错误决策。毕竟智能体不同于聊天机器人，它需要执行实际任务，而高幻觉率使其变得形同"鸡肋"。

当开发者意识到MCP除了通用性外别无长处，其诸多缺陷便令大家纷纷望而却步。