3 月 27 日，499 社区组织了一场 Twitter Space，探讨 MCP（模型上下文协议）的发展现状、应用场景及未来前景。以下是对话实录整理。

【参与嘉宾】

主持人 Alicia（Eliza ModCN）

Sawyer（APRO Growth Lead）

Frank（Heurist AI 联合创始人，AI16Z 白皮书作者）

Gary（TRAE 开发运营经理）

Leon（HetuDao 核心成员）

【嘉宾自我介绍】

主持人 Alicia：欢迎大家来到今天的 AMA。今天的话题是 MCP 协议，它是一种开放协议，目的是为了让不同系统能够为 AI 模型提供可泛化的上下文信息，实现 AI 模型与外部工具以及数据和服务的标准化交互。用人话说就是，以前 AI 不能做的一些事，比如保存文件等，通过使用这个协议就可以做到了。

Sawyer：我是 APRO 的增长负责人。APRO 在做 AI 数据基础设施，通过 ATTPS 和 AI 预言机提供可靠数据通信的基础设施，确保跨生态之间的防篡改、可验证和实时的代理数据交互。目前我们的主流框架和合作伙伴有 BNB Chain、Solana 等生态。APRO 在构建的 ATTPS 数据协议底层实际上就支持 MCP，所有 AI 都可以通过 ATTPS 自由调用我们提供的数据。

Frank：我们现在做的 MCP 协议是帮助 Web3 用户更好地获取所需信息和功能。我们对 MCP 研究得很早，在去年年底发现了它的非常好用的点。在为 Eliza 贡献代码时，我们发现要接入外部数据、使用外部工具对一般开发者来说不是很容易，所以我们研究了 AI 开发的流程和 AI 内部调用工具的流程。我们做了一套 Managed MCP Server，可以让用户远程访问 MCP，大大增加了 MCP 在远程访问的安全性。同时我们也在接入非常多的 Web3 链上工具，比如可以调研一些热门的 Memecoin。

Gary：目前我正在规模化的自己创业，我们能够帮助开发者和创业者更高效地利用 AI 去自动化完成一系列任务，为开发者带来 2-3 倍以上的开发效率提升。我们的服务对象主要是全球的开发者，特别是来自 Web3 的开发者。4 月 15 号我们也会上线 MCP 功能。我们认为 MCP 是 AI 时代的 API，能帮助各种企业进行智能化转型，期待与更多 Web2 和 Web3 企业合作。

Leon：我是 HetuDao 的成员。HetuDao 是一个推动 DeSci（去中心化科学）发展的组织，由 HETU Protocol 捐赠的 AI4Sci 项目。我们主要在推动的项目叫"ModelDAO"，让开发者和科学家一起共同训练垂直领域的模型。普通的通用大模型可以满足日常生活需求，但对于专业和垂直领域，需要有更加定制化或经过特殊训练的模型。MCP 出现后能够在某种程度上弥补目前通用大模型所不具备的能力，大幅提升它在垂直领域的能力。

【MCP 的核心理念和重要性】

主持人 Alicia：第一个问题，MCP 的核心理念和背景是什么？为什么在当下 AI 生态中显得那么重要？

Sawyer：MCP 是由 Anthropic 在去年推出的一种开放标准，本质上希望做的事情就是把大语言模型和外部数据源之间实现互通性。它主要解决的问题是当前 AI 应用存在的限制，使得很多应用场景难以落地。例如在加密货币领域，AI 目前还不能成为真正的投资助手或交易助手。

有了 MCP 之后，它可以连接开源的价格数据并提供给加密领域的 AI Agent，使这些 AI 应用能安全访问和操作本地环境，为 AI 应用提供连接万物的接口，有点像 USB 接口的作用。

过去 AI 面临数据过时、数据隔离等问题，形成信息孤岛，大规模推动 AI 落地非常困难。现在有了 MCP，通过服务器 - 客户端架构，大家只要遵循 MCP 协议就可以实现万物互联。未来可能每个人都拥有几十个 AI Agent，MCP 可以让这些 Agent 之间具备强大的协作能力，这个价值不可估量。

Frank：我可以从宏观上说一下 Agent 的发展。从大语言模型开始诞生了新一代基于 LLM 的 Agent。第一波是因为大家发现有了 Agent 但需要接入外部数据源，MCP 可以比作 AI 的一次工业革命，因为它能提供大规模的标准化工具，可以服务更多人，降低成本。

MCP 就像 USB 对于 AI Agent，提供了统一化的构建标准，大家构建时不用再考虑这些繁琐的问题，只要接入 MCP，背后就提供了一整套完整的工具使用流程。每家提供 MCP 服务的企业对自己的业务最熟悉，能提供最优化的服务，让 Agent 调用 MCP 时非常高效丝滑。

Gary：MCP 是一种标准，是连接大家的规范，让 AI 更好地协作。就像我们之前在公司内部开发的 MCP 系统，让 Agent 能轻松调用股票系统、搜索引擎、邮箱等各种工具。

可以想象 MCP 好比国际贸易规则：不同国家有不同资源（沙特有石油，中国有资金），MCP 就是大家共同遵守的贸易协议，让资源更好地流动和转化。在 AI 世界，MCP 让信息在 Agent 之间流动更顺畅，使我们更接近 AGI 世界。例如，未来你的 AI 助手可以帮你点外卖、叫车、写邮件，而这背后需要 MCP 提供丰富的上下文，让不同 AI 组件相互交流。

Leon：MCP 代表从粗放式经济到集约式经济的转变。原本大语言模型是通过暴力方式处理互联网上的所有数据，而有了 MCP 后，我们可以更精细地标注和使用数据，只使用真正需要的数据，大幅降低成本并提升效率。

早期 AI 项目如"出门问问"面临的最大问题就是无法掌握用户的各种信息（如日程、偏好等），很难成为真正智能的助手。MCP 的出现正是为了解决这一问题，这是 AI 发展的必然过程。

【MCP 打破数据孤岛的潜力】

主持人 Alicia：第二个问题，您如何看待 MCP 在打破数据孤岛、实现跨平台数据互联和协同工作中的潜力？

Sawyer：MCP 在协同工作中有巨大潜力。未来可能有数十亿甚至更多的 AI 代理进行自主交互，但如果绝大部分 Agent 的决策依赖未经验证或不实时的数据，这些决策很难被信任。目前，用户无法验证 AI 决策的依据和数据来源。

在 Web3 领域，数据孤岛尤为明显，如 DeFi 数据、游戏经济数据以及用户身份行为数据分散在不同链上，难以构建完整画像。APRO 的 ATTPS 和 AI 预言机旨在让不同平台数据"说同一种语言"，实现实时交互，让 AI 代理能同时分析不同类型的数据，最终自动完成决策。

Frank：在 MCP 出现之前，接入数据或工具到 Agent 可能需要半天甚至一天。有了 MCP 后，可以方便地接入任何数据，比如链上数据，实时了解资产情况、持币分布和交易行为。还可以接入新闻 MCP 和社交媒体 MCP，获取更全面的资产信息和情绪分析。

MCP 本身的开放性也让各方可以提供自己的 MCP 服务，我们正在探索商业化可能，如帮助 MCP 提供者实现收益，甚至在 MCP 中植入推广码等。

Leon：关于数据孤岛问题，重点不是 API 提供的数据质量不好，而是缺乏一个能形成广泛共识的解决方案。传统领域有许多 API 聚合器，但最大问题是缺乏被广泛接受的标准。

MCP 的魅力在于它能形成广泛共识，大家认可这是解决问题的正确方向。如果未来大家都适应 MCP 而不是各自建立独特但互不兼容的方案，就能真正打通数据孤岛。

【MCP 面临的技术和管理挑战】

主持人 Alicia：第三个问题，从开发和运营的角度来看，MCP 协议在实际应用中面临哪些技术和管理挑战？有哪些成功案例可供借鉴？

Frank：MCP 目前处于探索阶段，协议刚推出约 3-4 个月，仍有很多可改善之处。主要挑战包括：

客户端支持：目前 Claude 作为 Anthropic 开发的应用支持 MCP，但仅限本地使用。用户需要下载 MCP 服务器，按照教程配置，过程复杂且易出错。

远程访问：互联网服务大规模应用的前提是能在远端服务器上运行，但目前缺乏标准化的安全远程访问方式。我们正尝试让用户通过钱包注册 API，生成专属的远程 MCP 服务器。

MCP 服务管理：随着 MCP 数量增加，管理成为挑战，特别是当不同 MCP 的名称或方法有重叠时，Agent 如何选择合适的工具成为问题。

Gary：技术和管理挑战主要包括：

上下文管理：MCP 允许上下文中的文件操作，需要解决内存管理和数据清理问题。

本地部署要求：目前 MCP 主要在本地运行，对开发者的配置有要求，需确保稳定可靠的服务。

通信性能：作为通信协议，需要在性能和安全性上做提升。

总体而言，MCP 处于早期阶段，存在很多技术创新点和创业机会。

Leon：MCP 面临的主要挑战包括：

数据可用性：需要高吞吐量

数据可信度：确保数据按照可验证的状态提供

去中心化程度：需要具备足够的抗审查性，确保网络安全和鲁棒性

这些挑战与常规基础设施面临的挑战类似，需要一步一步完善。

【MCP 的安全性和隐私保护】

主持人 Alicia：第四个问题，安全性和隐私保护始终是数据交互中的关键议题。请谈谈 MCP 如何在不同系统之间保障数据安全？

Frank：MCP 在安全性和隐私方面有很大改进空间。Anthropic 正计划将授权机制作为标准化改进重点，在客户端和服务器上实现身份认证。

我们目前的尝试是为每个用户生成独有的 MCP 实例，隔离数据和交互。未来可能基于区块链的去中心化特性，实现每个 MCP 对应一个用户，将 MCP 运行在 TEE( 可信执行环境 ) 中。甚至可以采用零知识证明 (ZK) 或其他隐私协议来保护数据安全。

Gary：对于 MCP 服务器，需要明确控制权限，如只读权限、权限控制和有限的能力暴露。目前大部分 MCP 都是本地部署，数据不会离开用户设备，这是安全优势。

随着 AI 之间交互增加，需要开发针对 AI 的认证机制，既满足高并发、多租户场景，又能保证不同端口的安全认证。例如，当 AI 助手帮你在购物网站购物时，如何防止恶意注入，保护个人信息和银行卡信息？Web3 领域可能在这方面有所贡献。

Leon：安全性总是有成本的，安全性越高成本越高。从应用场景角度，可以先在高价值领域实施，如医院间的医疗数据共享，这些数据的互通能给用户带来巨大收益。

可以通过高价值场景让模式闭环运行，然后逐渐降低技术成本。不太看好一开始就有通用且高安全性的方案，即使在加密货币领域，理论上安全的技术如 ZK 也因成本高而使用有限。

【MCP 的实践经验和落地】

主持人 Alicia：第五个问题，嘉宾各自所在的企业在探索或落地 MCP 应用时，都有哪些独到的实践经验和心得？

Frank：我们的探索主要有以下几点：

为每个用户提供远程访问的专属 MCP，与其他用户隔离，允许用户根据需求选择不同 MCP。例如，加密货币玩家可以选择与泵点、DEX 和 Twitter 相关的 MCP。

授权验证系统采用 EVM 钱包，用户需使用 EVM 钱包才能生成自己的 API，通过 API 获取专属 MCP，保障安全和隐私。

为 MCP 创建者提供激励机制，让他们可以在自己的 MCP 中放入钱包地址，实现分成。

将邀请码或分佣机制集成到 MCP 中，如邀请码，调用该 MCP 就能参与分佣。

将 MCP 视为 Agent 协作系统，不仅是调用工具，还可以是专业化、定制化的 Agent，如研究 DEX 或执行特定任务的专家 Agent。

Gary：MCP 在 AI 编程领域有天然的应用优势。很多人使用各种 MCP 提高效率。通过 MCP，编程界面可以直接调用服务器获取最新状态，执行命令，实时了解编程界面的反馈和设计。

除了开发人员为中心的用例，还有业务为中心的用例。例如，可以通过 MCP 使用自然语言创建 3D 渲染，或直接调用研究员建立网页、生成内容等。IDE 不再只是编程工具，而是个人中台，整合各种工具。

另一个有趣的用例是将文档作为 MCP，将企业文档变成上下文标准提供给 AI，替代传统的企业知识库和 RAG 系统，形成更通用的员工开发准则。

Leon：目前在 MCP 实践方面尚未有具体经验，主要是在听取和学习其他嘉宾的分享。

【MCP 的未来发展方向】

主持人 Alicia：第六个问题，面对不断演进的 AI 应用场景，您认为 MCP 协议未来的发展方向和改进空间在哪里？

Frank：MCP 的改进空间很大，主要包括：

远程和云端访问支持：目前 MCP 主要面向熟悉技术的开发者，需要更好的远程和云端支持，让更多用户使用。

MCP 验证和评价机制：由于 MCP 可以由个人构建，可能含有恶意代码或窃取隐私，需要一个平台进行验证、评价和评级，确保 MCP 的质量、可用性、安全性和性能。

上下文管理：随着 MCP 增多，Agent 获取更多数据，但现有 LLM 可能无法处理如此大量的上下文，需要更好的上下文管理系统和复杂工作流支持。

Gary：改进方向包括：

更规范、更大的 MCP 市场：随着 MCP 数量增加，需要一个安全可信的平台让 AI 调用各种 MCP，类似 API 聚合网站。

更好地与 API 兼容：大多数公司仍在使用 API，需要产品帮助企业理解 API 并构建适配的 MCP。

资源管理和调度：当市场上有成千上万个 MCP 彼此交互时，将形成多对多的关系，需要更好的资源管理和调度机制。

Leon：从应用场景角度，期待 MCP 能快速进化到可用状态。目前垂直领域的科研面临私有数据结构化不足、版权问题等挑战，需要具备广泛共识的技术出现。

MCP 如果能解决这些问题，提升应用性能，将是使用者期待的发展方向。目前已有许多行业从业者开始在技术方向上做研究，这是个很好的现象。

【总结】

主持人 Alicia：MCP 技术给人的想象空间很大。按照目前 AI 的发展进程，还有很多领域未被开发，很多应用未完成。希望 MCP 能更快地带领我们到达理想的未来。

本文根据 3 月 27 日 499 社区 Twitter Space 讨论内容整理。