87
0Theo 是 Anthropic 的产品经理，专注于将知识传授给模型。
她在 Anthropic 的工作中涉及 Anthropic API 以及 MCP。
在加入 Anthropic 之前，她大部分职业生涯都在自己的初创公司以及 Stripe 公司打造从无到有的产品。
今天，她代表 Anthropic 首次揭露 MCP 的诞生过程！
00:00 深入解析人工智能领域中的上下文协议（MCP）本次播客深入探讨了人工智能领域日益重要的概念模型——上下文协议（MCP）。
通过比喻，解释了MCP如何使AI模型像人类一样跳出数字世界的限制，获取实时信息并执行任务。
讨论基于anthropic公司产品经理的分享，追溯MCP的诞生背景、发展过程，以及为何谷歌、微软和OpenAI等大厂开始关注并拥抱MCP。
最后，分析了MCP对AI构建者和使用者的意义以及新兴生态系统中隐藏的机会。
02:48 MCP的起源及其核心理念：
让模型爬出盒子MCP的共同创始人David和Justin在去年年中发现了开发者们在使用大语言模型进行代码调试时面临的一个普遍痛点，即需要频繁在不同系统间手动复制粘贴信息，这不仅繁琐且效率低下，还容易出错。
为了解决这一问题，他们萌生了让模型自动完成信息收集和操作执行的想法，即“让模型能够爬出盒子”。
这一核心理念意味着模型不再被动地接收信息，而是能够主动与外部世界交互，包括自行查找日志、翻阅会议纪要、从数据库中提取数据，甚至执行操作如创建bug ticket或发送邮件报告，从而显著提高工作效率和准确性。
06:44 大语言模型的能动性与MCP协议的开放生态对话深入探讨了模型能动性（model agency）的概念及其对大语言模型（LLM）下一阶段发展的关键作用。
能动性使模型不仅能够执行指令，还能自主判断和规划，从而实现更高级的交互和任务执行能力。
通过类比一个能主动管理日程和执行复杂任务的智能管家，突出了能动性带来的价值飞跃。
进一步讨论了实现大规模能动性所需的标准化协议——MCP（Model Communication Protocol），强调了其开源和标准化的重要性。
开源标准化能够打破信息和能力的孤岛，降低协作门槛，促进整个生态系统的快速发展和创新，最终让所有参与者受益。
12:14 MCP产品的市场推广及内部验证在将想法推向市场时，团队首先在内部组建了一支精锐的老虎队，快速将想法原型化。MCP的首个引爆点发生在内部的hack week活动上，工程师们通过试用发现MCP能有效解决日常工作中繁琐的问题，如自动化工作流、自动拉取数据生成周报、自动检查代码部署中的依赖项状态等，从而在内部迅速传播并得到广泛认可。
这种自下而上的热情和采纳为团队带来了极大的信心，并成为MCP价值的重要早期验证。
14:09 MCP协议发布后的常见问题与解答在MCP协议正式发布后，尽管内部对其价值高度认可，外界反应却较为冷淡，充满了困惑和质疑。
这些问题包括对MCP概念的不熟悉、与现有API技术的对比、协议开源的必要性以及MCP与传统工具调用的本质区别。
MCP作为一种专门为模型与外部世界交互设计的标准化协议，旨在提升模型的自主性和与环境的深度交互能力，而非简单地替代现有的API或工具调用。
随着时间的推移和实际应用的增多，开发者逐渐理解和接受了MCP的价值，实践证明了其在模型交互领域的独特优势。
19:54 MCP通过Cursor采纳打破冷遇，引领开发者工具集成热潮MCP在遭遇冷遇后，通过Cursor代码编辑器的采纳实现了关键转折。
Cursor作为核心用户为开发者的工具，通过集成MCP，允许模型在编码过程中实时访问项目文档、内部代码规范和相关技术讨论，显著提高了编码效率和体验。
Cursor的成功案例激发了其他开发者工具，如代码搜索工具Source Craft等，开始支持或集成MCP，证明了MCP在开发者工具集成中的价值和可行性。
22:04 MCP协议在开发者工具领域迈向行业标准MCP在开发者工具领域的影响力逐渐增强，近期谷歌、微软、OpenAI等巨头开始支持MCP，标志着其可能从有潜力的技术向行业标准迈进。
当主要模型提供商和服务平台支持同一协议时，加速了生态系统的整体发展。对于工具开发者而言，遵循MCP标准变得至关重要，因为接入一个标准可被多个模型使用。
技术标准的形成需经过实际应用验证，MCP的最终成功取决于它能为开发者带来多大的实际价值。
社区参与和反馈，如通过GitHub提issue或贡献代码，对于开源协议的发展至关重要。MCP的发展历程体现了技术扩散和标准形成的过程，其中开源和社区参与发挥了重要作用。
24:28 MCP设计哲学与智能体的未来MCP的发展遵循核心原则，尤其在协议设计层面，强调智能体（agents）作为未来AI发展方向的关键。
业界普遍认为，基于模型的智能体能够智能选择和执行行动，是AI的未来。这种观点基于人类对话的类比，即在对话中依赖对方的智能和判断力来理解意图并给出恰当回应。
同样，未来的AI模型应具备理解复杂意图、自主规划并调用工具执行任务的能力，从而从信息检索器或文本生成器进化为能解决问题的智能伙伴。为了支撑这种智能体交互，MCP在技术选择上做出了一些超前决定，如引入stream able HTTP，以服务于长远目标。
26:52 MCP协议设计哲学：智能体未来与生态繁荣MCP协议的设计哲学聚焦于支持未来智能体间的高效双向通信，引入了stream able HTTP等技术以实现持续的双向数据流。这一设计假设服务器数量将远超客户端，因此优化了服务器端的简洁性，将复杂性更多地推向客户端，以鼓励更多人构建服务器，促进生态系统的繁荣。这一策略旨在支撑智能体之间复杂多轮的协作，适应未来智能体像开会讨论一样的交流需求。
31:58 MCP近期更新与未来规划探讨对话详细讨论了MCP（一种未明确说明的协议或系统）的近期更新和未来规划。
近期的更新包括对OOS（网络认证和授权标准）支持的完善，强调了其在安全性和合规性方面的重要性，以及社区参与在改进中的作用。
此外，还提到了一个名为Inspector的调试工具，旨在帮助开发者更有效地理解和调试MCP通信过程。
未来的规划重点之一是illicitly信息征求功能，即elicit ation，旨在解决用户意图不明确或信息不足的情况，通过实现更自然、有效的多轮对话来提高任务成功率和交互体验。
36:11 MCP协议的关键组件与未来发展讨论了MCP协议的几个关键组成部分和未来发展方向，包括Registry API注册中心接口的作用，即帮助模型动态发现并使用未预先配置的MCP服务器，从而增强模型的能动性；
开发者体验（DevX）和开源示例库的建设，旨在降低学习曲线，提供最佳实践，促进MCP技术的推广和成熟；
以及治理（Governance）的重要性，强调确保MCP协议持续开放、中立，并通过健康、透明的社区驱动机制进行演进，建立社区信任，避免被少数方控制，保证协议长期健康发展。
39:05 构建高质量MCP服务器：从模型视角出发对话深入探讨了未来智能体架构的前瞻构想，特别是MCP（Model-Client-Protocol）生态中，如何构建高质量的MCP服务器成为关键议题。
当前，构建更高质量的MCP服务器占据了80%的权重，强调了不仅要从最终用户和客户端开发者的角度出发，更要从模型本身的角度思考，确保模型能清晰理解和高效使用提供的工具或数据。
通过以用户需求和承诺为驱动的设计方法，倒推出模型所需的具体能力，从而设计出意图明确、参数具体、易于模型解析和处理的MCP工具，以实现更准确、高效的模型交互。
44:01 高质量MCP服务器在各垂直领域的应用及未来发展方向对话探讨了高质量MCP服务器在销售、金融、法律和教育等垂直领域的巨大应用潜力，这些领域通过模型与特定系统连接，能提供更高效、精准的服务。此外，讨论了简化服务器构建过程的重要性，包括开发工具、自动化测试框架和易于部署的平台等。
最后，提出了一个前瞻性的方向，即完全自动化生成MCP服务器，利用未来大模型的自然语言理解、代码编写和外部世界交互能力，实现自动构建高质量服务接口的目标。
48:35 MCP模型能动性与AI安全可观测性探索对话深入探讨了模型上下文协议（MCP）在增强AI能动性方面的作用及其面临的挑战。
重点讨论了构建高质量MCP服务器、简化server构建工具、自动生成server以及AI安全可观测性工具的重要性。
随着模型能动性的增加，安全、隐私和可控性成为关键议题。
在AI应用领域，特别是在开发者工具、金融和医疗等高风险领域，如何平衡MCP的潜力与风险，以实现突破性应用。
