MCP协议的发展历程与行业地位 - 一年内从开源协议发展为行业事实标准，增长极其迅猛 [2][4] - 关键分水岭发生在四月前后，Microsoft、Google、OpenAI等巨头公开表态采用MCP，使其从Cursor、VS Code等“大客户”扩散至整个行业 [2][4] - 协议本身从仅支持本地使用的“桌面玩具”，演进至支持远程server、认证机制、企业级OAuth重构，并于11月引入long-running tasks以支持深度研究和agent-to-agent交互 [2][5] MCP协议的技术演进与关键决策 - 传输层坚定依赖标准HTTP，但早期将双向流等关键能力设为客户端“可选项”，导致大多数客户端不实现，削弱了双向能力 [2][16] - 协议设计要求服务器端持有状态，在水平扩展（多Pod、多实例）时，同一交互可能打到不同机器，需借助Redis等共享存储拼接状态，在百万级请求规模下成为挑战 [3][17] - 为解决企业认证问题，六月规范做出关键调整：将MCP server明确定义为资源服务器，与中央身份系统（如Google登录、企业SSO）解耦，并补齐动态客户端注册等细节 [11] MCP在行业巨头中的应用与挑战 - Google、Microsoft等公司在使用MCP时，请求规模已达百万级，具体数字不便公开，大规模下的可扩展性问题凸显 [3][17] - 与Google、Microsoft、AWS、Anthropic、OpenAI等公司的资深工程师共同讨论，旨在为协议打下坚实基础，过程需要大量迭代以达成共识 [13][20] - 协议治理采用折中方案：有一个约8人的核心维护者小组做最终决策，兼具共识驱动和“技术独裁”特点，以适应AI领域快速变化的节奏 [22] MCP协议的核心功能与设计理念 - 引入“长时间运行任务”原语，旨在支持深度研究等需要长时间运行的异步操作，其设计足够通用，未来可支持返回中间结果，而非简单的异步工具调用 [5][54][57] - 协议强调“渐进式发现”原则，即先给模型少量信息，由其根据需要主动请求更多，以避免将所有工具一次性塞入上下文导致膨胀，此机制可通过模型训练系统性强化 [25][26] - 协议定位为连接模型与外部世界的通信层，其价值在于提供认证、可发现的工具连接性，与提供领域知识的skills是正交关系 [32][34][36] MCP的生态建设与未来方向 - 观察到MCP的大量使用发生在企业内部，增长速度远超外界可见，公司内部通过gateway和半托管平台（如Kubernetes集群）简化部署 [41][42][43] - 推动建立类似npm的官方registry作为公共发布中心，同时支持子registry进行策展和过滤，并希望企业能建立内部私有registry，形成分层信任体系 [44][45][49] - 正在与OpenAI等合作制定MCP UI（或称MCP Apps）的共同标准，目标是实现“一次构建，到处运行”，通过iframe嵌入原始HTML的方式提供更丰富的交互界面，超越纯文本限制 [66][67][72] 加入基金会的影响与社区号召 - 将MCP捐赠给Agentic AI Foundation旨在保证项目的中立性和永久开放性，消除行业对协议被收回或变为专有的担忧，公司对MCP的投入和承诺并未改变 [6][77][78] - 基金会门槛很高，只接纳维护良好、有真实采用和长期价值的项目，避免成为“项目垃圾场” [9][78] - 呼吁社区通过构建高质量的MCP servers、提供反馈、参与Discord讨论、贡献SDK（如TypeScript、Python、Go）等方式积极参与 [76][77]