一句話完成三個任務，這個神器讓我實現摸魚自由_風聞

“AI界的C口 ” 要來了？

這麼説吧，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 直接上手辦公軟件、設計軟件等等十八般兵器，直接替你幹活。

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 萬的閲讀量。

甚至就連奧特曼也表示，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？

但是光看那些科普，感覺又硬又幹，根本啃不下去。。

俗話説得好，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？

先説結論，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，他能一分鐘回覆你幾千字不重樣，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 " 嘴炮大師 " 進化成 " 打工機器 " ！

話不多説，我們直接上演示。

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，裏面包含 1980 年各國的 GDP 排名的數據表格，幷包含兩張柱狀圖。

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，直接請求連接我的系統，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。

你可能會説，這玩意是個人都能做，牛逼在哪呢。

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 " 用嘴建模 " 。

來看我操作這波。我直接告訴他： “ 給我建個林中小屋模型。 ” 

消息一發送，它二話不説就開始操作 Blender ，創建幾何體、調整參數、設置材質… 幾分鐘後，模型直接送到我眼前了。別的不説，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。

我直接跟它説： “ 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、設置 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。你還別説，味道還挺對的。

最離譜的是，它還能操縱我的任務管理器。我在 Claude 裏輸入 " 請你結束 Claude" ，它居然真的把自己結束了。我們 AI 哥還真是説一不二，狠起來連自己都幹。。

這哪是 AI 助手啊？簡直就是三頭六臂的全能打工人。而我，直接化身甲方爸爸，只需要瘋狂提需求就行了。

而這一切的一切，都要歸功於我們今天講的這個玩意—— MCP 。

這玩意全稱 Model Context Protocol ，也就是模型上下文協議。簡單來説，有了 MCP ，就相當於 AI 和軟件裝上了 " 萬能接口 " ，讓它能直接訪問和操控你電腦上的軟件和文件。

其實，過去要做到這些也不是不行，例如開發者通過 LangChain 來集成各種工具，後來 OpenAI 提出了自己的 Function Calling 機制來讓大模型調用工具。

但這些都沒有被大多數人所接受，主要原因就是技術門檻過高，調用幾個小工具就要寫上千行代碼。。況且寫出來的函數還不通用，程序員得給每個任務單獨開發一個函數。世界上這麼多軟件，程序員挨個適配的話，到頭髮掉光也開發不完。。

這個時候， MCP 登場了，直接桌子一拍：咱們把接口規範都統一了，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，它確實保住了程序員的頭髮。

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，工具列表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，並且指揮工具開始幹活，再把結果喂回 AI 嘴裏，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 就像只長了嘴，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，甚至能能協同工作了，比如讓 Claude 操縱對手 OpenAI 的 GPT4o 生個圖，這種操作已經不是幻想了。

也就是説，我一個人可以讓一堆 AI 為我服務，誰擅長這個工作就讓誰來，而這一切只需要在一個對話框裏就能做。

而現在，網上已經有 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。

如果覺得不夠用，你還能按自己的需求開發專屬 MCP Server ，打造完全符合你習慣的 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 應該能打遍天下無敵手了。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，支持 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代碼裏，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，一層接着一層，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，就會一直卡在那裏循環。。

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，它才能操作工具幹活。但目前的大模型，很多時候還挺蠢的。

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

所以説到底，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，立馬有三五個 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，還會遠嗎？

圖片、資料來源：

X、GitHub、Smithery、Anthropic