模型上下文协议（MCP）是由 @AnthropicAI 开发的一项开放标准，彻底改变了 AI 模型与外部数据源和工具的连接方式。起初，这一标准的影响力发展较慢，但自从 @OpenAI 在今年初采纳后，MCP 的采用率迅速上升。它常被比作“AI 代理的 USB-C 接口”——为连接各种工具和数据源提供统一方式，简化了 AI 与外部资源的交互流程。

过去，开发者需要为每个数据源或工具单独创建集成方式，而 MCP 建立了一套标准化的通信协议，让 AI 模型（客户端）与数据/工具提供方（服务器）之间高效协作。其目标是帮助前沿模型通过连接内容库、商业工具和开发环境等数据系统，生成更优质、更相关的响应。

从本质上看，MCP 解决了大型语言模型（LLMs）无法访问实时数据、也无法直接执行外部操作的根本限制。MCP 使 AI 系统能够动态发现并与可用工具交互，支持模型与外部系统之间持续的双向通信。这对于赋能更强大的自治型 AI 代理尤其关键，特别是在 DeFi 领域中表现出显著优势。

MCP 如何优化 DeFi 中的 AI 代理

MCP 通过简化代理处理和交互实时数据的方式，大幅提升了 AI 代理在 DeFi 领域的能力。它允许 AI 代理动态访问来自关系型数据库和 API 等外部数据流，例如市场数据，使代理更容易获取最新信息，从而提升决策的准确性。通过实时整合多个数据源，代理可以分析复杂数据点，并对不断变化的市场条件做出快速反应，这对于流动性提供等关键场景至关重要。

MCP 还通过赋能工具执行操作，提升了 AI 代理的效率。代理不仅能从外部系统中拉取数据，还能将更新或操作推送回这些系统，例如执行智能合约或更新流动性仓位。这使代理能够自主执行 DeFi 策略，成为更高效的参与者。MCP 消除了对每个工具或数据源进行定制集成的需求，降低了系统复杂性，加快了 AI 驱动的 DeFi 方案的部署速度，从而提升了整个 DeFi 生态的响应速度、适应能力和运营效率。

MCP 在为代理提供“获取数据”和“执行操作”这两大核心能力方面表现出色。但相对而言，它并不适用于代理之间的协调或通信。与工具不同，代理并不是通过固定 API 来响应严格指令的组件，它们更具灵活性，依靠自然语言执行多种能力，并协调共享状态下的交互。关于这一点，我在下文 “MCP 加速代理集群协调需求” 一节中会进一步阐述。

如果你对这个概念还不熟悉，行业领袖 @S4mmyEth 曾撰写过一篇详细文章，称 MCP 是“加密和开源 AI 的关键解锁”，你可以在下方找到该内容。

MCP 在各行业的采用情况

Web3 与区块链

Web3 是技术创新的天然温床，正迅速成为 AI 系统与方法的实验场。MCP 也不例外，它正在加强 AI 与区块链的集成，为智能系统与去中心化应用高效交互铺平道路，正如 @aelfblockchain 最近指出的那样，MCP 正在为 Web3 解锁新的效率潜力。

在 Web3 生态中，已有多个令人兴奋的项目正在积极采用 MCP，其中包括：

@Arcdotfun —— Web3 中领先的 Rust AI 代理框架，最近宣布推出 Ryzome，这是一个基于 MCP 的通用 AI 代理应用商店。MCP 在其中实现了 AI 代理与数字服务之间的通信标准化，使 AI 代理能够轻松访问 Web2 和 Web3 服务，而无需复杂的集成。

@heurist_ai —— 一个去中心化的 AI 即服务云平台，已经发布了多个支持 MCP 的工具，例如与 @getmasafi 的 X 数据集成。你可以查看他们的 Github，深入了解其代理框架。

@UnifaiNetwork —— 一个 Web3 AI 初创项目，定位为 Web3 领域的 MCP 实现者，正在构建一系列功能丰富的开源 MCP 插件，涵盖钱包支付、资产兑换、流动性管理策略、AI 驱动的预测等能力。

@StoryProtocol —— 全球性的 IP 区块链，最近也宣布与 MCP 集成，使 AI 代理能够便捷地获取其生态系统中的交易、许可和所有权等信息，同时也支持代理创建和转移知识产权。

这些由行业内创新团队推动的 MCP 实现，使得大型语言模型能够高效实时地与区块链数据交互，执行智能合约的安全审计，追踪代币指标，甚至在具备适当保障的前提下促成链上交易。

电子商务与零售

在电子商务和零售领域，MCP 正在改变 AI 代理与数据源和工具的连接方式，提升运营效率和客户体验。像产品搜索、订单跟踪和价格推荐等功能，正在简化运营流程并增强整体购物体验。

该领域的早期 MCP 集成包括：

@Shopify 商店正在集成 MCP，通过简单的 API 调用其管理员 API 来轻松管理产品、客户、订单等。

@blocks，领先的支付提供商之一，使用 MCP 构建了一个开源可扩展的 AI 代理，名为 Goose，帮助安装、执行、编辑和测试任何 LLM 的代码。

@WooCommerce 引入了 MCP 服务器，以改善与其商店的交互，为管理产品、订单、客户、运输、税务、折扣和商店配置提供了全面的工具。

企业 B2B

在企业领域，MCP 在商业运营和工作流程中得到了广泛应用。MCP 已在领先的企业产品中得到了采纳，包括：

@OpenAI 集成了该技术，以改善 AI 代理与外部系统之间的标准化通信，简化企业工作流程，减少开发开销。

@Microsoft 在 Copilot Studio 和 Semantic Kernel 等产品中引入了 MCP，使开发者能够直接连接到现有的知识服务器和 API。操作和知识会自动添加到代理中，并随着功能的演变持续更新。

@Databricks 采用了 MCP 服务器，连接到他们的 API，使 LLM 能够运行 SQL 查询、列出作业并获取更新的作业状态。

开发和工程工具

软件开发一直是 MCP 最早且最强力的应用领域之一。正如 NSHipster 在近期文章中指出的那样，“语言服务器协议（LSP）革命性地改变了编程语言与开发工具的集成方式，而模型上下文协议（MCP）旨在为新一代 AI 工具实现同样的变革。”

一些现在支持MCP集成的主要开发和工程工具包括：

@zeddotdev 、@Replit、 @codeiumdev和 @Sourcegraph 正在与MCP合作，通过使代理更好地获取信息来理解编码任务的上下文，从而生成更细致且功能更强的代码。

@github 的MCP服务器提供与其API的无缝集成，为开发者和工具提供高级自动化和交互功能。

代码分析和生成的IDE集成，将AI从被动助手转变为软件开发过程中的主动协作伙伴。

MCP在AI系统中的扩展影响力

MCP在各行业的快速普及凸显了它作为AI工具交互的标准化协议的价值。最初由Anthropic发起，它如今已经发展成一个开放的生态系统，拥有成千上万的社区构建的服务器和来自主要技术公司的集成。最近，我们看到MCP服务器的可访问性大幅增长，专门为AI代理提供的服务器已超过300个，如@Sumanth_077所示。

随着MCP的成熟，我们看到：

1. 简化的集成 - 通过标准化接口替代自定义连接器。
2. 通过协议级身份验证和访问控制增强的安全性。
3. 一个蓬勃发展的开发者生态系统，创造了专门的工具和连接器。
4. 不同AI模型和应用之间的跨平台兼容性。

MCP加速了代理群体协调的需求

尽管MCP解决了单个AI代理与数据源之间的连接问题，但它并未解决多个专门代理之间的协调挑战。这正是@TheoriqAI的发挥作用之处。

Theoriq在过去两年中一直倡导使用代理群体（在“群体”一词流行之前，我们称之为“集体”）。随着我们开发Theoriq协议——一个去中心化的多代理协议，用于AI驱动的金融，我们正在为代理之间的通信、协作和执行复杂金融任务奠定基础。我们已经在正面解决这一挑战，通过构建一个基于该协议的链上流动性供应（OLP）群体，为DeFi生态系统及其参与者提供金融价值。更多内容如下。

专门化的代理将继续出现，并在它们被构建的任务中变得更加高效，而随着每个代理利用MCP进行数据访问，它们仍然需要“通信轨道”与彼此进行连接。将大量MCP插件添加到通用代理中，比起让专门化代理通过协调协议进行通信，将更加低效。

MCP的加入使代理更容易连接到外部数据源，将这一能力加入Theoriq正在做的工作，只会增强代理的能力。Theoriq协议通过以下方式解决了这一更高层次的挑战：

1. 使代理之间能够相互通信 - 虽然MCP将代理连接到数据源，Theoriq则通过信任最小化的方式将代理连接到其他代理，包括支持性和长期的通信。值得注意的是，MCP只允许代理发起信息请求，而Theoriq允许在发生重要事件时（如市场变化或突发新闻）召回代理。
2. 提供协调机制 - Theoriq的群体允许专门化代理在复杂任务中共同工作，如流动性供应 - 它们可以通过自然语言进行沟通，具有丰富的语义，而MCP遵循传统的API范式，功能更为僵化且定义狭窄。
3. 建立经济激励 - 与MCP不同，Theoriq利用代币经济和支付激励高质量的代理贡献和参与，并产生财务结果。
4. 确保代理交互的安全性 - Theoriq的链上/链下架构确保了代理之间的安全、可验证的通信，超出了MCP的功能。
5. 支持代理发现和声誉 - Theoriq使代理能够根据能力和业绩记录发现彼此，促进更有效的合作。

MCP作为代理工具层，Theoriq作为协调层

模型上下文协议（MCP）已经成为连接AI模型与数据和工具的关键基础设施。它标准化了代理与外部世界的互动方式，使得专门化、能力强的代理变得越来越可行和有价值。

然而，随着这些专门化代理的激增，它们之间的协调需求也在增长。Theoriq通过提供代理之间通信的“轨道”填补了这一关键空白，使得复杂的多代理系统能够应对像链上流动性供应这样的复杂挑战。

MCP用于代理与外部世界的连接，Theoriq用于代理之间的协调，两者的结合为新兴的代理经济创造了强大的基础。这种协同作用使得专门化的卓越成为可能，而非泛化的平庸，指引着向更加高效、能力更强、信任最小化的AI生态系统迈进。我们预计，所有Web3中的领先AI代理框架都将采用MCP，正如Rig所做的那样。当我们与这些框架合作，集成Theoriq进行群体协调时，我们预计MCP和Theoriq的价值将不断增加。

声明：

1. 本文转载自 [Ron Bodkin]。所有版权归原作者所有 [Ron Bodkin]。若对本次转载有异议，请联系 Gate Learn 团队，他们会及时处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. Gate Learn 团队将文章翻译成其他语言。除非另有说明，否则禁止复制、分发或抄袭翻译文章。