MCP：AI Agent和API之间缺失的环节

摘要：重磅！Anthropic推出开源标准MCP，标准化AI Agent的API访问！Speakeasy力推MCP Server Generation，连接LLM与API生态。对比OpenAPI，MCP是动态的Server-Client交互。Vercel、Dub已用

重磅！Anthropic推出开源标准MCP，标准化AI Agent的API访问！Speakeasy力推MCP Server Generation，连接LLM与API生态。对比OpenAPI，MCP是动态的Server-Client交互。Vercel、Dub已用上！未来或有更多AI巨头入局，LangChain、AutoGen等Agent框架迎来新机遇！

译自：MCP: The Missing Link Between AI Agents and APIs

作者：Richard MacManus

去年 11 月，Anthropic 推出了模型上下文协议（MCP），这是一个旨在简化 AI 模型与 API 交互方式的开源标准。正如我们本月早些时候解释的那样，其愿景是使 MCP 成为 AI Agent 触发外部操作的通用方法。

MCP 在最初的几个月中引起了广泛的兴趣，其中包括来自 Speakeasy 等 API 管理公司的兴趣。API 公司将 MCP 视为连接到 LLM 的丰富生态系统和 Agent 框架的链接机制。为了了解更多信息，我采访了 Speakeasy 的 CEO Sagar Batchu。

正如其文档中所述，MCP“遵循客户端-服务器架构，其中主机应用程序可以连接到多个服务器”。

从本质上讲，MCP 标准化了 AI Agent 的 API 访问。您也可以将其视为元 API，正如 Matt Pocock 的这张图所示：

Batchu 解释说：“因此，MCP 是一种协议，实际上是 API 之上非常薄的一层，它表示，这是此 API 需要公开的定义，以便 LLM 或 Agent 能够查询并了解更多关于 [...] 任何数据的信息。”

MCP 客户端可以是像 Claude 这样的 LLM、像 Cursor 和 Windsurf 这样的 IDE，以及各种其他工具（例如 SpinAI，一个用于构建 AI Agent 的 TypeScript 框架）。

至于 MCP 服务器（上图中的橙色块），您可以构建自己的服务器，也可以使用预构建的 MCP 服务器。在其介绍性博客文章中，Anthropic 提到有“适用于流行的企业系统（如 Google Drive、Slack、GitHub、Git、Postgres 和 Puppeteer）”的预构建 MCP 服务器。

构建您自己的 MCP 服务器是 Speakeasy 的用武之地。最近，该公司推出了 MCP Server Generation，这是一种可以自动创建与 MCP 兼容的服务器的工具。

目前，Speakeasy 的 MCP Server Generation 支持基于 TypeScript 的 SDK。但是，鉴于 Python 在 AI 生态系统中的主导地位，该公司计划很快增加对 Python 的支持。

Batchu 指出，由于 MCP 作为客户端-服务器模型运行，因此与 MCP 服务器交互的 AI Agent 可以使用任何编程语言。他解释说，与传统的 SDK（特定于语言并要求开发人员编写集成代码）不同，MCP 服务器公开了 AI Agent 可以直接访问的端点。

OpenAPI 是一种被广泛采用的 API 定义标准，因此乍一看它也是 API 之上的一种层。但根据 Batchu 的说法，MCP 构建在 OpenAPI 之上，而不是取代它。他说：“从 OpenAPI 规范到 MCP 的飞跃非常小。OpenAPI 在某种程度上是 MCP 需要的所有信息的超集，然后您将其与 LLM 的特定示例和描述打包在一起，并将其作为服务器运行。”

换句话说：虽然 OpenAPI 提供了 API 功能的结构化定义，但它主要是一个静态规范。相比之下，MCP 引入了客户端-服务器交互模型。MCP 服务器是一个实时的、正在运行的实例，AI Agent 可以实时查询。这意味着 MCP 服务器可以动态响应 AI 生成的请求，从而使 API 更容易被 Agent 工作流程访问。

“从 OpenAPI 规范到 MCP 的飞跃非常小。”

– Sagar Batchu, Speakeasy CEO

正如 Batchu 所说，“区别在于 OpenAPI 规范只是一个定义，而 MCP 服务器实际上是一种服务器-客户端体验。”

在 MCP 出现之前，将 API 与 AI 模型集成一直具有挑战性。Batchu 指出，许多基于 AI 的 API 集成失败，因为模型缺乏必要的模式信息来理解 API 响应。MCP 通过以 AI 可以理解的方式构建 API 交互来解决此问题，从而使集成更加可靠。

Batchu 说，Speakeasy 已经有几家客户在使用其 MCP 功能集。像 Vercel、Dub 等公司正在利用 MCP 服务器来增强其 API 驱动的工作流程。在 Dub（一个链接分享平台）上，营销团队经常创建短链接来跟踪文章表现。现在，他们无需手动搜索分析仪表板，就可以要求 AI 助手检索过去一周点击次数最多的链接。AI 查询 Dub 的 MCP 服务器，获取相关数据，甚至生成可视化效果，而用户无需离开他们的聊天界面。

我询问了潜在的电子商务应用，因为这个领域似乎非常适合 AI 代理。Batchu 建议，想象一下，这样一家公司使用 MCP 来支持 AI 驱动的商业智能。AI 助手可以查询 MCP 服务器以获取销售数据，生成报告，甚至根据实时洞察提出营销策略。这将减少手动数据提取和分析的需求。