編輯器

PCP）系統的自治和智能化。 MCP 解決了 AI 系統與現實世界互動的瓶頸，使其能在 DeFi 等領域自動化操作。文章探討了 MCP 對加密和 AI 生態系統的重要性，以及它如何推動代理型 AI 的發展，儘管仍面臨廣泛採用和互通性等挑戰。

以下為原文內容（為便於閱讀理解，原內容有所整編）：

如果你和我一樣，可能一直在想：「MCP 到底是什麼鬼？！」……為什麼這麼多人在討論它？目前關於 MCP 的資料很少，這也不奇怪——它誕生才四個月。於是我決定研究一下，並整理出我的發現。

簡而言之： 這可能是加密貨幣和開源 AI 的重大突破，值得你關注。它或許會推動新一輪以 AI 代理為核心的加密產品發展。

目錄

·引言

·什麼是模型上下文協定（MCP）？

·MCP 如何賦能 AI 代理？

·代理時代的未來：MCP 的重要性

·其他類似 MCP 的項目

·與傳統 AI 集成方式的關鍵區別

·結論

] 。 MCP 由 Anthropic 於 2024 年底推出，旨在成為一套標準化框架，讓 AI 代理程式無縫連接各種資料來源，實現更有效率的互動。

但自從 @anthropicai 推出了這個通訊標準後，越來越多的 AI 解決方案開始將其作為預設方式。簡單來說，它就是「AI 即時與軟體互動的方式」。

隨著代理時代的到來－一個 AI 系統能夠獨立執行複雜任務的未來，MCP 會成為推動下一波 AI 創新的關鍵嗎？也許它還能引爆 Crypto x AI 賽道的新一輪行情？

從聊天機器人到驅動各產業的自動化系統，AI 代理程式越來越需要即時決策，並從多個資料來源獲取最新資訊。然而，一個核心瓶頸一直存在：AI 模型缺乏標準化方式來連接外部系統，例如資料庫、檔案儲存庫或企業級工具。這正是 MCP 發揮作用的地方。

引入模型情境協定（MCP）

MCP 是開放標準，旨在彌合這一鴻溝，讓 AI 代理程式能夠動態存取和互動外部資料來源。它使大語言模型具備代理能力，不僅能執行智能合約，還能參與 DeFi 操作——這無疑是一個重大突破！如果你是加密圈的用戶，應該深有體會——ChatGPT 在加密市場的即時資訊和分析上幾乎一無是處，甚至連某些前 100 加密貨幣的現貨價格都未必能準確提供。

而 MCP 可以提升 AI 賦能 DeFi 的能力，例如：「尋找 USDC 最優 APY 並分配 $1,000」，根據市場波動自動調整投資組合。

這表明，AI 代理正邁向一個更自主且高效的未來，而這種變化也區別於傳統 AI 系統，更加契合加密生態的去許可特性。

什麼是模型上下文協定（MCP）？

模型上下文協定（MCP）由 Anthropic 於 2024 年底推出，是一個開源標準，旨在連接 AI 助手，尤其是由大語言模型驅動的 AI 代理，讓它們能夠接入並利用即時數據。

可以把 MCP 理解為一個通用適配器，讓 AI 代理能夠安全且標準化地接入：

內容儲存庫、企業工具等等！

為什麼這很重要？

傳統 AI 整合往往依賴零散的、客製化的解決方案，而 MCP 提供了一個統一框架，支援雙向通訊。這意味著 AI 代理不僅可以從外部資料來源獲取訊息，還能將更新或操作推送回系統，從而實現更動態和自主的行為。

想像你的 AI 代理可以自動更新企業系統，甚至完全自主管理你的個人事務！ Anthropic 推出 MCP 的目標，是簡化 AI 集成，讓開發者更容易建立自主運作的 AI 工作流程，讓 AI 代理能夠獨立、智慧地執行任務。

MCP 如何賦能 AI 代理？

MCP 可作為整合層，讓 AI 代理程式按需連接外部服務。以下是它的核心機制：

動態資料存取

與傳統 AI 僅依賴資料庫 存取資料不同，使用 MCP 的資料庫

與傳統 AI 僅依賴資料庫存取資料不同，使用 MCP 的實體資料庫存取資料庫 可以存取資料庫相關，例如資料庫與實體關係

換句話說，那些冷門加密貨幣的價格也能即時取得！甚至 @0rxbt 也在用 MCP 來優化我們最愛的紫蛙（Purple Frog），也就是 SkyNet，又名 @aixbt_agent！

雙向通訊

MCP 支援雙向交互，意味著 AI 代理不僅可以取得資料，例如能基於分析流，例如能更新資料庫。

標準化框架

MCP 提供了一個通用協議，無需定制化集成，從而降低開發複雜性，確保應用程式的一致性。或許這就是解決多鏈碎片化和不同程式語言相容性的答案？也許未來，AI 代理程式會成為 Web3 的聚合層？ ！

邁向 AI 代理時代：為什麼 MCP 很重要？

AI 代理不再只是被動回應的系統，而是變得更主動、目標導向，甚至可以自主決策。然而，要讓 AI 代理真正有用，它們必須突破訓練資料的限制，並且能流暢地與現實世界互動。這正是 MCP 發揮作用的地方。

MCP 的實際應用案例（來自 Anthropic 文件）

假設一個 AI 代理程式被賦予了管理軟體開發流程的任務。
借助 MCP，它可以：
·拉取 最新程式碼
·分析 程式碼錯誤
·推送 回報到團隊的專案管理工具－全程即時完成！

在下方範例（感謝 @alexalbert__），可以看到 Anthropic 的 Claude 直接連接 GitHub，建立新程式碼庫，並使用 MCP 進行自動 PR（拉取請求）！

MCP 讓 AI 代理程式存取即時數據，從而適應不斷變化的環境，讓它們更聰明、更有效率。下方展示了 MCP 如何與 GitHub、Web API、Slack、郵件等系統整合並通訊的實際案例！

MCP 為 @davidsacks 提出的「終極 AI 代理」的構想>或許，真正的致勝法則不是 AI 代理本身，而是連結代理與現實世界的基礎設施！借助標準化協議，開發者可以更快地建立 AI 代理工作流程，而無需為每次新整合重複造輪子。

代理時代的核心是讓 AI 獨立行動，完成複雜任務。無論是自動化業務流程、 管理供應鏈、輔助科學研究。 MCP 正在成為實現這一願景的關鍵一步，它為 AI 代理提供了與現實世界互動的基礎設施！

其他類似 MCP 的項目

Anthropic 並不是唯一意識到標準化 AI 整合協議重要性的玩家。近期，多家知名協議和企業相繼推出或支援類似 MCP 的框架，以推動 AI 代理生態發展：

Perplexity MCP

OpenAI Agents SDK MCP

最近（事實上是昨天），OpenAI 發布了其自有的 MCP 插件，整合到其 Agents SDK 中：

…還有更多的 MCP 伺服器正在開發中，旨在讓 AI 之間的通訊更加無縫：

>來自 Anthropic 以外的 CEO 們也在承認 MCP 在推動 AI 代理未來發展中的重要性：

這些措施凸顯了一個日益增長的趨勢：認識到代理 AI 需要標準化、可擴展的資料整合解決方案。雖然 MCP 憑藉其開源特性和廣泛的適用性仍然是領先者，但像 xAI、Google 和 Meta 等大玩家的參與，進一步強調了這一領域的重要性。

與傳統 AI 整合的關鍵差異

為什麼 MCP（及其類似框架）在與傳統 AI 整合相比時脫穎而出？傳統整合通常涉及客製化 API 或中間件，導致解決方案碎片化，且難以擴展。而 MCP 提供了一個通用標準，降低了複雜性並確保一致性。

以下對比圖以一張圖清楚展現了兩者的區別：

開源協作：

這是加密領域的一大價值主張。

以下是簡潔的比較：

以下是一些高層次的加密應用範例：

以下是一些高層次的加密應用範例：

我們已經開始看到在 DeFAI 解決方案方面的推動，例如 @dnieles @acontraz@jmzalz 的工具@jectzeld t_agent 解決鏈上分析問題。隨著 MCP 在更廣泛的加密和 AI 生態系統中的進一步整合，預計會有更多類似的創新出現！

MCP 代表著邁向代理型 AI 未來的重要一步，在這個未來中，自治系統可以與周圍的世界無縫互動。透過為 AI 代理提供連接外部資料來源的標準化框架，MCP 解決了 AI 開發中的關鍵瓶頸，使得更智慧、更適應和可擴展的解決方案成為可能。

整個產業對 MCP 類似協議的接受標誌著朝向代理型願景的集體推動。然而，仍然存在挑戰。 MCP 及其類似協議的成功將取決於廣泛的採用、協議之間的互通性以及能夠跟上迅速發展的 AI 領域的步伐。

隨著我們邁向一個 AI 代理在我們生活中扮演越來越重要角色的未來，像 MCP 這樣的框架將成為連結 AI 與現實世界應用的橋樑。無論 MCP 是否成為事實標準，還是只是進一步創新的催化劑，它已經引發了關於代理型 AI 和代理型加密產品所需基礎設施的關鍵討論。

「」

原文連結