模型上下文协议(MCP)作为连接AI应用与各种数据源和工具的协议,被誉为"AI界的USB-C",在智能体社区备受关注。尽管存在功能缺陷和企业就绪度不足的问题,MCP似乎正朝着成为官方标准的方向发展。
然而,在以AI速度发展的行业中,这并非板上钉钉。即便在智能体社区内部,对于MCP是否会成为智能体集成通用标准的看法也存在分歧。
对话商务平台Cozmo AI的联合创始人兼首席技术官Nuha Hashem表示:"MCP旨在规范智能体如何获取数据,但我们的部署经验显示,受监管的企业已经遵循了不同的模式。"
令人讽刺的是,一个旨在终结碎片化的协议却因为企业AI本身的碎片化而遭遇阻碍。
当然,对一些人来说,MCP至关重要。
制造业IT咨询公司MCA Connect的技术创新总监Dag Calafell III说:"MCP是智能体的用户界面。未来要求ChatGPT预订优步并在到达酒店时准备好披萨,只有在我们具备连接性的情况下才能实现。"
但是,尽管无缝连接可能是消费应用的圣杯,批评者认为对企业来说这是无关紧要的,甚至是危险的。
英国学校IT支持提供商Classroom365的总监Mark Friend表示:"对我而言,围绕通用公共爬取协议的整个讨论正迅速变得无关紧要。AI智能体在专业活动中需要的真正高价值信息,并不会暴露在公共互联网上。"
Friend说,在教育领域,重要的数据不在面向公众的网站上。
"这些数据被锁定在学校的管理信息系统中,该系统保存着所有学生、员工和保护数据。没有校长会允许AI智能体爬取该数据库,他们会要求AI通过安全的第三方API提供商进行身份验证,"Friend补充道。
这种"锁门"现实将争论拉回到Hashem上述观点:受监管公司正在走自己的路,MCP和其他协议并不是他们路径的一部分。在这些企业中,访问权限不是关于通用插件,而是关于满足内部治理。
"主要问题不是缺少协议,问题是每个请求都需要匹配公司内部定义的规则,"Hashem解释说。
"在银行和保险业,我们在生产中看到了这一点。智能体只能通过将步骤与公司已审查和批准的政策联系起来的路径来获取数据。这种方法保持行为的可见性,并保持决策与上下文的关联,"她说。
即便如此,仍有许多公司没有受到如此严格的监管,以及数百万希望智能体能够检索相关数据和工具的个人用户,无论它们位于互联网上还是其他地方。对他们来说,MCP似乎是完美的选择。
但如果不是这样,他们也不会特别抗拒使用竞争对手的替代方案。那么这让MCP处于什么位置呢?
竞争协议和方法变化
值得注意的是,MCP得到了包括谷歌、OpenAI、微软及其创建者Anthropic在内的知名公司的大力支持。事实上,Calafell认为,虽然存在竞争对手,但"MCP正在获胜",正是因为它在大型软件提供商中获得了显著采用。
尽管如此,MCP显然存在重大问题——主要是因为它还处于起步阶段。MCP快速演进的规范、不均衡的工具、不明确的安全和治理控制,以及缺乏标准化的内存、调试和编排功能,使其目前更适合实验而非可靠的企业使用。
这当然为竞争协议留下了机会。
NetMind.AI的产品负责人Xiangpeng Wan说:"我认为有两个MCP的有效替代品。一个叫通用工具调用协议(UTCP),它允许直接API调用,无服务器开销,低延迟,并利用现有的工具安全功能。另一个叫智能体对智能体协议(A2A),它专注于智能体协作而不是工具访问,并得到了谷歌和微软的大力支持。"
Wan表示,UTCP替代MCP的几率不错,A2A的几率最大,而函数调用(AI访问和执行外部工具或API的能力)的机会最小。不过,他补充说,他不认为单一协议会很快占主导地位。
"在不久的将来,我们最可能看到的是MCP、UTCP、A2A、函数调用和托管解决方案的组合生态系统,"Wan说。
其他人认为这个观点没有意义,因为MCP可能会随着时间的推移而改进。
应用安全和代码安全公司Backslash Security的联合创始人兼首席技术官Yossi Pik说:"MCP最初是由一个AI供应商Anthropic创建的协议,生态系统的其余部分必须快速调整。"他补充说,在这种快速推出的情况下,第一个版本需要时间成熟是很自然的,如果MCP没有被完全采用,"这只是意味着社区将尝试迭代出更强大的东西。"
还有可能MCP会激发其他发展。
合规安全公司Legit Security的联合创始人兼首席技术官Liav Caspi说:"有空间创新一个安全优先的'MCP-like'标准,它是资源感知的,具有可信目录、权限、范围等。这些要么建立在MCP之上,某种MCP v2,要么作为新协议的一部分引入。"
当然,仍然存在一个不断演进的趋势,即AI行业将采取完全不同的方向。
"MCP的替代方案不是另一个开放的网络标准;而是经过身份验证的、付费使用的私有API经济,"Friend说。如果MCP不被接受为标准,坦率地说,谁在乎呢?
"不会有另一个开放协议取代它的位置。它将被成千上万个私有的、经过身份验证的、供应商特定的API所取代,"他说。
这反过来将不可避免地导致供应商锁定——这种情况确实已经潜伏在阴影中,因为模型构建者寻求获得并确保市场份额。但这是另一天的另一个故事。
目前,预计MCP将保持相关性——尽管不是终极答案——对许多AI应用检索所需数据和工具来说。
Q&A
Q1:模型上下文协议MCP是什么?它的作用是什么?
A:MCP是一种让AI应用连接到各种数据源和工具的协议,被称为"AI界的USB-C"。它旨在规范智能体如何获取数据,为AI应用提供标准化的连接方式。
Q2:为什么企业对MCP协议持保留态度?
A:受监管的企业已经有自己的数据访问模式,特别是银行、保险、教育等行业。他们的高价值数据通常锁定在内部系统中,需要通过安全的第三方API进行身份验证,而不是开放的公共爬取协议。
Q3:MCP协议面临哪些竞争对手?
A:主要竞争对手包括通用工具调用协议(UTCP)和智能体对智能体协议(A2A)。UTCP允许直接API调用且低延迟,A2A专注于智能体协作并得到谷歌和微软支持。未来可能是多种协议共存的生态系统。
好文章,需要你的鼓励
Waymo近日发布软件更新,对旗下约4000辆自动驾驶车队实施召回,以帮助车辆规避积水道路。美国国家公路交通安全管理局(NHTSA)指出,此前Waymo机器人出租车在遭遇无法通行的积水路段时,仅减速而未完全停车。此次召回涵盖第五代和第六代自动驾驶系统车辆,共计3791辆。Waymo表示正在完善软件防护措施,并已限制车辆在极端天气及易发洪涝区域的运营。
南京大学提出Light-Omni框架,通过全局状态与潜在状态双机制,让AI视频助理无需反复推理即可实现精准记忆检索,速度提升逾12倍,准确率同步提高。
路面坑洞每年给城市造成数百万美元损失。车队管理公司Samsara推出名为"Ground Intelligence"的AI解决方案,通过已安装在数百万辆商用卡车上的摄像头,自动识别并追踪坑洞的位置与劣化程度。该系统以仪表盘形式呈现,可主动向城市管理者推送预警信息,将被动响应转变为主动规划。目前,芝加哥已成为其新客户。未来还将扩展至涂鸦、损坏护栏等城市基础设施监测。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。