MCP在國內更火了。
最新添一把火的是百度。4月25日,在Create2025百度AI開發者大會上,李彥宏一口氣發佈了百度AI全家桶的“九件套”,覆蓋算力基礎設施、大模型、AI應用和開發者生態,大秀了一把其在AI領域全棧佈局的肌肉和戰略決心。
其中,我關注到的一個重點信息是,李彥宏表示,百度將持續加大對MCP的支持,推動更多應用和服務接口兼容MCP,並將幫助開發者全面擁抱MCP。
他還稱,“現在,基於MCP開發智能體,就像2010年開發移動APP。”這意味,MCP將會迎來一輪大發展的春天。
MCP,AI應用的“萬能插座”
但很多人可能都沒聽過MCP,或者概念不清,類似MoE、AI Avatar、Coding Agent、A2A等,這些AI“黑話”(專有技術名詞)對沒有技術背景的普通用戶來說,都是認知和使用的門檻。
當前,智能體(Agent)已成爲AI應用的代名詞,MCP就和Agent密不可分。開發者大會預熱階段,百度對MCP作了比較詳細的科普,李彥宏在會上也作了一些解釋。
MCP的全稱是“Model Context Protocol”,即模型上下文協議。這是Anthropic推出的一種開放標準,旨在統一大型語言模型與外部數據源和工具之間的通信。MCP爲所有智能體建立一套“公共語言”和“通信規則”,也被稱爲AI交互的TCP/IP協議、HTTP標準、萬能接口。
更通俗一點地講,之前大模型、AI應用想接入各種不同的外部數據、工具,都要有一一對應的“接頭暗號”。支持MCP協議,就像找到一個“萬能插座”,讓各種需求都能通過標準化的接口和大模型對接,實現“即插即用”,和外界的數據源、工具等等進行互動。
這個“萬能插座”包含多個組件,核心是Host、MCP Client和MCP Server。它們彼此之間關係緊密:
Host=內置了MCP Client的應用程序,可以是APP、Agent、Web應用、桌面應用等等形態;
MCP Client,是大模型與MCP Server之間的橋樑;
MCP Server,負責處理來自MCP Client的請求,並調用各種資源,返回相應的結果或數據。
阿里雲百鍊高級產品專家徐志遠認爲,MCP的出現取決於兩個點,一是模型能力的發展,尤其是深度推理使得模型能夠使用更復雜的工具,使用工具的scope(工具調用所涉及的有效範圍或權限邊界)擴大;
二是MCP的服務能不能穩定、可用、高效,MCP服務本質是映射軟件廠商和工程廠商,以及工具提供廠商的API服務。
MCP爲什麼重要?
事實上,在2024年11月,MCP剛推出來時並沒有引起太多的重視,關注者寥寥。當時只有包括Anthropic自家的Claude Desktop等有限的應用支持MCP協議,開發者們還是處於各自爲政的分離狀態。
但僅過去幾個月,MCP就幾乎成爲AI領域交互的事實標準。
它的爆火來自兩重動力:首先是開發者羣體的接納。2025年2月開始,Cursor、VSCode、Cline等AI變成領域的明星應用,先後宣佈支持MCP協議,這讓MCP協議完成“冷啓動”。
在此期間,Manus引發的“蝴蝶效應”,也讓整個業界掀起關於“AI真正能夠輔助完成實際工作”的認知變革。
緊接着是大模型廠商們的接入,直接引爆MCP。今年3月以來,OpenAI、谷歌、百度、阿里雲、騰訊雲、字節跳動等國內外大平臺相繼宣佈支持MCP協議。重點來看看國內廠商的動作:
阿里雲百鍊平臺在4月9日上線了業界首個全生命週期MCP服務,集成高德地圖、無影雲桌面等50餘款工具,5分鐘可生成專屬Agent。支付寶聯合魔搭社區率先在國內推出“支付MCP Server”服務,讓 AI 智能體一鍵接入支付能力。
4月14日,騰訊雲升級大模型知識引擎,支持調用 MCP 插件,接入騰訊位置服務、微信讀書等生態工具;
4月16日,支付寶推出“支付 MCP Server”,開發者可通過自然語言指令快速接入支付功能,打通 AI 服務商業化閉環;
4月21日,字節的Agent產品 “釦子空間 ” 開啓內測。該產品提供通用Agent入口,支持MCP(Model Context Protocol)協議,引入飛書雲文檔、飛書表格等多款可調用的工具,強化解決工作任務的能力。
4月25 日,百度宣佈全面兼容MCP協議,推出全球首個電商交易 MCP 及搜索 MCP 服務。智能雲千帆平臺已接入第三方 MCP Server,搜索平臺索引全網資源降低開發成本。
這個陣勢如同DeepSeek出圈後,各大模型廠商回應“姿態”的再現,從而也佐證了MCP的火爆和重要性。
按照李彥宏的話說就是,“它爲開發者在AI大爆發的時代缺少規範,導致效率低提供瞭解決思路,MCP讓AI能更自由地調用工具,是AI發展的一大步。”
在MCP成爲標準接口之前,Agent(智能體)更像一個個“單機版App”,彼此之間互相割裂,無法通信,更談不上協作。就像互聯網早期,單機計算機沒有TCP/IP協議支持,就是一座座信息流無法跨越“終端孤島”。這就導致開發AI應用面臨着“效率、成本、生態”的“不可能三角”。
比如,若要開發一個企業智能客服系統,開發者需要對接CRM、支付、物流等6套不同的系統,光是讓大模型理解這些系統的接口規範就需要花費大量時間和精力。除了不同平臺的適配問題,不同的數據庫、API等工具,其調用接口也千差萬別。相關數據顯示,因缺乏統一規範,開發者在不同工具開發中,效率平均降低 30%~40%。
在MCP之後,開發者只需要遵循這個協議,就不需要爲開發一個AI應用,對接N個工具,爲M個接口分別開發,只需要對應用本身做維護和調試。
這個模式下,所有廠商通用一個標準,大模型應用開發由“MxN”變成了“M+N”,開發AI應用的成本大幅降低,效率猛猛拉昇。
例如,開發者想在某個App或者Agent中,接入高德地圖、支付寶功能,只需要配置好對應的MCP Server(服務器)信息,就可以像搭積木一樣集成相關功能,完成查詢地圖、支付等任務。
其最終的效果便是,每位普通用戶都將直觀地感受到——AI變能幹了。原來只動口不動手的AI,現在能一鍵完成導航、改日程、定酒店等具體工作。
不少市場評價認爲,隨着MCP等協議逐漸成爲共識和趨勢,2025年會迎來一場真正意義上的AI應用大爆發。
徐志遠也認爲,Agent的繁榮和爆發只缺一個點,“這個過程很像移動互聯網時代,APP的爆發是基於5G技術和4G技術本身的普惠,今天模型和MCP技術普惠帶來的上層應用的爆發。”
百度的算盤:進攻纔有獲勝機會
這個觀點和李彥宏如出一轍。對大模型廠商,特別是平臺型巨頭而言,擁抱MCP,本質上也是在AI生態戰略上的卡位戰。
MCP讓AI更懂外部世界,一個繁榮的MCP生態也離不開大模型和應用。這就要求大模型廠商在建好自己平臺能力的同時,吸引更多開發者、合作伙伴參與到自己的生態裏,以一個大模型生態對陣另一個大模型生態。
李彥宏也推着百度給MCP燒了一把火:從模型到應用,全棧打造MCP生態。根據官方信息,我將百度的動作概括爲“1+2+N”的扇形架構。
首先是優化了“1個”文心基礎大模型,提升了模型在使用MCP server時的任務規劃和調度能力。
在此基礎上,圍繞百度智能雲千帆大模型和百度搜索“2個”核心平臺上,兼容MCP或者構建MCP server發現平臺。其中,百度的商品檢索、商品交易、商品詳情、商品參數對比、商品排行榜能力等,也已經通過百度電商的MCP Server對外提供,這是國內首家支持電商交易的MCP服務。
同時,百度文庫、百度網盤、百度地圖等應用全面對外提供MCP Server服務。百度搜索開放平臺還發布“AI開放計劃”,爲智能體、H5、小程序、獨立App等各種形態的應用開發者提供流量入口和商業化變現的途徑。
百度還推出了多智能協作App心響,該產品除了常見的外部 MCP 工具調用,還實現了多智能體協作機制,比如在法律服務中支持由多個律師的AI分身組成的“律師智囊團”協同答覆與服務。
在全球AI競賽中,百度可能是少數幾家能夠同時在芯片層、框架層、模型層和應用層進行全棧佈局、協同優化的公司,這也形成了百度獨特的競爭壁壘。通過全棧技術優化和生態開放,百度正在讓MCP成爲AI開發的新“水電煤”,吸引更多開發者加入,共同擴展生態邊界。
這對過去兩年遭受過諸多爭議的百度AI來說,是一次難得的“排水渠過彎”:主動進攻是百度AI在激烈競爭中唯一獲勝的機會。
百度希望藉此構建一個類似“AI時代的Github+AppStore混合體”,讓開發者能夠方便地共享和使用各種AI工具和模型,MCP就是那個最佳的“集合點”。
雖然MCP還不完全是一個完美的協議——大模型廠商雖然願意提供MCP服務,但主動權仍然抓在廠商手中,其背後的利益博弈也會隨着MCP生態的壯大而劇烈——但百度也和阿里、字節、OpenAI等第一陣營的大模型廠商拉齊了AI戰略,這在一定程度上減少了路線差異造成的資源拉扯,一起把MCP生態的蛋糕做大,並在切分過程中,苦練內功以搶到最大的一塊。
最新的消息是,4月29日凌晨,阿里巴巴開源新一代通義千問模型Qwen3(簡稱千問3),登頂全球最強開源模型。其亮點之一是,千問3支持MCP,具備強大的工具調用能力,能夠實現高效的手機及電腦智能體操作等任務。
百度的挑戰也和其他MCP接入廠商一樣,如何在開放協議和平臺生態之間找到一個商業平衡。這對參與其中的任何一方,都是至關重要的一個思考。因爲MCP的發展,不僅體現在對平臺的意義,更多在於大模型在應用和實際業務裏發揮更大的價值。
參考資料:
百度智能雲,《爆火的MCP究竟有啥用、怎麼用?一文看懂》
智能湧現,《李彥宏說的“MCP”,還有人不知道嗎?》
中國日報網,《核心業務全面開放,百度率先打造MCP生態》
鈦媒體,《大模型爭相接入MCP,百度智能雲推企業級MCP服務》
免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。