「AI界的C口」 要來了？這麼說吧，這段時間，AI圈有個叫MCP的概念火了。它號稱一統AI江湖，能讓AI直接上手辦公軟體、設計軟體等等十八般兵器，直接替你工作。網友們聊的也是熱火朝天，認為它就是AI的未來，比如，就有人用GPT-4o畫了張在MCP面前，AI大廠們都是一家人的圖…

也有網友分享MCP的工具集合，直接收穫了36萬的閱讀量。

甚至連奧特曼也表示，大家都支持MCP ，那我們也支持！

所以，這玩意到底是個啥，為啥全世界都這麼火紅？

但是光看那些科普，感覺又硬又乾，根本啃不下去。 。

俗話說得好，實踐出真知嘛。所以，江江直接上手嘗試一把，看看這玩意到底有多神，經得起一直吹？

先說結論，這玩意確實還挺牛的。

大家先想一下，現在的AI，是不是純純的“嘴炮大師”，你問他一句，他能一分鐘回复你幾千字不重樣，但你消化起來可能就要幾個小時。 。

而MCP能讓AI直接進入“二階段”，從“嘴砲大師”進化成“打工機器”！

話不多說，我們直接上示範。

咱先從簡單的開始，我直接告訴Claude：在我的桌面生成一份PDF文件，裡麵包含1980年各國的GDP排名的數據表格，並包含兩張柱狀圖。

這玩意雖然不難，但是能幫我動手，我就能騰出手來摸魚了。

AI哥雷厲風行，直接要求連接我的系統，然後蒐集資料、填表格、畫圖表，一氣呵成。

完事直接上桌面打開，有表，有圖，還有數據來源，整個過程不到兩分鐘，我只需要邊喝茶邊看它表演就行了。

你可能會說，這玩意是個人都能做，牛逼在哪裡。

誒，接下來的東西，你還真不一定會。從小到大，對3D建模一竅不通的我，用它居然能實現「用嘴巴建模」。

來看我操作這波。我直接告訴他：“給我建造個林中小屋模型。”

訊息一發送，它二話不說就開始操作Blender ，創建幾何體、調整參數、設定材質… 幾分鐘後，模型直接送到我眼前了。別的不說，能做出來，就已經比我強了。

不僅如此，AI這雙無形的手還能伸到文藝界。

我直接跟它說：「給我寫首歌，不需要貝斯。」（對不起，因為它寫出來的貝斯實在太難聽了。。） AI哥直接連上Ableton，就開始創建音軌、設定bpm、調整音色，編出了一段曲子，兩個音軌，一個是鋼琴，一個是提琴。你別說，味道還蠻對的。

最離譜的是，它還能操縱我的任務管理器。我在Claude裡輸入“請你結束Claude”，它居然真的把自己結束了。我們AI哥還真是說一不二，狠起來連自己都乾。 。

這哪是AI助理啊？簡直就是三頭六臂的全能打工人。而我，直接化身甲方爸爸，只要瘋狂提需求就好了。

而這一切的一切，都要歸功於我們今天講的這個玩意——MCP 。

這玩意全名為Model Context Protocol，也就是模型上下文協定。簡單來說，有了MCP，就相當於AI和軟體裝上了“萬能接口”，讓它能直接存取和操控你電腦上的軟體和文件。

其實，過去要做到這些也不是不行，例如開發者透過LangChain來整合各種工具，後來OpenAI提出了自己的Function Calling機制來讓大模型呼叫工具。

但這些都沒有被多數人接受，主要原因就是技術門檻過高，呼叫幾個小工具就要寫上千行程式碼。 。況且寫出來的函數還不通用，程式設計師得給每個任務單獨開發一個函數。世界上這麼多軟體，程式設計師挨個適配的話，到頭髮掉光也開發不完。 。

這時候，MCP登場了，直接桌子一拍：咱們把介面規範都統一了，你開發完我也能用，效率不就上來了？這就是為什麼MCP如此受關注，它確實保住了程式設計師的頭髮。

至於MCP 是咋做到這些的，其實原理上並不難，主要分三步。

第一步，它會發起詢問：”能幹這活的請出列！”並獲取可用的工具列表。在第二步，工具清單和你的請求會被打包發給AI 。

最後AI會思考，並決定用哪個工具，並且指揮工具開始工作，再把結果餵回AI 嘴裡，讓你看見。

這一系列操作下來，AI的能力就直接到Next level了。以前的AI就像隻長了嘴，只能告訴你應該怎麼做，你看不懂只能抓耳撓腮；現在有了MCP，就像給AI裝上了手和眼睛，你只需要動動嘴，工作就能完成了。

更逆天的是，有了MCP之後，各大語言模型之間，甚至能協同工作了，例如讓Claude操縱對手OpenAI的GPT4o生個圖，這種操作已經不是幻想了。

也就是說，我一個人可以讓一堆AI為我服務，誰擅長這份工作就讓誰來，而這一切只需要在一個對話框裡就能做。

而現在，網路上已經有MCP工具的超市了，各種功能的MCP Server應有盡有，包括百度地圖、高德、MasterGo等等中大廠也在宣佈接入。

如果你覺得不夠用，你還能依照自己的需求開發專屬MCP Server，打造出完全符合你習慣的AI助手，這感覺比Manus都香多了。 。

誒，看了這麼多演示，你可能會覺得：這MCP應該可以打遍天下無敵手了。不過，從我這幾天的體驗來看，這玩意其實還有很大的進步空間。

首先，MCP還在起步階段，支援MCP的工具也不太多，而且配置起來較為繁瑣，小白很難成功用上這些工具，配置環境時可能很容易就迷失到程式碼裡，無法自拔。 。

而且，這玩意還挺費token的，一是因為調用工具本身就很費token，上層服務調用下層服務時，就要把上層信息傳達下去，調用完成後，下層還要回傳信息，一層接著一層，這就會導致token爆炸多。

二是AI很難一次就找到解決問題的最優解，它可能會挨個方法去試，這就導致如果它一直找不到好辦法，就會一直卡在那裡循環。 。

還有，雖然MCP能給AI裝上手和眼睛，但它的大腦，還是我們的大語言模型，只有大模型理解了你的需求，它才能操作工具工作。但目前的大模型，很多時候還蠻蠢的。

就拿上面的AI建模來說，有時候建造出來的東西，根本不是人類能理解的東西。 。

所以說到底，想要真正發揮MCP的潛力，各大模型廠商對大模型能力的突破才是重中之重，不然會經常出現你讓它往東，它給你往西的尷尬場面，白白浪費你的token 。

不過總而言之， MCP這股風已經在各行各業刮起來了，而且只會越刮越大，照AI這個發展速度，以後人人都能配個AI小團隊。

到時候你做個決定，立刻有三、五個AI助理給你寫方案，這才是真正的科技改變生活嘛。所以，你覺得人類解放雙手的日子，還會遠一點嗎？