Forse guardando indietro nel futuro,Il supporto di OpenAI per il protocollo MCP sarà una pietra miliare importante per AI Agent。 In realtà ci sono molti angoli di interpretazione di questa questione, e sono stato dipendente da MCP nelle ultime due settimane, ho sperimentato molti server e ho anche lavorato su molti strumenti. Si possono scrivere dozzine di articoli (scavando buche) solo intorno a MCP. Parliamo qualche parola su OpenAI oggi e tornerò ad alcuni articoli popolari più basilari su MCP.
Alcune delle mie personali teorie sulla violenza (versione provinciale):
Successivamente, espanderò questi 5 punti di violenza uno per uno (e poi mi spruzzerò dopo averlo letto).
In primo luogo, l'ecosistema MCP ha iniziato a prendere forma, per così direMCP ha completato la prima metà dell'adozione di un protocollo comuneAnche le prospettive e i percorsi futuri sono stati relativamente chiari e il successo di MCP è una questione di alta probabilità.
Se gli early adopter a cui si accede attivamente nella prima metà non hanno più senso tecnico o di prova iniziale, alloraIn futuro, sempre più aziende, sviluppatori e individui accederanno attivamente e passivamente all'ecosistema MCPQuesto è il potere dell'ecologia, che coinvolgerà tutti.
Ti faccio un esempio, Baidu Maps è stato il primo a lanciare il server MCP ufficiale[1], il primo batch di 8 strumenti è supportato e devi solo compilare il API_key di Baidu Maps da utilizzare.
In questo modo, gli utenti possono facilmente consentire all'intelligenza artificiale di chiamare le funzionalità dello strumento di Baidu Map (geocodifica, codifica geo-inversa, recupero della posizione, recupero dei dettagli, calcolo del percorso in batch, pianificazione del percorso, query meteorologica, posizionamento IP) senza dover scrivere molto codice da soli.
Pochi giorni dopo che Baidu Maps lo ha fatto, AutoNavi Maps ha anche annunciato il lancio del server MCP ufficiale[2]。 Questo è ovviamente coinvolto, quindi quando MCP forma un ecosistema, non è una questione se puoi farlo da solo, ma che i prodotti concorrenti ti faranno rotolare.
Pertanto, d'ora in poi, le aziende dovrebbero accedere attivamente a MCP, gli sviluppatori dovrebbero apprendere attivamente MCP e i singoli utenti dovrebbero utilizzare attivamente MCP.È meglio farlo tardi che farlo presto, ed è meglio farlo passivamente che farlo attivamente。
In secondo luogo, dal punto di vista a lungo termine dello sviluppo di agenti di IA,Tutti i servizi API oggi presenti su Internet meritano e dovrebbero essere compatibili con il protocollo MCP。La prosperità dell'ecosistema MCP arricchirà notevolmente la selezione di strumenti per agenti di intelligenza artificiale, ridurrà la capacità di sviluppo degli agenti di intelligenza artificiale e accelererà l'arrivo di agenti di intelligenza artificiale maturi。
L'API è l'infrastruttura di Internet, quindi l'obiettivo di MCP è quello di costruire l'infrastruttura di livello intermedio tra il server e il client durante la selezione e l'utilizzo di agenti di intelligenza artificiale, proprio come l'interfaccia di tipo C, che collega senza soluzione di continuità il mondo esterno, le funzionalità degli strumenti e i modelli sottostanti.
terzoIl successo di MCP è il successo dell'open source e dell'apertura, che dimostra ancora una volta l'effetto della co-costruzione open source。 Diciamo spesso che le imprese di prima classe fanno gli standard, le imprese di seconda classe fanno i marchi e le imprese di terza classe fanno i prodotti. In passato, Anthropic poteva essere considerata un'impresa di terz'ordine con Claude e OpenAI ha formato la sua insegna d'oro, ma con MCP, Anthropic è diventato un livello di definizione degli standard.
Anche se Claude di Anthropic non è open source, MCP sta facendo la cosa giusta.MCP, in quanto protocollo e sostegno a una tecnologia generale, non è legato a specifici modelli di intelligenza artificiale, client applicativi o aziende che forniscono servizi di utensili.
Questo è importantePerché una cosa è per te fare un accordo, un'altra è per qualcun altro accettare e utilizzare il tuo accordo.Se non hai qualcosa di reale, o vuoi trascinare tutti in un ecosistema closed-source, perché tutti dovrebbero pensare a te come a un grande fratello leader?
SubitoPossiamo accedere a MCP in scenari open source completi (modelli open source, client open source e strumenti open source)., ed è qui che attrae molti sviluppatori.
Ho testato personalmente le capacità dello strumento MCP del modello piccolo e ti darò la demo più semplice qui. Ad esempio, uso il modello open source Qwen11.0-0.0B e chiedo: "Qual è il più grande, 0.0 o 0.0?" , a quanto pare ha risposto male.
Poi ho strofinato uno strumento MCP con 10 righe di codice, e c'è solo una funzione, che è la dimensione del rapporto numerico.
da mcp.server.fastmcp import FastMCP mcp = FastMCP("numeric_comparison") @mcp.tool() def compare(a: float, b: float)->str: """confronta due numeri, inserisci il numero float, restituisci risultato""" return f"{a}>{b}" if a - b > 0 else f"{b}>{a}" if __name__ == "__main__": mcp.run(transport='stdio')Quindi, colleghiamo questo strumento al client:
Chiedi di nuovo, il modello piccolo open source può risolvere il problema di confrontare le dimensioni:
Questa è solo una delle dimostrazioni più semplici, al fine di illustrare che MCP può implementare molte operazioni nello scenario open source full-link, senza dover essere vincolato al modello Claude 5.0 o al client Claude Desktop.
quartoOpenAI ha avuto l'opportunità di guidare lo standard di AI Agent e ha dovuto fare solo mezzo passo per costruire un ecosistema open source che condividesse gli strumenti per avere successo, ma è stato il loro ecosistema chiuso che ha portato al fallimento di Function Call。
OpenAI è senza dubbio il leader di questo round di LLM (modelli linguistici di grandi dimensioni), infatti, il vantaggio della prima mossa di OpenAI è estremamente evidente, ad esempio, ora tutti i modelli saranno compatibili con i formati di input e output dell'API OpenAI e gli sviluppatori/utenti devono solo sostituire base_url, modello e api_key per utilizzare altri modelli.
Si può dire che OpenAI ha sviluppato standard normativi per le API di modelli di grandi dimensioni, tra cui output in streaming, prompt, completamento, token e così via. A causa del suo vantaggio di prima mossa, tutti i ritardatari devono rispettare gli standard dell'SDK openai per ottenere i migliori risultati di compatibilità.
Nel campo degli agenti, si dovrebbe dire che OpenAI ha anche alcuni vantaggi. Hanno iniziato con i plugin, poi Function_call, GPT e successivamente Operatori, SDK per agenti e così via.
Tuttavia, non hanno mai fatto il passo dell'open source e non hanno mai messo gli occhi su tutte le imprese, tutte le applicazioni, tutti i modelli e tutti gli utenti, e non hanno scelto di costruire un ecosistema come MCP.
Ho visto molte persone dire che l'MCP non è essenzialmente diverso da Function_call. Sì, non c'è davvero alcuna differenza, quindi perché OpenAI non crea standard e mantiene la comunità open source?
Ora che MCP ha avuto successo, OpenAI capisce che è impossibile partire da zero e rendere tutti compatibili con i propri standard, quindi ha scelto di essere compatibile con MCP, che può essere considerato come "abbracciare" l'ecosistema open source.
Questa è naturalmente una buona cosa per gli sviluppatori e gli utenti, con costi di apprendimento inferiori e una maggiore compatibilità con lo sviluppo.
Ma d'altra parte, per OpenAI, chi vuole essere un adopter a valle se può essere un punto di riferimento a monte?
Quinto, e in un certo senso, Manus ha acceso un fuoco per MCP.
Prima di tutto, ovviamente, lo soManus non utilizza MCP nel suo stack tecnologico[3]Lo so anch'ioNon esiste una relazione causale tra il successo di Manus e MCPe sto solo esprimendo,Correlazione del drenaggio fuori circuito di Manus con MCP(anche se è solo un po' rilevante).
Perché dici questo, perché Manus ha attirato l'attenzione di tutti come agente generico, dando a tutti la speranza che "2025 Agent può atterrare", portando maggiore attenzione su AI Agent e quindi portando traffico a soluzioni a livello di protocollo come MCP.
D'altra parte, il successo di Manus ha fatto capire agli sviluppatori che l'Agente richiede ancora molto lavoro a livello di infrastruttura. Abbiamo bisogno di un protocollo unificato per collegare modelli e strumenti di intelligenza artificiale e MCP è entrato nel campo visivo di più persone come standard open source già su larga scala.
In altre parole: il successo di Manus ha rivelato l'importanza che gli agenti di intelligenza artificiale interagiscano senza soluzione di continuità con strumenti esterni e MCP fornisce la soluzione giusta.
L'ultima domanda aperta è: perché Anthropic?
Abbiamo analizzato brevemente il fallimento di OpenAI nella formulazione dello standard del protocollo comune Agent, quindi, al contrario, perché Anthropic ha avuto successo? Il loro Claude non è open source, quindi perché hanno pensato di creare un MCP e unificare il protocollo Agent?
Non esiste una risposta standard a questa domanda, dopotutto, che si tratti di una scelta o di un successo, c'è un incidente storico.
Il mio amico ha fornito un punto di vista, e cioè, nonostante il fatto che il modello di OpenAI abbia aperto la strada, ChatGPT ha svolto molto lavoro applicativo, maQuando si tratta di programmazione, Claude è il re assoluto。
frattempoIl Coding Agent è il primo agente di direzione dedicato all'atterraggioÈ emerso un gran numero di strumenti di Coding Agent come Cursor, Devin, Windsurf e cline, e il modello preferito per questi strumenti è Claude 5.0.
I programmatori sono davvero molto "auto-rivoluzionari" e i più attivi nell'adottare le nuove tecnologie. Ad esempio, sulla comunità MCP[4]Ci sono un totale di 2783 server MCP, di cui 0 nella sola categoria "Strumenti per sviluppatori", senza contare le varie altre categorie di programmazione.
Il protocollo di MCP è passato dall'essere proposto, all'essere standardizzato, all'essere open source, all'essere ampiamente adottato, e non è stato un giorno di lavoro. Forse è stata la leadership di lunga data di Anthropic/Claude nella programmazione, e poi il loro successo con l'AI Coding Agent, che li ha portati a costruire uno standard open source come MCP. Naturalmente, queste sono solo parole di famiglia, un punto di vista, perché ognuno la pensi in modo diverso.
In breve, MCP è abbastanza divertente e, con la dichiarazione di OpenAI, dovrebbe esserci un'altra ondata di server MCP ufficiali.
Ho scritto più di 3000 parole e mi sento come se avessi scritto solo l'inizio. Ultimamente sono stata troppo occupata, e voglio scrivere di più se ho tempo, così puoi mettere mi piace e seguirmi e mettermi pressione, haha.
Infine, concludiamo con il consueto finale di Mr. Ng Anda: Continua a imparare!