MCP：Crypto+AI下一个爆发点？

文章转载来源： WOO

AI 带来的意义便是解放人类劳动力，提升大多数工作能力的下限，然而目前 LLM 局限性仍大，必须来回对话才能给出建议，且必须用户根据建议亲自执行，距离真正利用 AI 帮我们工作还有一段落差。

而现在如果可以透过与 AI 对话，实际利用你的电脑进行邮件回覆、报表撰写等功能，甚至还可以帮你自动化炒币，是不是越来越接近解放生产力的愿景？而这项技术就是目前在 AI 领域的当红关键字 - MCP

MCP 是什么？

MCP（Model Context Protocol）是由 Anthropic 公司在 2024 年 11 月发布的一套「标准化协定」，用来解决过去 AI 模型只能「说」却无法「做」的问题。

首先先将 MCP 命名拆解

Model：模型，指的就是各种 AI 大型语言模型（例如 GPT、Claude、Gemini 等）
Context：脉络，代表给模型的额外资料或者外部工具
Protocol：协议，通用、标准化的「规范」或者「接口」

合在一起就是：透过统一规范，让 AI 不只会「说」，还能直接操控外部工具完成各种任务。

一般我们最常使用的 LLM，像是 ChatGPT、Grok 等等，只能根据对话内容进行「文字输入、文字输出」。如果我们要让 AI 帮忙实际执行操作，例如去电脑资料夹读档案、发 Email、查资料库等，通常先是下指令给 LLM，用户再经由 LLM 的回应自己动手操作，最后再把结果回报给 AI，AI 再给我们文字建议，我们继续操作，如此往复循环。

MCP 的出现，让 AI 不但能读取电脑本地的档案、连线到某个远端资料库，甚至能直接操作特定的网路服务。也就是说，AI 不再仅仅只是输出文字，而是能替你完成很多重复性或流程性的工作。

运作方式简述

MCP Host（管理员）：负责管理、协调整个 MCP 的运作。例如 Claude Desktop 就是一种 Host，能协助 AI 存取你本地端的资料或工具。
MCP Client（用户端）：接收使用者的需求，并与 LLM（AI 模型）进行沟通。常见例子包括各种整合了 MCP 的聊天介面或 IDE（如 Goose、Cursor、Claude Chatbot）。
MCP Server（伺服器）：可以视作是一组「已经整理好、带有注解」的 API 集合，提供 AI 可以使用的功能。例如读取资料库、发送邮件、管理档案、呼叫外部服务等。

有了 MCP，AI 不只能理解人类语言，还能把特定的文字直接翻译成动作指令，进而完成自动化操作。例如，帮你整理销售报表、发邮件给客户，甚至透过指令直接在 Blender 上进行 3D 建模。

参考：https://www.youtube.com/watch?v=FDRb03XPiRo&t=4s

MCP 的重要性为何？

1.打通 AI 与外部工具的桥梁

LLM 的局限性在于当中的资料都经过预训练，并非实时更新，意思是 LLM 的资料仅限于它训练时所看到的资讯，因此训练之后产生的新资讯，模型是不知道的。

假设 LLM 为今年 2 月训练，那么今年 2 月之后的资料则是完全没有的。

目前主流的方法是使用 RAG (Retrieval-Augmented Generation)，这是一种把「检索系统」与「生成模型」结合的方式。这种架构能在 LLM 推理前，先检索最新的资料，并将检索结果作为上下文提供给模型。具体来说：

资料检索 (Retrieval)：在 LLM 回答问题前，先使用一个检索工具（例如网路搜索、内部资料库查询等），寻找符合当下问题的最新资料。
生成 (Generation)：检索到的资料会作为辅助资料（Context）传递给 LLM，帮助它生成更精准、即时的回答。

像 AI 在回覆问题前，先透过 Bing 或 Google 搜寻最新的资讯，再将检索结果整合进回应，就是使用 RAG 的方式。

MCP 跟 RAG 最大的不同是：

RAG 是用较为静态的资料辅助 LLM 的回答，而 MCP 则能让 AI 真正「动手去做」，例如查资料库、调用 API，或什至修改档案内容。

2.标准化 & 通用性：像 USB-C 一样的存在：不同厂商可以各自开发符合 MCP 规范的功能，就像所有装置都能使用同一种 USB-C 传输线一样。如果没有 MCP，每个开发者都得自行定义该怎么让 AI 呼叫特定 API。这意味着相同的工作会被不同人重复开发。 MCP 统一后，大家只要实作同一套规范就能立即整合，避免重复造轮子的现象出现。

3.从被动回应到主动执行：传统 AI 工具只会回答问题，不能真正动手。有了 MCP，AI 可以根据当下情况决定要执行什么指令，并透过读取回传结果，再进行下一步的动作。这种看情况不断修正的能力，大幅增强 AI 的实用性。

4.安全性与控管：MCP 并不会强迫把所有资料都传到 AI 模型，能透过权限、API 金钥管理等方式控管资料存取，确保机密资讯不会外流。

MCP 跟 AI Agent 相比，差异为何？

什么是 AI Agent？

去年 Q3 由 GOAT 领头带起了 AI Agent 风潮，大多数加密用户是透过 Web 3 视角了解 AI Agent，AI Agent 通常指的是能「自动化」处理特定任务的 AI 系统，它不只跟人对话，还能根据上下文主动采取行动、呼叫工具或 API，去完成一系列的步骤。像是最常见的能够在推特上自主发文，也属于 AI Agent 的范畴。

AI Agent 的限制

缺乏标准化：每个人都可以造一个 Agent，可是如果没有统一的规范，就会出现「这个 Agent 只会用 A 厂商的模型」、「那个 Agent 只会打 B 系统的 API」的问题。
容易各自为政：AI Agent 虽然能跑腿，但开发者往往需要自订大量 API 的格式和规则，不同 Agent 之间缺乏共用的生态系，导致整合困难。

MCP 与 AI Agent 的关系：MCP 是一种协议，AI Agent 是一种概念或执行方法

AI Agent 强调 AI 具备主动行动、执行工具的能力
MCP 则专注于如何让不同 AI 模型与外部工具沟通，扮演通用标准的角色。

MCP 帮助 AI Agent 更有效运作

没有 MCP，AI Agent 可能要对不同工具、不同平台都各写一套 API 规则，开发维护都很麻烦。
有了 MCP，AI Agent 只要照着 MCP 规范，从「Server 列表」中取得可用工具，然后动态决定要用哪一个工具完成任务，对外部资源的存取也更安全、方便。

功能范围不同

AI Agent：着重于决策、逻辑，根据需求判断要怎么做、要执行哪些步骤。
MCP：专门解决工具介接、标准格式，怎么把外部服务、资料库、档案系统以统一的方式提供给 AI

两者结合：AI Agent + MCP ＝让 AI 既懂得怎么行动，也能去哪里行动。

当前币圈有哪些 MCP 概念项目？

1.基础 MCP

Base 官方开发的框架，在 3 月 14 日推出，让 AI 应用能与 Base 区块链互动，用户只要透过自然语言的对话，无需开发能力，便可以做到将合约部署到区块链上以及使用 Morpho 进行借贷等功能。

BORK 是第一个使用 Base MCP 部属的代币，于 3 月 14 日发行，市值最高到达 460 万美元，但当前已回落至 11 万美元，且 24 小时交易量仅有 9 万美元，可以判断该币寿命已经结束。

Flock 是一个去中心化的 AI 训练平台，他指出当前 MCP 仍然在外部 AI 模型上运行，为中心化 LLM 处理，Flock 提供 Web3 代理模型，AI 驱动的区块链任务可以在本地运行，从而为使用者提供更多控制权。

2.天琴座

LYRAOS 全名是 LYRA MCP-OS，也是多 AI Aigent 操作系统，允许 AI Agent 可以直接与 Solana 区块链互动，执行如买卖加密货币等操作。

当前他们正在探索如何使用 MCP-OS 建立数千个 "AI16ZDAOs"，即 AI 驱动的去中心化自治组织，用于加密货币投资，LYRAIOS 计划在 2025 年 3 月 21 日至 22 日之间释出 DEMO，并在下周推出正式产品。

当前代币市值 92.3 万，最高 264 万，24 小时交易量 300 万，持币地址数 2,922

结语：AI 叙事再次起舞，还需时间观察

尽管 MCP 提供了一条标准化规则，让 AI 能更容易且安全地与外部工具互动，且在 Web 3 领域看似大有可为，但成功案例相对有限，背后原因或许包含以下几点：

技术整合尚未成熟：Web 3 生态中，每条链、每个 DApp 的合约逻辑和资料结构都有差异，想将它们统一封装成可被 AI 呼叫的 MCP Server 仍需投入大量开发资源。

安全与监管风险：让 AI 直接操纵合约、处理资金交易，需要设计完善的私钥管理与权限控管机制，难度与成本都高。

用户习惯与体验：多数人对于让 AI 管理钱包或做投资决策仍存疑，区块链本身的操作门槛也高。如果体验过于复杂或缺乏明确的应用场景，新手很难长期使用或投入。

审美疲劳与市场冷感：此前 AI Agent 在币圈掀起风潮，许多未落地的专案在巅峰时期的估值破亿是家常便饭，而近期正面临戳破 AI 泡泡的阶段，大多数项目下跌超过 90%，视为对 AI 的怯魅。

回到 MCP 叙事，可以理解为超级加强版的 AI Agent，此前市场已经经历过加密 AI 狂潮，也逐渐明白何为概念炒作与实际应用，若缺乏真正具有创新与实用价值的应用，投资者与使用者也不会轻易买单。像 BORK 这样的先行 MCP 专案，因为没有明显的差异化或应用落地，最终并未炒起热度，这也是笔者认未现行 MCP 概念尚未风行最重要的关键因素。

MCP 与区块链的结合拥有潜力，但同时面临技术门槛与市场压力的双重挑战。未来若能整合更成熟的安全机制、打造更直觉的使用者体验，并发掘真正带来价值的创新应用，「Web 3 + MCP」才可能脱离「炒作话题」的宿命，成为新一轮主线叙事。