MCP（Model Context Protocol）最近在AI领域火得一塌糊涂，一些大厂已然是将MCP作为下一个战略了。暂且不谈这么频繁更新战略是否合适，仅就MCP本身而言，它真的能带来范式变革吗？
先说结论，MCP确实很有价值，但和下一个范式无关。
全文大约1300字，阅读需要3分钟
一个考古案例：API
先说一个大家都知道的东西：API
API大概在10年前在国内开始流行。技术上，简单来说，当有人按指定的方式调用API时，API接口就能提供某种符合标准的数据。这是一种自动化的数据服务。
在此之前，数据服务的模式是，一手交钱，一手交Excel，各方面意义上来讲，效率都很低：
——采购时，或是购买数据光盘按实物付费，或是按年度付费，一大堆流程。
——使用时，需要花费大量时间进一步处理数据，有时即便是使用同一个数据库，新的项目可能也要重新处理数据。
——此外，不同来源的数据合并也是个大问题。
API的出现让数据服务可以按需、按量、便于整合。只要双方商议好API的格式，需要时调用就好。相比于原本的数据服务模式，这当然是一种新的商业模式，也大大地便利了数据使用者，因此很快就成为数据服务行业的标准交付方式。
那么，API有没有改变数据服务行业的竞争格局呢？并没有。
以金融行研数据服务为例，10年间，各数据库厂商都接入了API，但金融机构采购数据库仍然是那几家，唯一的变化是，某数据库市场份额不断提升的同时还连年涨价。究其原因，还是在于该数据库市场营销到位，将自家产品打造成了行业标准，占领了行业用户的心智。
至于API，谁关心数据以什么方式提供呢。
其他大部分行业也如此，API只是手段，而且技术门槛很低，技术带不来护城河。
互联网行业则是少数例外，API技术直接为大厂们带来了“生态”，大厂作为流量入口，平台上是否有用户关注的内容至关重要。
通过API的方式，用户在大厂平台可以访问生态内部各应用数据，从而在平台内即完成服务闭环，大厂则因此而完成一次有效的流量争夺。
MCP仍然是流量和生态
回到MCP。
MCP技术是为了解决AI大模型的数据调用问题产生的。在使用AI大模型时，我们需要给模型一个提示词prompt，模型才能输出结果。这个prompt很多时候需要调用数据，调用的对象不限于系统内前置非AI模块输出、前置AI模型输出、硬件的返回数据、数据库数据等等。
之前的技术条件下，基本要手动完成调用编码，费时费力也不效率，如果调用不同厂商的模型，还需要遵循不同的接口规范及协议。
这些痛点与API出现前的数据服务场景何其相似，如果能按照API调用的思路来解决问题，岂不美哉。MCP因此而生。
但是，MCP也面临API技术当年相同的处境，技术门槛低，难以在技术上建立护城河。怎么办呢？
暂且不提传统行业，作为已经入局的某大厂，思路仍然是生态和流量。
该大厂本身定位是toB服务，因此基本不产生C端流量，近年来C端生态也一直在萎缩。
宣布支持MCP协议后，一方面，各类C端应用可以将服务按MCP标准封装，从而能被自家支持MCP的大模型调用，给自家模型引流；
另一方面，把自家应用按MCP封装给各类C端应用，省去了市场PR的精力，争夺的是这波AI流量自来水。
各类入局的小厂商创业者也是如此，通过MCP蹭大厂的流量，提升自己的DAU。
所以，不难看出，MCP入局者的目标不在于MCP本身，他们更在乎的是，背后的流量和生态。
最后，站在用户视角，MCP确实可以提升用户体验，MCP的价值就在于此，流量也是因此而产生。故事到此算是完成了闭环。
什么，您说下一个范式，都闭环了，还要什么范式！
（全文完）
粤ICP备14082021号
免费POC，
零成本试错
