模型上下文協議（MCP）是由 @AnthropicAI 開發的一項開放標準，徹底改變了 AI 模型與外部數據源和工具的連接方式。起初，這一標準的影響力發展較慢，但自從 @OpenAI 在今年初採納後，MCP 的採用率迅速上升。它常被比作“AI 代理的 USB-C 接口”——爲連接各種工具和數據源提供統一方式，簡化了 AI 與外部資源的交互流程。

過去，開發者需要爲每個數據源或工具單獨創建集成方式，而 MCP 建立了一套標準化的通信協議，讓 AI 模型（客戶端）與數據/工具提供方（服務器）之間高效協作。其目標是幫助前沿模型通過連接內容庫、商業工具和開發環境等數據系統，生成更優質、更相關的響應。

從本質上看，MCP 解決了大型語言模型（LLMs）無法訪問實時數據、也無法直接執行外部操作的根本限制。MCP 使 AI 系統能夠動態發現並與可用工具交互，支持模型與外部系統之間持續的雙向通信。這對於賦能更強大的自治型 AI 代理尤其關鍵，特別是在 DeFi 領域中表現出顯著優勢。

MCP 如何優化 DeFi 中的 AI 代理

MCP 通過簡化代理處理和交互實時數據的方式，大幅提升了 AI 代理在 DeFi 領域的能力。它允許 AI 代理動態訪問來自關係型數據庫和 API 等外部數據流，例如市場數據，使代理更容易獲取最新信息，從而提升決策的準確性。通過實時整合多個數據源，代理可以分析復雜數據點，並對不斷變化的市場條件做出快速反應，這對於流動性提供等關鍵場景至關重要。

MCP 還通過賦能工具執行操作，提升了 AI 代理的效率。代理不僅能從外部系統中拉取數據，還能將更新或操作推送回這些系統，例如執行智能合約或更新流動性倉位。這使代理能夠自主執行 DeFi 策略，成爲更高效的參與者。MCP 消除了對每個工具或數據源進行定制集成的需求，降低了系統復雜性，加快了 AI 驅動的 DeFi 方案的部署速度，從而提升了整個 DeFi 生態的響應速度、適應能力和運營效率。

MCP 在爲代理提供“獲取數據”和“執行操作”這兩大核心能力方面表現出色。但相對而言，它並不適用於代理之間的協調或通信。與工具不同，代理並不是通過固定 API 來響應嚴格指令的組件，它們更具靈活性，依靠自然語言執行多種能力，並協調共享狀態下的交互。關於這一點，我在下文 “MCP 加速代理集羣協調需求” 一節中會進一步闡述。

如果你對這個概念還不熟悉，行業領袖 @S4mmyEth 曾撰寫過一篇詳細文章，稱 MCP 是“加密和開源 AI 的關鍵解鎖”，你可以在下方找到該內容。

MCP 在各行業的採用情況

Web3 與區塊鏈

Web3 是技術創新的天然溫牀，正迅速成爲 AI 系統與方法的實驗場。MCP 也不例外，它正在加強 AI 與區塊鏈的集成，爲智能系統與去中心化應用高效交互鋪平道路，正如 @aelfblockchain 最近指出的那樣，MCP 正在爲 Web3 解鎖新的效率潛力。

在 Web3 生態中，已有多個令人興奮的項目正在積極採用 MCP，其中包括：

@Arcdotfun —— Web3 中領先的 Rust AI 代理框架，最近宣布推出 Ryzome，這是一個基於 MCP 的通用 AI 代理應用商店。MCP 在其中實現了 AI 代理與數字服務之間的通信標準化，使 AI 代理能夠輕鬆訪問 Web2 和 Web3 服務，而無需復雜的集成。

@heurist_ai —— 一個去中心化的 AI 即服務雲平台，已經發布了多個支持 MCP 的工具，例如與 @getmasafi 的 X 數據集成。你可以查看他們的 Github，深入了解其代理框架。

@UnifaiNetwork —— 一個 Web3 AI 初創項目，定位爲 Web3 領域的 MCP 實現者，正在構建一系列功能豐富的開源 MCP 插件，涵蓋錢包支付、資產兌換、流動性管理策略、AI 驅動的預測等能力。

@StoryProtocol —— 全球性的 IP 區塊鏈，最近也宣布與 MCP 集成，使 AI 代理能夠便捷地獲取其生態系統中的交易、許可和所有權等信息，同時也支持代理創建和轉移知識產權。

這些由行業內創新團隊推動的 MCP 實現，使得大型語言模型能夠高效實時地與區塊鏈數據交互，執行智能合約的安全審計，追蹤代幣指標，甚至在具備適當保障的前提下促成鏈上交易。

電子商務與零售

在電子商務和零售領域，MCP 正在改變 AI 代理與數據源和工具的連接方式，提升運營效率和客戶體驗。像產品搜索、訂單跟蹤和價格推薦等功能，正在簡化運營流程並增強整體購物體驗。

該領域的早期 MCP 集成包括：

@Shopify 商店正在集成 MCP，通過簡單的 API 調用其管理員 API 來輕鬆管理產品、客戶、訂單等。

@blocks，領先的支付提供商之一，使用 MCP 構建了一個開源可擴展的 AI 代理，名爲 Goose，幫助安裝、執行、編輯和測試任何 LLM 的代碼。

@WooCommerce 引入了 MCP 服務器，以改善與其商店的交互，爲管理產品、訂單、客戶、運輸、稅務、折扣和商店配置提供了全面的工具。

企業 B2B

在企業領域，MCP 在商業運營和工作流程中得到了廣泛應用。MCP 已在領先的企業產品中得到了採納，包括：

@OpenAI 集成了該技術，以改善 AI 代理與外部系統之間的標準化通信，簡化企業工作流程，減少開發開銷。

@Microsoft 在 Copilot Studio 和 Semantic Kernel 等產品中引入了 MCP，使開發者能夠直接連接到現有的知識服務器和 API。操作和知識會自動添加到代理中，並隨着功能的演變持續更新。

@Databricks 採用了 MCP 服務器，連接到他們的 API，使 LLM 能夠運行 SQL 查詢、列出作業並獲取更新的作業狀態。

開發和工程工具

軟件開發一直是 MCP 最早且最強力的應用領域之一。正如 NSHipster 在近期文章中指出的那樣，“語言服務器協議（LSP）革命性地改變了編程語言與開發工具的集成方式，而模型上下文協議（MCP）旨在爲新一代 AI 工具實現同樣的變革。”

一些現在支持MCP集成的主要開發和工程工具包括：

@zeddotdev 、@Replit、 @codeiumdev和 @Sourcegraph 正在與MCP合作，通過使代理更好地獲取信息來理解編碼任務的上下文，從而生成更細致且功能更強的代碼。

@github 的MCP服務器提供與其API的無縫集成，爲開發者和工具提供高級自動化和交互功能。

代碼分析和生成的IDE集成，將AI從被動助手轉變爲軟件開發過程中的主動協作夥伴。

MCP在AI系統中的擴展影響力

MCP在各行業的快速普及凸顯了它作爲AI工具交互的標準化協議的價值。最初由Anthropic發起，它如今已經發展成一個開放的生態系統，擁有成千上萬的社區構建的服務器和來自主要技術公司的集成。最近，我們看到MCP服務器的可訪問性大幅增長，專門爲AI代理提供的服務器已超過300個，如@Sumanth_077所示。

隨着MCP的成熟，我們看到：

1. 簡化的集成 - 通過標準化接口替代自定義連接器。
2. 通過協議級身分驗證和訪問控制增強的安全性。
3. 一個蓬勃發展的開發者生態系統，創造了專門的工具和連接器。
4. 不同AI模型和應用之間的跨平台兼容性。

MCP加速了代理羣體協調的需求

盡管MCP解決了單個AI代理與數據源之間的連接問題，但它並未解決多個專門代理之間的協調挑戰。這正是@TheoriqAI的發揮作用之處。

Theoriq在過去兩年中一直倡導使用代理羣體（在“羣體”一詞流行之前，我們稱之爲“集體”）。隨着我們開發Theoriq協議——一個去中心化的多代理協議，用於AI驅動的金融，我們正在爲代理之間的通信、協作和執行復雜金融任務奠定基礎。我們已經在正面解決這一挑戰，通過構建一個基於該協議的鏈上流動性供應（OLP）羣體，爲DeFi生態系統及其參與者提供金融價值。更多內容如下。

專門化的代理將繼續出現，並在它們被構建的任務中變得更加高效，而隨着每個代理利用MCP進行數據訪問，它們仍然需要“通信軌道”與彼此進行連接。將大量MCP插件添加到通用代理中，比起讓專門化代理通過協調協議進行通信，將更加低效。

MCP的加入使代理更容易連接到外部數據源，將這一能力加入Theoriq正在做的工作，只會增強代理的能力。Theoriq協議通過以下方式解決了這一更高層次的挑戰：

1. 使代理之間能夠相互通信 - 雖然MCP將代理連接到數據源，Theoriq則通過信任最小化的方式將代理連接到其他代理，包括支持性和長期的通信。值得注意的是，MCP只允許代理發起信息請求，而Theoriq允許在發生重要事件時（如市場變化或突發新聞）召回代理。
2. 提供協調機制 - Theoriq的羣體允許專門化代理在復雜任務中共同工作，如流動性供應 - 它們可以通過自然語言進行溝通，具有豐富的語義，而MCP遵循傳統的API範式，功能更爲僵化且定義狹窄。
3. 建立經濟激勵 - 與MCP不同，Theoriq利用代幣經濟和支付激勵高質量的代理貢獻和參與，並產生財務結果。
4. 確保代理交互的安全性 - Theoriq的鏈上/鏈下架構確保了代理之間的安全、可驗證的通信，超出了MCP的功能。
5. 支持代理發現和聲譽 - Theoriq使代理能夠根據能力和業績記錄發現彼此，促進更有效的合作。

MCP作爲代理工具層，Theoriq作爲協調層

模型上下文協議（MCP）已經成爲連接AI模型與數據和工具的關鍵基礎設施。它標準化了代理與外部世界的互動方式，使得專門化、能力強的代理變得越來越可行和有價值。

然而，隨着這些專門化代理的激增，它們之間的協調需求也在增長。Theoriq通過提供代理之間通信的“軌道”填補了這一關鍵空白，使得復雜的多代理系統能夠應對像鏈上流動性供應這樣的復雜挑戰。

MCP用於代理與外部世界的連接，Theoriq用於代理之間的協調，兩者的結合爲新興的代理經濟創造了強大的基礎。這種協同作用使得專門化的卓越成爲可能，而非泛化的平庸，指引着向更加高效、能力更強、信任最小化的AI生態系統邁進。我們預計，所有Web3中的領先AI代理框架都將採用MCP，正如Rig所做的那樣。當我們與這些框架合作，集成Theoriq進行羣體協調時，我們預計MCP和Theoriq的價值將不斷增加。

聲明：

1. 本文轉載自 [Ron Bodkin]。所有版權歸原作者所有 [Ron Bodkin]。若對本次轉載有異議，請聯系 Gate Learn 團隊，他們會及時處理。
2. 免責聲明：本文所表達的觀點和意見僅代表作者個人觀點，不構成任何投資建議。
3. Gate Learn 團隊將文章翻譯成其他語言。除非另有說明，否則禁止復制、分發或抄襲翻譯文章。