套用 Ben Thompson 的话来说，任何网络的首要特征是已经存在于其中的用户。因此，任何新协议的力量都源于其采用率（即生态系统）。可以肯定地说，MCP 目前已经获得了足够的临界质量和发展势头，它已经成为 2023 - 2025 年「智能体开放标准」之战中假定的赢家。按照目前的速度，MCP 将在 7 月份超越 OpenAPI：
你可以自己查看。如果你好奇，可以添加 Langchain，但它会使图表过于倾斜。
像 Kubernetes、React 和 HTTP 这样被广泛接受的标准，通过将爆炸性的 MxN 问题转化为易于处理的 M+N 生态系统解决方案，来适应各种各样的数据发送者和消费者，因此，如果它们能够获得临界质量，那么它们就非常有价值。事实上，即使是 OpenAI 也拥有之前的 AI 标准，Gemini、Anthropic 和 Ollama 都在宣传与 OpenAI SDK 的兼容性。
我并不自大到认为 AIE 峰会的研讨会导致了这种加速；我们只是为已经蔓延的火焰添了一把柴。但作为长期关注开发者工具创业公司的从业者，我看到许多公司试图为开放标准创造势头，但都失败了。我觉得我不能错过这个机会，在它还新鲜的时候更深入地研究它，以便为未来的标准创建提供指导。此外，我每天都会被问到两次关于我对 MCP 的看法，所以现在是时候把它写下来了。
为何 MCP 胜出（概览）
也就是作为事实上的标准而「胜出」，胜过并非完全等同但却是替代方法的方案，如 OpenAPI 和 LangChain/LangGraph。大致按重要性降序排列。
1.MCP 是旧理念的「AI 原生」版本 2.MCP 是一个拥有强大支持者的「开放标准」 3.Anthropic 拥有最佳的开发者 AI 品牌 4.MCP 基于 LSP，一种现有的成功协议 5.MCP 通过完整的第一方客户端、服务器、工具和 SDK 进行充分的实践（Dogfooding），并通过内部使用验证了这些工具的实用性 6.MCP 起步于最小的基础，但会频繁随着路线图更新 7.非促成因素：那些我们认为令人惊讶地没有促进 MCP 成功的方面
• 与 Zed、SourceGraph Cody 和 Replit 等启动合作伙伴合作 • 发布出色的文档
我现在将结合一些截图来详细说明。
看看，又一个万能盒子：「我们可以通过引入一个额外的间接层来解决任何问题。」
MCP 是旧理念的「AI 原生」版本
许多「老派开发者」，包括我自己，最初会对 MCP 的成功感到困惑，因为从技术层面来看，MCP 基本上能够实现与 OpenAPI / OData / GraphQL / SOAP 等现有标准相同类型的能力。因此，人们会理所当然地认为，更老、更可靠（Lindy）的标准应该胜出。
然而，仅仅从技术角度来否定一个想法，就是忽视了人类工程师所处的社会环境。换句话说，若仅因旧方案也能实现相同功能就认为理应选择旧方案，这种论调显得过于简单，如同时尚界中每个开发者都会遇到的Lavers' Law谬论，就像你认为AI 工程师的崛起与现有工作岗位足够相似，从而否定它一样。套用Eugene Wei 的 Status as a Service中的话来说，新的开发者一代总会积极寻求新的突破，以在各自领域中留下独特印记，这主要是因为你已经在你的领域里留下了自己的印记。
协议价值的自反性—— 记住，它们只有在被采用后才有价值 —— 意味着这些想法在事先几乎没有任何价值。MCP 之所以有价值，是因为 AI 影响者认为它有价值，因此它才变得有价值。
然而，如果说 MCP 与 OpenAPI 完全等同，并且仅仅是愤世嫉俗的时尚周期推动了它的成功，那也太过于简单化了。这就是为什么我选择将这个成功因素描述为「AI 原生」—— 在这种情况下，MCP 诞生于Claude Sonnet 在 SWE-Bench 中取得第一名的经验教训，并在构建有效智能体中得到了阐述，主要是这张幻灯片：
对于每个智能体中已经独立重复出现的模式进行具体化的「AI 原生」标准，总是比在没有这些偏见的情况下设计的不可知标准更符合人体工程学，并且更容易构建工具。
因此，MCP 胜过 OpenAPI。
其次，回到这张幻灯片，关注工具（模型控制）、资源（应用程序控制）和提示（用户控制）之间阐述的差异。
MCP 的「AI 原生」特性是在最初的大语言模型 (LLM) 框架浪潮之后诞生的，这意味着它有足够的喘息空间来抵制从 LLM 互操作性开始做「显而易见」的事情（现在这些问题已经得到解决，并且可能由客户端和网关拥有），而是聚焦于将动态上下文接入作为核心问题，非常明确地表明 MCP 的动机是「模型的好坏取决于提供给它们的上下文」）。
因此，MCP 胜过 LangChain 等。
MCP 是一个拥有强大支持者的「开放标准」
对于那些希望最好的想法获胜的理想主义者来说，这也许是最令人沮丧的：来自大型实验室的标准比来自其他任何人的标准都更容易成功。即使是那些拥有数万个 Github 星星和数千万美元顶级风险投资资金的标准。这没有任何公平可言；如果你的创业公司的财务未来激励你将我锁定在你的标准中，我就不会采用它。如果标准的支持者看起来太大而不在乎将你锁定在标准中，那么我就会采用它。
因此，MCP 胜过 Composio 等。
任何「开放标准」都应该有一个规范，而MCP 有一个非常好的规范。仅凭这个规范就击败了很多竞争者，因为它们没有提供如此详细的规范。
因此，MCP 胜过许多开源框架，甚至可以说是 OpenAI 的函数调用，因为它们的文档略低于一个完全详尽的规范。
Anthropic 拥有最佳的开发者 AI 品牌
也许与背后有强大的支持者这一事实同样重要的是，是哪个强大的支持者。如果你要构建一个开发者标准，那么被开发者喜爱会有所帮助。Sonnet 在这方面已经称霸了近 9 个月。
https://aider.chat/docs/leaderboards/by-release-date.html
对于新手来说，可能容易忽略一个更微妙的点 —— Anthropic 始终明确强调支持比 OpenAI 更多的工具 —— 虽然我们没有相关消融实验数据对比各模型的工具数量，但直观来看，MCP 能够在单次调用中集成更多工具，而这种优势并非源自技术限制，而在于其易于集成的特性。因此，能够更好地处理更高工具数量的模型会做得更好。
https://x.com/swyx/status/1775993946935906645ll
因此，MCP 胜过其他公司（例如 Cisco）的同等开发者标准。
MCP 基于 LSP，一种现有的成功协议
「拥有强大支持者的开放标准」声明的另一部分要求该标准没有任何致命缺陷。Anthropic 团队没有从头开始临时发明一个标准，从而冒着重新审理过去所有错误的风险，而是非常聪明地采用了微软非常成功的语言服务器协议 (LSP)。
https://x.com/dsp_/status/1897821339332882617
同样，从研讨会中可以看出，人们敏锐地意识到 MCP 与 LSP 的比较：
理解这一点的最佳方法是查看任何其他试图获得大规模采用的 AI 原生开源竞争对手，然后尝试思考一下，你是否能够像添加 MCP 一样轻松地将它们添加到 Cursor/Windsurf 中。通常，竞争对手更多地被设计为作为项目中的模块使用，而非以一种普适的消息格式供所有人调用；而 MCP 则坚持采用从 LSP 继承来的 JSON RPC 传递消息，从而实现了客户端与服务器之间的高度互通性。
因此，MCP 胜过其他更「未经证实」的标准格式。
MCP 通过完整的第一方客户端、服务器、工具和 SDK 进行充分的实践，并通过内部使用验证了这些工具的实用性
MCP 发布时带有：
•客户端：Claude Desktop •服务器：19 个参考实现，包括用于内存、文件系统（神奇！）和顺序思考的有趣实现 •配套工具：MCP Inspector, Claude Desktop DevTools •SDK：Python和TS SDK，以及llms-full.txt文档
此后，最近的Claude Code也偷偷地加入了来自 Anthropic 的第二个官方 MCP 客户端，这次是以 CLI 形式：
https://x.com/willccbb/status/1898858751685255398
这全部来自 Anthropic 开发者的真实使用案例。
因此，MCP 胜过其他大公司的较少内部测试尝试，例如 Meta 的 llama-stack。
MCP 起步于最小的基础，但会频繁随着路线图更新
开发者工具中最重要的概念之一是拥有最简化的接口：
youtube
对于 MCP 有多小，不同的人可能会有不同的看法：
https://x.com/dsp_/status/1898087775637012736
但你不能否认 MCP 持续更新的步伐：
https://x.com/alexalbert__/status/1874853921543553147
当然，在研讨会期间也发布了新的更新：官方 MCP 注册表的计划（当然会立即成为第一注册表，尽管人们对去中心化注册表感到兴奋）：
远程服务器发现：
还有：
因此，MCP 胜过其他启动后未能保持势头的标准。