神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：MCP协议正以颠覆性力量重构AI智能体生态。本文拨开"基建先行"的认知迷雾，揭示基础设施与应用共生的底层逻辑，解析开发者如何借助协议红利，在技术栈裂变中捕捉下一波智能体创业浪潮。文章来自编译。
核心要点
模型上下文协议（MCP）通过连接外部服务，将智能体的功能扩展至对话之外。这一协议引发了热烈反响。
虽然MCP能否成为最终标准尚无定论，但其早期发展势头表明：市场显然需要通过一个获得很好认知的协议扩展智能体功能。
当前的MCP服务是供远大于求——数千个MCP服务器里面只有少数得到了有效应用。
数据的背后的故事要分两面看：一面是开发工具（如Cursor）推动了对MCP的早期需求，而MCP服务器供给的爆发式增长则为创始人创造了开发前所未有之体验的机遇。
记住：技术发展不存在孤立的"基础设施阶段"。行业钟爱线性叙事——先有基建，后有应用——这种看似工整的逻辑实则谬误。我们对MCP生态的研究（关于扩展智能体非对话能力）提供了新证据：基础设施与应用实为共生演进，持续相互驱动。
以商业史上最成功的"应用"之一可口可乐为例：饮料配方本身无需复杂的基建，但若无工业制冷、灌装技术和现代运输网络，可口可乐绝无可能成为全球现象。而可口可乐的成功又反向推动了这些基础设施的进步。
回到MCP——自Anthropic于2024年11月首次发布以来，其势头已势不可挡：OpenAI、亚马逊和微软相继支持这一协议。谷歌推出了Agent2Agent（A2A）协议，思科发布了Agent Connect（ACP）协议，二者目前均定位为MCP的"补充"。MCP Server代码库的GitHub星标数已突破25000个，增速曲线极为亮眼：
透过现象看本质，我们分析了MCP服务器目录和软件包仓库，揭示出该生态体系的真实发展阶段及其为创始人创造的机遇。
基础设施与应用的共生关系
理解基建与应用的关系是把握MCP生态的关键。早在2018年，Union Square Ventures就通过《基础设施阶段的神话》阐明二者是如何协同演进的：
新应用催生更复杂的基础设施需求，而基础设施进步又孕育全新的应用类别。这个过程不是线性交替，而是持续交互的共生关系。
这种模式正在MCP生态内实时上演。以Arcade.dev为例：其创始人最初是想开发AI SRE系统，但因缺乏安全工具调用协议难以实现愿景，后来改为做基础设施开发。这种"应用需求驱动基础设施建设，基础设施建设反哺新应用"的循环，正是科技史的永恒主题。
MCP解决了什么问题
在分析数据之前，需理解MCP的使命：对于高要求的应用场景，智能体不仅需要对话能力，更需通过连接外部服务获取实时数据、执行操作——这正是AI助手蜕变为实用工具的核心。
传统API要求精确的参数格式、严格的错误处理与响应解析，其确定性特征与AI模型的概率性输出存在着根本性的冲突。
Toolformer与Gorilla等早期研究显示：大模型虽能学习调用API，但其概率性输出与传统API的确定性要求存在根本矛盾。
传统API要求精准的参数格式、错误处理及响应解析，而AI模型的概率性输出常导致参数幻觉（比方说实际方法为"setFillColor('#FF0000')"，AI可能误用为"setColor('crimson')"）、格式误解与错误处理失效，致使规模化可靠应用难以实现。
MCP通过标准化协议解决此问题：让AI模型能发现可用工具、正确使用工具，并在切换工具时保持对话的上下文。该这一协议为智能体-工具交互注入了确定性，无需为每个新工具编写定制代码即可实现可靠集成。
我们用一个实际案例来理解一下这么做有何不同：假设用户想让AI助手"给我的Figma设计添加一个红色按钮"
无MCP时：AI可能会生成错误的API调用代码（如误用了setColor而不是setFillColor）、遗漏了鉴权步骤或错误处理响应，导致工作流中断，用户不满。
使用MCP时：Cursor会连接Figma的MCP服务器，AI得以精准获知可用方法、参数要求及请求格式。服务器明确告知"添加红色按钮的正确方式"，确保操作稳定成功。用户无需理解技术细节即可获得预期结果——这种确定性交互令MCP备受瞩目，将不可预测的AI实验转化为可靠生产力工具。
这不仅是便利性提升，更是令AI智能体真正可用的范式转变——整个技术栈都为此兴奋。
MCP现状：数据透视
数据显示：MCP的爆发式增长主要由服务器与开发工具（生态"供给侧"）驱动，包括搜索工具、API连接器、数据访问层等基础组件。
MCP服务器数量激增：官方TypeScript SDK周下载量达70万次；Smithery平台3月份服务器创建量暴增了3倍。
实际应用高度集中：Smithery平台2500+的服务器当中，仅有8个安装量超5万次，呈现出典型的幂律分布：
有趣趋势："网页搜索"服务器数量最多，但"文件搜索"（均装3096次）与"代码/开发"（均装3239次）类别的单服务器安装量更高，表明早期用户是寻求实用工具的技术开发者，而非大众市场。
服务器数量领先的类别：网页搜索（529个）、代码/开发工具（323个）。热门服务器包括：
热门网页搜索服务器：集成网络与本地搜索的Brave Search，使用Sonar Pro模型的Perplexity Search。
代码/开发类头部服务器：支持结构化思考过程的Sequential Thinking与Think Tool。
文件搜索工具：平均安装量3096次（第二高），有3个服务器安装量超过了5万次，包括：Smithery平台安装量位居第二的Desktop Commander服务器：支持终端命令执行与差异文件管理。
通信工具类：服务器仅57个（倒数第三），但均装1165次。头部服务器均对接Google生态： VeyraX服务器（支持70+工具，含Gmail）领跑，其他头部服务器聚焦Gmail管理（其中4个名称含"Google Workspace"）。
npm生态数据：含53个MCP SDK包与751个服务器包。SDK下载增速远超服务器，显示开发者正为尚未落地的用例储备工具。
"AI/工具"类：156个服务器，平均安装量超万次。但"文件搜索"类仅有13个服务器，平均安装量却达2万次，CLI命令包（39个）下载量悄然领先，显示小类别的高效价值交付。
npm周下载趋势：CLI命令类13.1万次领先（Smithery-CLI占多数），AI/工具类8.7万次（趋平），网页搜索类8.4万次（稳定增长）。
总体而言，安装数据揭示：开发者群体仍处在技术深潜的实验阶段，聚焦在搜索工具、命令行工具等基础组件，正在为未来复杂的工作流打下基础。
在供需交汇处涌现出来的模式
我们可以从数据揭示的供需错配中梳理出关键模式：
应用驱动基础设施建设的优先级：当前需求集中在桌面应用与单用户场景。以代码为核心的AI助手Cursor已成为MCP主要需求源，这与开发者导向工具的高采用度相吻合。
用户对应用功能的诉求催生新型基础设施需求。如果ChatGPT或Operator支持MCP，将为多用户智能体应用奠定基础。
基础设施集中化赋能新应用：推理工具（如Smithery的"Sequential Thinking"）与Web/UI自动化工具的兴起，表明基础设施建设正围绕着高阶智能体应用所需能力进行整合。
Smithery推理服务器的流行绝非偶然：它将结构化推理编码至工具中（而非依赖AI概率性学习API模式），令交互变得更加确定可靠。这预示未来成功工具将延续"知识编码"路径，而非依赖AI自行探索。
这绝不是类似"基础设施阶段VS应用阶段"这样的叙事——正如Union Square Ventures 在2018年所说那样，二者是持续共生的关系。MCP服务器供应既响应了早期的应用需求，又为开发者创造了新的可能。
全栈创业者的机遇
研究显示，共生关系的两端存在着差异化的机会：
基础设施与工具提供者
如果你正在开发或改进智能体工具的话，需关注三个核心方向：
拥抱MCP但保持战略弹性：新型智能体需要超越传统API的可靠性。MCP解决了概率模型与确定性API的根本矛盾，是当前最佳实践。但协议标准尚未定型（某基础设施供应商坦言"开发者受困于未成熟框架"），需在采用MCP时保留演进弹性。
攻克采用瓶颈：目前有四大障碍制约着MCP的普及：1）安全治理（企业级权限/审计需求）；2）碎片化发现与鉴权机制；3）信任体系缺失（要在海量服务器中甄别出可靠工具）；4）防护机制不足（如IDE误删关键文件）。
组合与协作能力缺口：高阶智能体需工具间的嵌套调用（如执行时调用LLM），而当前MCP规范对此支持有限，开发的上限受制。
创业者可通过扩展MCP协议、整合Google A2A/Cisco ACP功能或自建方案来填补鸿沟。解决这些问题将推动整个生态进步。
敏捷响应现实需求：成功供应商需密切观察开发者真实的开发场景，针对性解决痛点——这种敏捷性比单一功能更重要。
智能体开发者的机遇
机遇具有变革性：AI智能体代表全新的应用形态，整个软件世界都在面临重构。正如移动端催生应用重建浪潮，智能体将开启更宏大的范式迁移。
当前MCP供应热潮提供了前所未有的强大工具。核心问题已不是"工具有哪些"，而是"如何利用扩展工具集实现以往不可行的突破"。
数据显示：尽管当前采用有限，但推理、网页交互、数据访问与通信工具正快速成熟。开发者可专注于通过组合编排创造价值，无需从零构建核心能力。
数据揭示潜在机遇领域（生产力工具、分析能力、商业解决方案、旅行服务等），但更重要的启示是：聚焦客户痛点，利用MCP与智能体技术栈的新能力来破局。
MCP虽处早期（存在认证、发现与安全等局限），但清晰指向智能体能力将超越对话的大趋势。开发者应关注新基建带来的可行性，但勿让技术狂热遮蔽本质——要去开发真正解决问题的生产级智能体，为客户创造价值。
展望未来：加速循环
MCP生态遵循一种大家熟悉的模式，但关键区别在于：AI进步的时间压缩效应令基础设施建设-应用的交互加速至空前速度。
诚然，MCP可能重蹈OpenStack等协议由盛转衰的覆辙，其"补充协议"（如Google A2A、Cisco ACP）或成替代方案。但核心趋势不变：开发者亟需扩展非对话能力的基础设施建设。能识别并解决过往棘手问题的创业者，将定义下一代应用的标杆。
再回到可口可乐这个案例：工业制冷技术成熟耗时数十年，产品创新与基建演进需跨代际来展开。而AI智能体世界的同类交互，正以月为单位加速演进。
不同于工业基建缓慢迭代或移动应用多年的成熟周期（App Store 2008年推出，Uber/Airbnb 2010年才出现），智能体的可能性正日新月异。此刻投身基建与应用共生浪潮的开发者，将定义AI驱动的下一代软件的未来。
译者：boxi。
