如果要选一个过去两年对工程团队影响最大的 AI 标准，模型上下文协议（MCP）应该排在前面。它做的事情不复杂：把「AI 应用怎么连接工具和数据」这件事标准化，用 JSON-RPC 在 host、client、server 之间通信，server 可以暴露工具、资源和提示模板。 这个思路借鉴了语言服务器协议（LSP）——当年 LSP 把「每个编辑器 × 每门语言」各写一套集成，变成两边各实现一次接口。MCP 想把同样的逻辑搬到 AI 应用上。 ## 一、它确实赢了 时间线很清晰：MCP 由 Anthropic 在 2024 年 11 月推出；2025 年 12 月，Anthropic 把它捐给了新成立的 Agentic AI Foundation——Linux 基金会旗下的一个定向基金，由 Anthropic、Block、OpenAI 共同发起，Google、微软、AWS、Cloudflare、Bloomberg 等提供支持。半年之前，Google 也把自己的 A2A 协议交给了同一基金会体系。 中性治理消除了竞争对手「不敢用别人家协议」的最大顾虑。结果是跨厂商落地：ChatGPT、Claude、Cursor、Gemini、Microsoft Copilot、VS Code 都提供了一等公民级别的客户端支持。 规模数据各方口径不一——2025 年 12 月的官方公告提到 SDK 月下载超过 9700 万次、活跃服务器超过 1 万个；到 2026 年中，不同来源给出的数字从「近 1.9 万个公开服务器」到「SDK 月下载数亿次」都有。**下载量级的分歧不影响结论：跨厂商的独立实现，比任何单一计数都更能说明它已经成了基础设施。** ## 二、2026 年 7 月那次修订改了什么 现行规范版本日期是 2026 年 7 月 28 日，是自项目启动以来第五个带日期的修订版。最重要的变化是：**核心协议转向无状态**。 之前的版本需要初始化握手和会话标识，服务端要做会话亲和，横向扩展既贵又麻烦。新版本里每个请求都在元数据字段里带上协议版本、客户端身份和能力声明，请求可以落到负载均衡后面的任意实例上——意味着 MCP server 可以跑在 Serverless 和边缘运行时上。 配套还有两个新的 HTTP 头 `Mcp-Method` 和 `Mcp-Name`，让网关不解析 JSON body 就能做路由、限流和策略判断。授权侧也收紧了：要求 OAuth 2.1 + PKCE，拒绝为其他 audience 签发的 token，且不得向下游转发。 规范还诚实地说明了元数据**不能**证明什么：工具可以带行为注解，声明自己是 read-only、destructive、idempotent 或 open-world，但工具规范要求客户端把这些注解当作不可信输入，除非来自可信 server。自我描述只能给策略提供词汇，不能替代策略。 ## 三、麻烦藏在标准里面 MCP 统一的是接口的**形状**，不是形状底下的实现。于是： - **传输方式分裂**：有的 server 走 stdio，有的走 HTTP + SSE； - **认证方式分裂**：规范之外各家自己实现，接十个 server 就要管十套凭据； - **权限模型分裂**：这是最尖锐的一条。一个按「严格客户端」假设写的 server，被一个权限假设更宽松的客户端调用时，可能做出不安全的行为。 实际后果是，「写一次到处能跑」退化成「写一次，然后对你真正要支持的每个客户端各测一遍」。有分析引用的一项统计称，只有约 41% 的组织把 MCP server 成功跑进了生产——远低于下载量所暗示的采用率。**「下载了 SDK」和「安全地跑在生产」之间的落差，才是碎片化真正收费的地方。** ## 四、上面还有一层 MCP 管的是智能体与工具之间的边界。再往上一层，是智能体与智能体之间：Google 的 A2A 协议在 2026 年 4 月发布 v1.0，核心对象是经过签名的 Agent Card，用来声明身份、能力和端点，已有 150 多个组织支持；IBM 的 Agent Communication Protocol 近期也并入了 A2A。再往上是各种 Agent Development Kit 负责编排。 此外，OpenAI 的 AGENTS.md 约定（给编码智能体的仓库级指令）也作为创始项目加入了同一个基金会；OpenTelemetry 的 GenAI 语义约定则在定义模型与工具调用的 trace 词汇，但尚未稳定。连接、协作、指令、遥测，四层都在长接口。 ## 五、工程上该怎么对待它 对团队来说，最实际的结论是三句： 1. **把 MCP server 当资产管**，像库和服务一样有 owner、有版本、有测试、有升级策略。模型和 host 会换，接口契约、schema、授权接线可以留下来。 2. **别拿下载数做决策**。该看的是：你要支持的客户端列表上，传输与认证是否都能通；基金会是否推出了合规性测试套件；权限模型在更宽松的客户端下会退化成什么样。 3. **把它当成集中的安全边界**。自制集成往往根本没人审；共享协议至少给出一个大家都认得出的缝，可以在上面统一定义身份、权限、数据流和审计。 ## 小结 MCP 解决的问题——给 AI 工具一个通用的发现与调用层——它解决得比大多数标准都快、都彻底。没解决完的部分，恰恰是最难的部分：让「普及」真正等于「可互换」。 --- **说明**：本文为公开资料的整理与评述，信息来源包括 O'Reilly Radar、MCP 官方规范与公告、Linux 基金会 / Agentic AI Foundation 公开材料及多家行业分析文章，数据以各官方原文为准。本文由 AI 辅助整理，不构成技术选型或投资建议。