AllWorkin / Articles / 2026.05.06

a16z深度好文《深入了解 MCP 和 AI 工具的未来》

自从 OpenAI 在 2023 年发布function calling功能以来,我一直在思考如何才能构建一个充满活力的 Agent 和工具使用生态系统。随着基础模型变得越来越智能,Agent 与外部工具、数据和 A…

2026.05.06约 12 分钟#MCP#Agent#Cursor#设计

自从 OpenAI 在 2023 年发布function calling功能以来,我一直在思考如何才能构建一个充满活力的 Agent 和工具使用生态系统。随着基础模型变得越来越智能,Agent 与外部工具、数据和 API 交互的能力却变得日益碎片化:开发者需要为 Agent 运行和集成的每一个系统实现具有特殊业务逻辑的 Agent。

显然,我们需要一个用于执行、数据获取和工具调用的标准接口。API 是互联网的第一个伟大统一者——为软件通信创建了一种共享语言——但 AI 模型缺乏等效物。

模型上下文协议(MCP)于 2024 年 11 月推出,作为一个潜在的解决方案,在开发者和 AI 社区中获得了巨大的关注。在这篇文章中,我们将探讨**MCP 是什么,它如何改变 AI 与工具交互的方式,开发者已经用它构建了什么,以及仍需解决的挑战。**让我们开始吧。

MCP 是什么?

MCP 是一个开放协议,允许系统以一种跨集成通用的方式向 AI 模型提供上下文。 该协议定义了 AI 模型如何调用外部工具、获取数据以及与服务交互。举个具体的例子,下面展示了 Resend MCP 服务器如何与多个 MCP 客户端协同工作。

image

这个想法并不新鲜;MCP 的灵感来自于 LSP(语言服务器协议)。在 LSP 中,当用户在编辑器中输入时,客户端会查询语言服务器以获取自动完成建议或诊断信息。

image

MCP 超越 LSP 的地方在于其以 Agent 为中心的执行模型:LSP 主要是反应式的(响应来自 IDE 基于用户输入的请求),而 MCP 则旨在支持自主的 AI 工作流。基于上下文,AI Agent 可以决定使用哪些工具,按什么顺序使用,以及如何将它们串联起来以完成任务。 MCP 还引入了人在回环(human-in-the-loop)功能,允许人类提供额外数据并批准执行。

image

当今流行的用例

有了合适的 MCP 服务器集合,用户可以将每个 MCP 客户端变成一个“万能应用”。

以 Cursor 为例:虽然 Cursor 是一个代码编辑器,但它也是一个实现良好的 MCP 客户端。最终用户可以使用 Slack MCP 服务器将其变成 Slack 客户端,使用 Resend MCP 服务器将其变成邮件发送器,并使用 Replicate MCP 服务器将其变成图像生成器。利用 MCP 更强大的方式是在一个客户端上安装多个服务器以解锁新的流程:用户可以安装一个服务器从 Cursor 生成前端 UI,同时也可以要求 Agent 使用图像生成 MCP 服务器为网站生成主图。

除了 Cursor,目前大多数用例可以总结为以开发者为中心、本地优先的工作流,或使用 LLM 客户端的全新体验。

1、以开发者为中心的工作流

对于每天与代码打交道的开发者来说,一个普遍的感受是:“我不想离开我的 IDE 去做某件事”。MCP 服务器是实现这个梦想的好方法。

开发者现在可以使用 Postgres MCP 服务器执行只读 SQL 命令,使用 Upstash MCP 服务器直接在 IDE 中创建和管理缓存索引,而无需切换到 Supabase 检查数据库状态。在迭代代码时,开发者还可以利用 Browsertools MCP 让编码 Agent 访问实时环境以获取反馈和进行调试。

image

Cursor Agent 如何使用 Browsertools 获取控制台日志和其他实时数据以更高效地调试的示例

除了与开发者工具交互的工作流之外,MCP 服务器解锁的一个新用途是通过爬取网页或基于文档自动生成 MCP 服务器,从而能够向编码 Agent 添加高度准确的上下文。开发者可以直接从现有文档或 API 生成 MCP 服务器,使工具能够立即被 AI Agent 访问,而无需手动连接集成。这意味着花费在样板代码上的时间更少,而更多时间用于实际使用工具——无论是获取实时上下文、执行命令,还是即时扩展 AI 助手的能力。

2、全新体验

像 Cursor 这样的 IDE 并不是唯一可用的 MCP 客户端,尽管由于 MCP 对技术用户的强大吸引力,它们受到了最多的关注。对于非技术用户,Claude Desktop 是一个极好的切入点,使得由 MCP 驱动的工具对普通大众更易于访问和使用。很快,我们可能会看到专门针对以业务为中心的任务(如客户支持、营销文案撰写、设计和图像编辑)的专业 MCP 客户端出现,因为这些领域与 AI 在模式识别和创意任务方面的优势紧密结合。

MCP 客户端的设计及其支持的具体交互在其能力的塑造中起着至关重要的作用。例如,聊天应用程序不太可能包含矢量渲染画布,就像设计工具不太可能提供在远程机器上执行代码的功能一样。最终,MCP 客户端体验定义了整体的 MCP 用户体验——而在 MCP 客户端体验方面,我们还有很多潜力有待发掘。

这方面的一个例子是 Highlight 如何实现 @ 命令来调用其客户端上的任何 MCP 服务器。其结果是一种新的 UX 模式,其中 MCP 客户端可以将生成的内容传递给任何选择的下游应用程序。

image

Highlight 实现 Notion MCP(插件)的示例

另一个例子是 Blender MCP 服务器用例:现在,几乎不了解 Blender 的业余用户可以使用自然语言来描述他们想要构建的模型。随着社区为 Unity 和 Unreal 引擎等其他工具实现服务器,我们正在实时见证文本到 3D 工作流的实现。

image

使用 Claude Desktop 和 Blender MCP 服务器的示例

虽然我们主要考虑服务器和客户端,但随着协议的发展,MCP 生态系统正在逐渐形成。这张市场地图涵盖了当今最活跃的领域,尽管仍有许多空白。鉴于 MCP 仍处于早期阶段,我们很高兴随着市场的发展和成熟,将更多参与者添加到地图中。(我们将在下一节探讨其中一些未来的可能性。)

image

在 MCP 客户端方面,我们今天看到的大多数高质量客户端都是以编码为中心的。这并不奇怪,因为开发者通常是新技术的早期采用者,但随着协议的成熟,我们预计会看到更多以业务为中心的客户端。

我们看到的大多数 MCP 服务器都是本地优先且专注于单用户场景。这是目前 MCP 只支持基于 SSE 和命令的连接的体现。 然而,我们预计随着生态系统将远程 MCP 视为一等公民以及 MCP 采用可流式 HTTP 传输(Streamable HTTP transport),MCP 服务器的采用将会增加。

还有一股新的 MCP 市场和服务器托管解决方案浪潮正在兴起,以实现 MCP 服务器的发现。像 Mintlify 的 mcpt、Smithery 和** OpenTools **这样的市场正在使开发者更容易发现、共享和贡献新的 MCP 服务器——就像 npm 改变了 JavaScript 的包管理方式,或者 RapidAPI 扩展了 API 发现一样。这一层对于标准化高质量 MCP 服务器的访问至关重要,允许 AI Agent 按需动态选择和集成工具。

随着 MCP 采用的增长,基础设施和工具将在使生态系统更具可扩展性、可靠性和可访问性方面发挥关键作用。像 Mintlify、Stainless 和 Speakeasy 这样的服务器生成工具正在减少创建 MCP 兼容服务的摩擦,而像 Cloudflare 和 Smithery 这样的托管解决方案正在解决部署和扩展挑战。与此同时,像** Toolbase 这样的连接管理平台**正开始简化本地优先的 MCP 密钥管理和代理。

未来的可能性

然而,我们目前仅处于 Agent 原生架构演进的初期阶段。尽管当下人们对 MCP 充满热情,但在构建和应用 MCP 时,仍有许多悬而未决的问题。

协议在下一阶段迭代中需要突破的关键点包括:

1、托管和多租户

MCP 支持 AI Agent 与其工具之间的一对多关系,但多租户架构(如 SaaS 产品)需要支持大量用户同时访问共享的 MCP 服务器。默认提供远程服务器可能是短期内提高 MCP 服务器可访问性的方案,但许多企业也希望自行托管 MCP 服务器,并分离数据与控制层面。

要实现更广泛的采用,下一步需要建立一套简化的工具链,以支持大规模 MCP 服务器的部署和维护。

2、身份验证

目前,MCP 并未定义客户端如何向服务器进行身份验证的标准机制,也没有提供 MCP 服务器在与第三方 API 交互时如何安全管理和委派身份验证的框架。身份验证目前留给了具体的实现和部署场景。实践中,MCP 的采用似乎主要集中在本地集成上,这些场景并不总是需要显式的身份验证。在推动远程 MCP 采用方面,一个更优的身份验证范式可能是关键突破口之一。从开发者角度看,统一的方法应涵盖:

  • 客户端身份验证:为客户端-服务器交互提供标准方法,如 OAuth 或 API 令牌。

  • 工具身份验证:提供辅助函数或包装器,用于与第三方 API 进行身份验证。

  • 多用户身份验证:为企业部署提供支持租户感知的身份验证。

3、授权

即使工具通过了身份验证,谁有权使用它?权限应该有多细致?MCP 缺乏内置的权限模型,访问控制停留在会话层面——这意味着工具要么完全可用,要么完全受限。虽然未来的授权机制可能实现更细粒度的控制,但当前方法依赖于基于 OAuth 2.1 的授权流程,一旦认证通过便授予整个会话的访问权限。随着 Agent 和工具数量的增加,这带来了额外的复杂性——每个 Agent 通常需要自己独立的会话和唯一的授权凭证,导致基于会话的访问管理变得日益复杂。

4、网关

随着 MCP 应用规模的扩大,网关可以充当身份验证、授权、流量管理和工具选择的中心层。类似于 API 网关,它可以强制执行访问控制、将请求路由到正确的 MCP 服务器、处理负载均衡并缓存响应以提高效率。这对于多租户环境尤其重要,因为不同用户和 Agent 需要不同的权限。标准化的网关将简化客户端-服务器交互,提高安全性,并提供更好的可观察性,从而使 MCP 部署更具可扩展性和可管理性。

5、MCP 服务器的可发现性与易用性

目前,查找和设置 MCP 服务器是一个手动过程,开发者需要找到端点或脚本、配置身份验证,并确保服务器与客户端兼容。集成新服务器非常耗时,且 AI Agent 无法动态发现或适应可用的服务器。

不过,根据 Anthropic 上个月在 AI 工程师大会上的演讲,似乎即将推出 MCP 服务器注册表和发现协议。这有望开启 MCP 服务器采用的下一阶段。

6、执行环境

大多数 AI 工作流需要按顺序调用多个工具——但 MCP 缺乏内置的工作流概念来管理这些步骤。要求每个客户端都自行实现可恢复性和重试机制并不理想。尽管我们看到开发者正在探索像 Inngest 这样的解决方案,但将有状态执行提升为协议的一等公民概念,将为大多数开发者厘清执行模型。

7、标准的客户端体验

开发者社区普遍提出的一个问题是,在构建 MCP 客户端时如何考虑工具选择:是每个客户端都需要实现自己的 RAG(检索增强生成)来选择工具,还是存在一个有待标准化的中间层?

除了工具选择,目前也没有统一的调用工具的 UI/UX 模式(从斜杠命令到纯自然语言,各种方式并存)。一个标准的客户端层,负责工具的发现、排序和执行,有助于创造更可预测的开发者和用户体验。

8、调试

MCP 服务器的开发者常常发现,让同一个服务器在不同客户端上稳定运行并非易事。通常,每个 MCP 客户端都有其独特的行为特性,而客户端侧的追踪信息要么缺失,要么难以查找,这使得调试 MCP 服务器异常困难。随着世界开始构建更多远程优先的 MCP 服务器,亟需一套新的工具来简化跨本地和远程环境的开发体验。

AI 工具的启示

MCP 的开发体验让我想起了 2010 年代的 API 开发。范式新颖且令人兴奋,但工具链尚处于早期阶段。如果我们快进几年,如果 MCP 成为 AI 驱动工作流的事实标准,会发生什么?一些预测:

  • 开发者优先公司的竞争优势将会演变,从提供最佳 API 设计扩展到提供最佳的 Agent 工具集合。如果 MCP 能够自主发现工具,API 和 SDK 的提供者需要确保他们的工具易于从搜索中发现,并且足够差异化,以便 Agent 为特定任务选择。这可能比人类开发者寻找的要精细和具体得多。

  • 可能会出现新的定价模型,如果每个应用程序都成为 MCP 客户端,每个 API 都成为 MCP 服务器:Agent 可能会根据速度、成本和相关性的组合更动态地选择工具。这可能导致更市场驱动的工具采用过程,选择性能最佳、最模块化的工具,而不是最广泛采用的工具。

  • 文档将成为 MCP 基础设施的关键部分,因为公司需要以清晰、机器可读的格式(例如 llms.txt)设计工具和 API,并使 MCP 服务器成为基于现有文档的事实上的产物。

  • 仅有 API 已不再足够,但可以作为很好的起点。 开发者会发现从 API 到工具的映射很少是 1:1 的。工具是更高层次的抽象,在任务执行时对 Agent 最有意义——Agent 可能选择 draft_email_and_send()函数,该函数包含多个 API 调用以最小化延迟,而不是简单地调用 send_email()。MCP 服务器设计将以场景和用例为中心,而不是以 API 为中心。

  • 将会有一种新的托管模式,如果每个软件默认都成为 MCP 客户端,因为工作负载特性将不同于传统的网站托管。每个客户端本质上都是多步骤的,并需要执行保证,如可恢复性、重试和长时任务管理。托管提供商还需要跨不同 MCP 服务器进行实时负载均衡,以优化成本、延迟和性能,允许 AI Agent 在任何给定时刻选择最高效的工具。

MCP 已经在重塑 AI Agent 生态系统,但下一波进展将取决于我们如何解决基础性挑战。如果做得好,MCP 可能成为 AI 与工具交互的默认接口,并解锁新一代自主、多模态和深度集成的 AI 体验。如果被广泛采用,MCP 可能代表着工具构建、消费和商业化方式的转变。我们很期待看到市场将它们带向何方。今年将是关键的一年:我们会看到统一的 MCP 市场的崛起吗?身份验证对 AI Agent 来说会变得无缝吗?多步骤执行能否被正式纳入协议?

作者:Yoko Li , Andreessen Horowitz 的合伙人,专注于企业和基础设施。

来源: https://a16z.com/a-deep-dive-into-mcp-and-the-future-of-ai-tooling/

更多关于AI工具、Cursor、MCP相关的教程和资讯请持续关注我后续的分享!

本文完整版详见公众号:未来的回响

文章精校版参见知识星球:AI工具实战派

AI工具实战派

觉得有用?每周的新笔记先发公众号。

每周的实战笔记先发在这里。扫码关注,新文章第一时间推给你。

关注 / 加入社群 →