MCP（模型上下文協議）是2024年由人類公司發布的標準化協議，它旨在解決AI模型只能對話而無法執行任務的問題。 MCP通過統一規範，使AI不僅能理解指令，還能直接操控工具完成具體操作，如整理報表和發送郵件。與傳統AI工具相比，MCP能夠連接不同的外部工具，確保數據安全，並提升AI的自主執行能力。儘管MCP在Web 3領域有很大潛力，但面臨技術整合和市場認知等挑戰，未來的成功仍需時間觀察。
ai帶來的意義便是解放人類勞動力，提升大多數工作能力的下限，llm局限性仍大，必須來回對話才能給出建議，且必須用戶根據建議親自執行
而現在如果可以透過與ai對話，實際利用你的電腦進行郵件回覆、報表撰寫等功能，甚至還可以幫你自動化炒幣，是不是越來越接近解放生產力的願景？而這項技術就是目前在
MCP 是什麼？
MCP（模型上下文協議）是由人類公司在2024年11月發布的一套「標準化協定」，用來解決過去ai模型只能「說」卻無法「做」的問題。
首先先將MCP命名拆解
型號：模型上下文：脈絡，代表給模型的額外資料或者外部工具協議：協議，通用、標準化的「規範」或者「接口」，通用、標準化的「規範」或者「接口」
合在一起就是：透過統一規範，讓ai不只會「說」，還能直接操控外部工具完成各種任務。
一般我們最常使用的llm，像是chatgpt，grok，只能根據對話內容進行「文字輸入、文字輸出」。如果我們要讓
mcp的出現，讓
運作方式簡述
MCP主機（MCP主機）：負責管理、協調整個MCP的運作。例如Claude桌面就是一種主機MCP客戶端（MCP Client （用戶端）：接收使用者的需求，llm（ai模型）進行溝通。常見例子包括各種整合了mcp的聊天介面或IDE（如鵝，鵝，claude，claude chatbot） MCP服務器（MCP服務器）：可以視作是一組「已經整理好、帶有註解」的api集合，提供提供
有了mcp，ai不只能理解人類語言，還能把特定的文字直接翻譯成動作指令，進而完成自動化操作。例如，幫你整理銷售報表、發郵件給客戶
參考：https://www.youtube.com/watch？ v = fdrb03xpiro＆t = 4s
MCP 的重要性為何？
1.打通ai與外部工具的橋樑
llm的局限性在於當中的資料都經過預訓練，並非實時更新，llm的資料僅限於它訓練時所看到的資訊，因此訓練之後產生的新資訊，模型是不知道的。
llm為今年2月訓練，那麼今年2月之後的資料則是完全沒有的。
目前主流的方法是使用抹布（檢索型生成一代），這是一種把「檢索系統」與「生成模型」結合的方式。這種架構能在llm推理前，先檢索最新的資料，並將檢索結果作為上下文提供給模型。具體來說：：
資料檢索（檢索）：在llm回答問題前，先使用一個檢索工具（例如網路搜索、內部資料庫查詢等），尋找符合當下問題的最新資料。 生成（世代）：檢索到的資料會作為輔助資料（上下文）傳遞給llm，幫助它生成更精準、即時的回答。
像ai在回覆問題前，先透過bing或google搜尋最新的資訊，再將檢索結果整合進回應，rag的方式。
MCP跟rag：：
rag llm的回答，而mcp則能讓ai真正「動手去做」，例如查資料庫、調用api，或什至修改檔案內容。
2.標準化＆通用性：像usb-c一樣的存在：不同廠商可以各自開發符合mcp規範的功能，就像所有裝置都能使用同一種usb-c傳輸線一樣。如果沒有mcp，每個開發者都得自行定義該怎麼讓ai a api aapi。這意味著相同的工作會被不同人重複開發。 mcp統一後，大家只要實作同一套規範就能立即整合，避免重複造輪子的現像出現。 ，避免重複造輪子的現像出現。
3.從被動回應到主動執行：傳統ai工具只會回答問題，不能真正動手。有了mcp，ai可以根據當下情況決定要執行什麼指令，並透過讀取回傳結果，再進行下一步的動作。這種看情況不斷修正的能力，大幅增強
4.安全性與控管：mcp並不會強迫把所有資料都傳到ai模型，能透過權限、，能透過權限、，確保機密資訊不會外流。 ，確保機密資訊不會外流。
MCP跟ai代理，差異為何？ ，差異為何？
AI代理？
去年Q3 goat goat領頭帶起了ai代理，Web 3 ai代理，AI代理通常指的是能「自動化」處理特定任務的ai通常指的是能「自動化」處理特定任務的ai系統，它不只跟人對話，還能根據上下文主動採取行動、呼叫工具或api，去完成一系列的步驟。像是最常見的能夠在推特上自主發文
AI代理的限制
缺乏標準化：每個人都可以造一個代理，可是如果沒有統一的規範，就會出現「這個代理只會用aaaa vent只會打b系統的api」的問題。 容易各自為政：ai代理雖然能跑腿，但開發者往往需要自訂大量api的格式和規則，不同代理之間缺乏共用的生態系，導致整合困難。 ，導致整合困難。
MCP與ai代理：MCP是一種協議，AI代理是一種概念或執行方法
AI代理強調ai 具備主動行動、執行工具的能力mcp則專注於如何讓不同ai模型與外部工具溝通，扮演通用標準的角色。 ，扮演通用標準的角色。
MCP幫助ai代理更有效運作
沒有MCP，AI代理可能要對不同工具、不同平台都各寫一套api，開發維護都很麻煩。 ，開發維護都很麻煩。 有了MCP，AI代理只要照著MCP規範，從「服務器列表」中取得可用工具，然後動態決定要用哪一個工具完成任務
功能範圍不同
AI代理：著重於決策、邏輯，根據需求判斷要怎麼做、要執行哪些步驟。 ，根據需求判斷要怎麼做、要執行哪些步驟。 MCP：專門解決工具介接、標準格式，怎麼把外部服務、資料庫、檔案系統以統一的方式提供給ai
兩者結合：AI代理+ MCP ＝ ai既懂得怎麼行動，也能去哪裡行動。
MCP 概念項目？
1. MCP
鹼基，在，在3月14日推出，讓ai應用能與基礎區塊鏈互動，用戶只要透過自然語言的對話，無需開發能力，便可以做到將合約部署到區塊鏈上以及使用
Bork是第一個使用基本MCP部屬的代幣，於3月14日發行，市值最高到達460萬美元，但當前已回落至11萬美元，且24小時交易量僅有9，可以判斷該幣壽命已經結束。
Flock是一個去中心化的ai訓練平台，他指出當前Mcp仍然在外部ai模型上運行，llm處理
2.天琴座
lyraos全名是lyra mcp-os，也是多ai aigent操作系統
當前他們正在探索如何使用mcp-os建立數千個“ ai16zdaos”，即ai驅動的去中心化自治組織，用於加密貨幣投資
當前代幣市值92.3萬，最高264萬，24小時交易量300萬
結語：ai敘事再次起舞，還需時間觀察
儘管mcp提供了一條標準化規則，讓ai能更容易且安全地與外部工具互動，且在web 3領域看似大有可為，但成功案例相對有限，背後原因或許包含以下幾點：：
技術整合尚未成熟：Web 3生態中，每條鏈、每個dapp的合約邏輯和資料結構都有差異
安全與監管風險：讓ai 直接操縱合約、處理資金交易，需要設計完善的私鑰管理與權限控管機制，難度與成本都高。 ，難度與成本都高。
用戶習慣與體驗：多數人對於讓ai管理錢包或做投資決策仍存疑，區塊鏈本身的操作門檻也高。如果體驗過於復雜或缺乏明確的應用場景，新手很難長期使用或投入。 ，新手很難長期使用或投入。
審美疲勞與市場冷感：此前ai代理在幣圈掀起風潮，許多未落地的專案在巔峰時期的估值破億是家常便飯，而近期正面臨戳破
回到MCP敘事，可以理解為超級加強版的ai代理，此前市場已經經歷過加密貨幣ai狂潮，也逐漸明白何為概念炒作與實際應用，若缺乏真正具有創新與實用價值的應用
mcp與區塊鏈的結合擁有潛力，但同時面臨技術門檻與市場壓力的雙重挑戰。未來若能整合更成熟的安全機制、打造更直覺的使用者體驗，並發掘真正帶來價值的創新應用，「web 3 + mcp」
資訊來源：由0x資訊編譯自互聯網。版權歸作者所有，未經許可，不得轉載