最近，Solana上的AI代幣$DARK上線了Binance Alpha，市值已達4000萬美元。 MCP（模型上下文協議）作為一種開放協議，促進了大型語言模型（如Claude、OpenAI等）與外部工具和數據源的連接，解決了集成複雜性、工具碎片化和分發受限的問題。目前，MCP生態系統正在快速發展，開發者已經創建了涵蓋媒體製作、通信、硬件控制等多種應用。儘管存在安全性和標準化的擔憂，MCP仍被視為AI發展的重要轉折點，未來可能成為AI基礎設施的重要組成部分。
原文作者：穆罕默德·埃塞迪（Mohamed Elseidy）
原文編譯：深潮技術流
原文作者：穆罕默德·埃塞迪（Mohamed Elseidy）
原文編譯：深潮技術流
導讀
昨日，solana上的ai相關代幣$dark上線b binance alpha，截止目前市值已經來到4000萬美元左右。
在最新的加密貨幣ai敘事中，$dark與「mcp 」（模型上下文協議）
但在目前，MCP這個概念和敘事影響的文章並不多。
下文是聯盟dao研究員穆罕默德·埃塞迪（Mohamed Elseidy
深潮技術流對全文進行了編譯。
在我於聯盟的這些年裡，我見證了無數創始人構建了他們自己的專用工具和數據集成，這些都被嵌入到他們的ai代理和工作流程中。然而，這些算法、形式化和獨特的數據集被鎖在定制的集成背後，極少有人會使用。
隨著模型上下文協議（模型上下文協議，MCP）的出現，這種情況正在迅速改變。 MCP被定義為一種開放協議，llm）進行通信並提供上下文。我非常喜歡的一個比喻是：「對於ai應用程序來說
MCP？
大型語言模型（如claude，openai，llama等）非常強大，但它們受限於當前可以訪問的信息。這意味著它們通常存在知識截止點，不能獨立瀏覽網絡，也無法直接訪問你的個人文件或專用工具
特別是，在此之前，llm連接到外部數據和工具時面臨三個主要挑戰：
集成複雜性：為每個平台（如claude，chatgpt等）構建單獨的集成需要重複努力並維護多個代碼庫。 ）構建單獨的集成需要重複努力並維護多個代碼庫。
工具碎片化：每種工具功能（例如，文件訪問、 api連接等）都需要自己的專用集成代碼和權限模型。
分發受限：專用工具被限制在特定平台，限制了它們的覆蓋面和影響力。 ，限制了它們的覆蓋面和影響力。
mcp通過提供一種標準化的方法，llm都能通過通用協議安全地訪問外部工具和數據源，從而解決了這些問題。現在我們了解了，從而解決了這些問題。現在我們了解了，讓我們看看人們正在用它構建什麼。 ，讓我們看看人們正在用它構建什麼。
MCP 構建什麼？
MCP生態系統目前正處於創新爆發期。以下是我在twitter：：
ai：一種mcp集成
elevenlabs語音集成：一個mcp服務器，通過簡單的文本提示
使用劇作家進行瀏覽器自動化：一個mcp服務器，使
個人whatsapp：一個連接個人whatsapp賬戶的服務器，使，克勞德，並發送新消息。 ，並發送新消息。
airbnb搜索工具：一個airbnb公寓搜索工具，mcp的簡便性和創建與網絡服務交互的實用應用的能力。
機器人控制系統：一個用於機器人的MCP控制器。該示例彌合了llm與物理硬件之間的差距，展示了MCP在物聯網應用和機器人領域的潛力。
Google Maps和本地搜索：Claude連接到google Maps數據，創建一個可以查找和推薦本地企業（如咖啡店）的系統。這一擴展使
區塊鏈集成：lyra mcp項目將mcp功能帶到故事協議和其他web3平台。這允許與區塊鏈數據和智能合約進行交互，為通過ai增強的去中心化應用打開了新的可能性。
MCP推出以來的短短時間內，開發者已經創建了涵蓋創意媒體製作、通信平台、硬件控制、位置服務和區塊鏈技術的集成。這些各種不同的應用遵循同一標準化協議
如果想要查看全面的mcp服務器集合
承諾與炒作
面對任何新技術，值得問的是：mcp是否真正具有變革性，還是僅僅是另一個過度炒作、最終會消退的工具？
在觀察過眾多初創企業後，我相信mcp代表了ai發展的一次真正的轉折點。與許多承諾革命但僅帶來漸進變化的趨勢不同，mcp是一種生產力提升，解決了阻礙整個生態系統發展的基礎設施問題。 ，解決了阻礙整個生態系統發展的基礎設施問題。
它的特別之處在於，它並不試圖替代現有的，而是通過將它們連接到所需的外部工具和數據，而是通過將它們連接到所需的外部工具和數據，使它們更加有用。 ，使它們更加有用。
儘管如此，關於安全性和標準化的合理擔憂仍然存在。正如任何協議在初期階段一樣
ai的未來在於情境化
最強大的ai應用將不再是獨立的模型，而是通過像mcp這樣的標準化協議連接起來的專業能力生態系統。對於初創公司來說，mcp代表了一個構建適合這些不斷增長的生態系統的專業組件的機會。這是一個利用您獨特知識和能力的機會，同時從基礎模型的大量投資中獲益。 ，同時從基礎模型的大量投資中獲益。
展望未來，我們可以預期mcp將成為ai基礎設施的基本組成部分，就像http之於網絡一樣。隨著協議的成熟和採用的增長，我們很可能會看到專門的mcp服務器市場的出現，使
您的初創公司是否嘗試過實施mcp ？我很想在評論中聽到您的經驗。如果您在這個領域構建了有趣的東西，請通過@alliancedao與我們聯繫併申請。
附錄
對於那些有興趣了解mcp實際工作原理的人，以下附錄提供了其架構、工作流程和實施的技術細分。 ，以下附錄提供了其架構、工作流程和實施的技術細分。
MCP的幕後
類似於http標準化了網絡訪問外部數據源和信息的方式，mcp為ai框架做到了這一點，創造了一種通用語言，使不同的ai系統能夠無縫溝通。讓我們來探索它是如何做到的。
MCP架構和流程
主要架構遵循客戶端-服務器模型，由四個關鍵組件協同工作：：
mcp主機：包括桌面ai應用如claude或
MCP客戶端：嵌入在主機中的協議處理器，維護與MCP服務器的一對一連接。
MCP服務器：通過標準化協議暴露特定功能的輕量級程序。
數據源：包括文件、數據庫、 api和服務，MCP服務器可以安全訪問這些數據。
現在我們已經討論了這些組件，來看一下它們在典型工作流程中的交互：：
用戶交互：用戶在MCP主機（例如Claude Desktop）中提問或發出請求。
llm分析：llm分析請求並確定需要外部信息或工具來提供完整的響應。
工具發現：MCP客戶端查詢連接的MCP服務器以發現可用的工具。
工具選擇：llm根據請求和可用功能決定使用哪些工具。
權限請求：主機向用戶請求執行所選工具的權限，以確保透明性和安全性。 ，以確保透明性和安全性。
工具執行：在獲得批准後，MCP客戶端將請求發送到適當的MCP服務器，服務器利用其對數據源的專業訪問來執行操作。 ，服務器利用其對數據源的專業訪問來執行操作。
結果處理：服務器將結果返回給客戶端，客戶端將其格式化以供llm使用。
響應生成：llm將外部信息整合成全面的響應。
用戶展示：最終，響應呈現給終端用戶。 ，響應呈現給終端用戶。
這種架構的強大之處在於，每個，每個，但使用標準化的通信協議。這樣，開發者無需為每個平台重建集成，只需一次性開發工具即可服務於整個
如何構建您的第一個MCP服務器
現在讓我們看看如何使用MCPSDK在幾行代碼中實現一個簡單的MCP服務器。
在這個簡單的例子中，我們希望擴展claude桌面的能力，讓它能夠回答諸如「中央公園附近有哪些咖啡店？」這樣的問題，信息來源於谷歌地圖。您可以輕鬆擴展此功能以獲取評測或評分。但現在，我們專注於claude find_nearby_places，它將允許claude直接從谷歌地圖獲取這些信息，並以對話的方式呈現結果。 ，並以對話的方式呈現結果。 ，並以對話的方式呈現結果。
正如您所見，代碼非常簡單。首先，它將查詢轉換為谷歌地圖api搜索，然後返回結構化格式的頂級結果。這樣
Claude Desktop知道這個工具，因此我們在其配置文件中註冊它，如下所示：：
macos路徑：〜/library/應用程序支持/claude/claude_desktop_config.jsonwindows路徑：％appdata％\ claude \ claude \ claude_desktop_config.json
就這樣，你完成了現在你已經成功擴展了claude的功能，可以實時從谷歌地圖中查找位置。 ，可以實時從谷歌地圖中查找位置。
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