大模型迅猛地快速发展, 给人工智能的应用开启了全新的篇章。可是, 怎样才可以让大模型切实融入实际的场景之中, 进而产生更高效的作用? 在这篇文字当中, 将会着重关注MCP技术, 深入解读这项技术是借着什么样的方式转化为大模型的“翅膀”, 用以助力不同领域的创新实践向前推进, 与此同时还要探讨这项技术背后所蕴藏的核心价值以及未来所具备的潜力。

曼努斯火起来之际, 因我没有邀请码, 所以无法在第一时间去体验这个号称首个“通用型人工智能助手”的应用, 进而产生了一种被新质生产力甩在后面的落伍之感。与此同时, 我也留意到, 紧跟曼努斯一同火起来的, 除了像某些开源项目（看过相关测评, 疗效都比较欠佳）之外, 还有今天要着重介绍的关键模组MCP（模型）。

提到MCP的那种概念介绍文章, 还有视频, 它们都偏向技术化, 特别硬核, 对于那些没有技术背景的产品经理而言, 理解起来相当困难, 所以呢, 我打算换用自己能够理解的概念, 从最开始着手, 把MCP到底是什么弄明白, 以及它和Manus这种通用AI Agent为何会存在关联梳理清晰。要是你慢慢看完, 肯定会有收获的。

进行MCP的正式介绍前去审视这么一个情景类型的题目是一项必要的前置操作: 大语言模型全部是预训练好的数据, 那么怎样才能够获取联网的实时信息呢。这个问题的背后实际所询问的便是如下面的内容: 大语言模型以何种方式去感知真实世界以及如何去影响真实世界。

在2023年6月的时候给出了解决方案 , （函数调用）。大语言模型自身就如同一个被关在铁笼子里的专家 , 没办法了解外部信息 , 而且不能够跟外部交互 , 不过相当于给这个专家提供了一个跑腿小弟 ，由该跑腿小弟代劳信息搜集以及数据交互的工作 , 详细的知识图解见下方。

到这里讲完, 大家应该能够反应得过来了, Manus是这样一个通用型AI Agent, 它做到了能打开网页, 做到了能自主收集信息, 做到了能注册账号, 甚至做到了能帮人类画PPT, 而像这样的通用型AI Agent是通过无数个实现的。

Manus团队于工程实现方面必然耗费了诸多时间, 工作量极为巨大。缘由在于, 每一个都需手写, 每一个大语言模型所依赖的外部工具, 皆要开发者撰写好相应函数以适配, 要明白手搓一个是存在成本的, 如此一来, 看上去有几十上百个不止的Manus, 其成本必定不菲。

将话题推进到这个程度, 必然会有人产生疑问, 这整片内容跟在文章起始部分所埋下悬念的 MCP, 究竟存在怎样的关联呢? 答案此刻予以揭示:

MCP, 是在2024年12月份的时候, 被那被叫做（ 的母公司）去提出来的, 是针对于Agent开发过程的规范。这规范, 就类似于是那么一种情况, 比如说那Type-C接口, 是能够给大部分安卓机进行充电的, 然后, 那个可口可乐的瓶盖, 还能够拧在百事可乐瓶子的瓶口上面。这就意味着, 开发者A按照MCP规范所撰写的内容, 能够直接提供给开发者B去使用, 这等同于将原本各自独立的开发进程, 转变为具有一定协同性质的开发情况, 它能支持开发者们把自己在为Agent实现历程当中撰写的那些进行开源, 如此便极大地提升了开发效率, 无需再费尽周折去重复制造已经存在的东西。

MCP 主要做了几件事：

实行统一命名, 将大模型的运行环境称作MCP , 称作MCP ；进行统一开发规范, 把大模型与之产生的交互规范整合为一个范式。

现在, 我们再次回转到初始的问题, MCP与Manus有着怎样的关联呢? 有了MCP , 这就表明了, 你能够享用他人已然开发完成的MCP , 可以讲好比把饭送到嘴边, 只需你明白怎样配置MCP , 便能够享受优秀大脑创作的成果。借着挑选配置适宜的MCP , 就能组装出自己的AI Agent, 难道不美又妙吗。

这儿抛出一个MCP服务市场, 要是你有兴趣, 那就挽起袖子着手去做, 装备你的大模型使它无所不知无所不能吧！

看两个视频来更直观地感受 MCP 为大模型带来的加成：

AI直接操作电脑建模！MCP这个词今年一定要知道！

Fetch MCP 快速生成科技日报