摘要

MCP 的第一个周年将一个源自 Anthropic 的本地协议，变成了由产业支持的通信层，而最强劲的采用仍大多隐藏在企业内部。 开发者在感恩节和圣诞节前后开始涌入，Cursor 和 VS Code 随后跟进，Sam Altman、Satya Nadella 和 Sundar Pichai 的背书带来了 4 月的“重大拐点”。Soria Parra 如今认为，MCP 已经遍布大型企业内部，增长速度远超公开服务器数量所显示的水平。
采用问题正让位于更棘手的基础设施问题：远程 MCP 能否在扩展到数百万请求的同时，保留代理的双向行为？ 3 月推出了可流式传输的 HTTP，以及一套错误地将 OAuth 授权服务器与资源服务器合并的认证设计；6 月则将两者拆分，以适配企业身份提供商。与此同时，可选的返回流意味着“没有客户端会做，因为它是可选的”，从而禁用了采样和引导；横向扩展的 Pod 之间共享状态，也带来了 Redis、Memcache 或其他共享状态系统的复杂性。
程序化工具调用和 skills 并不会取代协议，而是将技术栈拆分为执行优化、领域知识和连接能力。 Code mode 可以在沙箱代码中组合多次 MCP 调用，Soria Parra 将其视为“纯粹的 token 优化”；MCP 则继续负责认证、发现和自描述。Skills 提供垂直领域 expertise 与脚本，MCP 提供横向的“通信层”、远程执行能力和可独立演进的集成。
Tasks 和 MCP Apps 是 MCP 超越当前重上下文用法的两条扩展路径。 Tasks 将持续 1 小时或数天的操作正式化，目前支持轮询，未来计划支持 webhook 式完成通知；这套设计最终必须暴露中间结果和工具来源，而不能只是包裹一层异步 RPC。MCP Apps 则为选座、购物等场景带来可移植的视觉交互，但 iframe 样式和宿主集成仍未解决。
代理驱动的发现可能极具威力，但前提是注册表先建立信任、来源追踪和受监管数据控制机制。 理想状态是“模型知道自己想要什么”，能够选择 MCP 服务器、安装它并完成任务；单一公共注册表仍只是供应链上的“垃圾场”。因此，私有注册表、信任等级、可能的提供商签名、法律要求的金融数据归属说明，以及 HIPAA 数据的会话隔离，都是生态需要解决的要求。
将 MCP 纳入 Agentic AI Foundation，降低了平台归属风险，但没有削弱 Anthropic 的投入。 Soria Parra 仍是核心首席维护者，原有产品和 SDK 团队继续参与；中立归属意味着 MCP“将始终保持开放”，其名称也能安全使用。Linux Foundation 表示，首日就有 50 家公司参与，Jim Zemlin 称这是其在那里 22 年来前所未有的主动参与热度。
AAIF 的目标是筛选经过验证、可组合的基础设施，而不是预测一套普适的代理技术栈，也不是接纳每一个时髦协议。 MCP、Goose 和 AGENTS.md 构成了初始范式：标准必须与能证明其效用的具体实现配套，技术治理与资金支持则彼此分离。Zemlin 用类似投资人的方式概括说，开放技术是“一份隐含的期货合约”：共享工程投入可以提升质量和采用率；而 Brad Howes 想看到的验证结果，是代理足够异步化，能够“有 20 个代理替我工作”。

精读

1. MCP 用 1 年从本地实验走向广泛产业采用

Soria Parra 对采用进程的回顾始于本地 Claude Desktop 服务器，随后是感恩节和圣诞节前后的开发者热情，接着 Cursor 和 VS Code 等主要客户端加入。4 月出现“重大拐点”：Sam Altman、Satya Nadella 和 Sundar Pichai 宣布 OpenAI、Microsoft 和 Google 的采用计划。
4 次规范发布伴随着这轮增长，而不是单纯追赶增长：3 月加入远程连接和初始认证，6 月修正面向企业的 OAuth，11 月底推出长时任务。Soria Parra 如今认为，MCP 已经拥有“非常扎实的基础”，只剩 1 个主要原语和可扩展性工作，之后协议才会趋于稳定。
可见的生态规模低估了实际部署量。他从大型组织得到的判断是，“在公司内部、在大型企业里，你到处都能看到 MCP”，增长发生在企业边界之后，而不是公开目录中。

2. 远程 MCP 让 OAuth 无可回避，也暴露了企业认证设计错误

MCP 的设计刻意带有规范性：当一个陌生客户端与服务器进行认证时，协议应当提供一条可互操作的路径。因此，从标准输入输出转向使用可流式传输 HTTP 的远程服务器时，认证就成为 3 月改版不可分割的一部分。
第一版设计将 OAuth 的授权服务器——负责发放 token——与 MCP 资源服务器——负责接收 token——合并在一起。对于一家将服务器连接到自有账户的初创公司，这套方案可以工作；但对员工通过中央身份提供商认证的企业而言则不行。
Soria Parra 坦率承认，“企业认证原来并不是我的强项之一”。OAuth 专家随后加入社区，6 月版本拆分了资源服务器和授权服务器，同时处理动态客户端注册及相关流程；MCP 服务器如今充当资源服务器，token 获取则委托给认证服务器。
代理的委托认证仍是未完成领域。OAuth 主要围绕人类用户设计，不过代理一旦拥有与工作负载身份绑定的 bearer token，就可以传递该 token；企业可以在封闭系统内安排这一流程，但“如果客户端和服务器互不认识”，MCP 目前还没有好的通用解法。

3. 可流式传输的 HTTP 保留了代理会话，却让横向扩展更复杂

传输层的目标是一个不同寻常的中间状态：服务器只暴露 1 个简单工具时使用普通 HTTP；需要有状态代理时，则可以升级为长连接双向通信。团队评估过 WebSockets 等替代方案，希望基础服务器更简单，同时仍支持复杂的代理通信。
成功之处在于依赖标准 HTTP；失败之处在于把双向返回流设计成可选项。客户端可以打开服务器到客户端的返回流，但“没有客户端会做，因为它是可选的”，导致服务器经常无法主动发起采样或引导，尽管协议已经提供了这些原语。
可流式传输的 HTTP 还会把状态留在服务器端。在 Kubernetes Pod 之间，一次工具调用及其后续引导结果可能落到不同实例上，迫使系统使用共享 Redis、Memcache 或其他共享状态系统；当部署规模达到“数百万请求”时，Soria Parra 说，这会变成问题。
来自 Google、Microsoft、AWS、Anthropic 和 OpenAI 的资深工程师花了 2 天讨论下一版方案。Soria Parra 拥有正式决策权，但他将真正的工作描述为：先就实际问题达成共识，保留一个简单的基础能力，再增加完整双向通信，同时避免让大规模运行变得不可管理。

4. MCP 治理接受集中判断，以跟上 AI 的速度

IETF 类比只能成立到一定程度。IETF 开放且高度依赖共识的流程能够产出持久标准，但 OAuth 2.1 这样的工作可能需要 3 或 4 年；Soria Parra 认为，当前 AI 周期迫使 MCP 采用更小范围的决策群体。
约 8 名核心维护者接受更广泛社区的提案和贡献，但最终决定由他们作出。他有意使用了一个令人不适的描述：“有些基于共识，但也有点像独裁”，并认为在协议必须快速推进的阶段，这是一种有用的权衡。
基金会归属不会取代这一技术流程。Soria Parra 仍担任核心首席维护者；他新增的 AAIF 指导委员会职责，则是判断进入的项目是否会被采用、得到维护、广泛使用并与现有项目互补，而不是最终变成无人维护的库存。

5. 渐进式发现让模型进步逐步缓解上下文压力

在 Soria Parra 看来，协议原语只会受到模型进步的轻度影响。后训练可以让模型在他所称的“MCP Atlas”和大量真实工具上接受测试，但 MCP 不会围绕每一次模型发布持续重做核心设计。
工具膨胀来自一个朴素做法：把发现的每一个工具都直接塞进上下文，这与一次性加载所有 skill 的 Markdown 是同一个错误。渐进式发现则只向模型提供有限信息，让它按需请求更多内容，把上下文留给真正的任务。
从原理上看，任何具备工具调用能力的模型都能执行这一流程；训练会让它更可靠。这也是模型提供商具备前瞻判断的地方：它们知道渐进式发现可以训练，即使底层机制仍然与具体模型无关。
上下文选择仍属于应用层，而不是 MCP。代理可以丢弃旧工具结果、压缩会话，或者询问 Haiku 这类小模型哪些信息必须保留；Soria Parra 预计，学习得到的策略会变得更好。他还开玩笑说，1 年前所有人都在开 RAG，“现在显然已经死了”。

6. 程序化工具调用优化执行，但不会取代协议

从技术上说，MCP 连接的是 AI 应用与服务器，模型本身不是协议参与者。应用可以把每个 MCP 工具直接暴露给模型，但这只是最简单的消费方式。
程序化工具调用，也就是“code mode”，尽管 Anthropic 的文章没有使用这个说法，允许模型提前编排多次调用。模型不再执行工具 A、进行另一次推理、执行工具 B、再发起第 3 次调用，而是生成沙箱代码，让一个结果直接传给下一个工具。
Soria Parra 将其视为“纯粹的 token 优化”。认证、适合语言模型的接口、自动发现和自描述仍由 MCP 提供；代码模式改变的是应用如何编排这些能力，而不是应用如何连接这些能力。
随着沙箱执行成为应用的常规能力，他预计这类模式会越来越多。基础设施可能发生重大变化，但“连接模型与外部世界的协议价值”不会因为模型更擅长编程而消失。

7. Skills 提供垂直 expertise，MCP 提供横向触达能力

在 Soria Parra 的框架中，skills 和 MCP 是“正交”的。Skill 教会模型如何执行领域行为——成为会计师、工程师或数据科学家——而 MCP 提供通信层，以及针对外部系统的具体操作。
Skills 可以包含代码和脚本，但需要本地或远程执行环境。MCP 可以把执行放到服务器端，使那些没有向模型暴露通用机器的 Web 或移动应用也能使用相关能力。
认证是另一条分界线。Skill 内的脚本并不会天然解决身份问题，而 Linear MCP 服务器可以自行管理认证并改进实现，不需要每个下游 skill 冻结或维护这套集成。
Soria Parra 更倾向于共享 MCP 客户端，因为集中化能改善连接池和发现能力。Skill 可以宽泛地说明所需能力，应用从获批注册表中搜索，MCP 再连接选中的能力；他已经看到内部部署将角色专属 skills 与公司数据源组合在一起。

8. Anthropic 的内部自用验证出一种企业自助模式

Anthropic 运营着专门建设的内部 MCP 网关，希望它能与公司的身份提供商集成。内部团队可以通过一条命令将服务器启动到 Kubernetes 集群中，部署过程部分由平台管理，并围绕公司的安全要求设计。
内部用例从 Slack 服务器开始，用户可以让它“替我总结 Slack”，也包括查询公司调查结果的服务器，调查内容涉及 Anthropic、AI、未来和安全。一些服务器还封装了缺少第一方 MCP 实现的外部系统。
这也是 MCP 的起源故事：Soria Parra 所在的开发者工具团队无法跟上公司的增长速度，因此需要一种其他团队可以自行构建的格式。1 年后，在 Anthropic 内部，“我可能连 90% 的 MCP 服务器都不知道”，因为研究人员和其他团队都在创建自己的服务器。
外部基础设施也在收敛到同一抽象层。FastMCP Cloud 可以快速部署服务器，LiteLLM 等网关则能将标准输入输出服务器暴露到远程并集中管理认证；平台处理困难的协议工作，开发者只需实现狭窄的具体能力。

9. 注册表的价值来自筛选与机器发现

官方注册表最初被构想为类似 npm 或 PyPI 的发布层，此前已经出现许多不同目录。统一接口可以让 GitHub 注册表、企业目录和其他经过筛选的视图消费兼容元数据，而无需各自发明格式。
Soria Parra 并不假装公共注册表值得信任：任何人都能发布，因此它继承了供应链攻击和来源不明的问题。子注册表应当对内容进行过滤和筛选，企业则可以将获批的公共条目与自有私有服务器放在同一个 API 后面。
AI 改变了发现方式，因为“模型知道自己想要什么”。理想体验是代理识别所需服务器、安装服务器并完成任务，整个过程几乎像魔法一样；但自动安装应当面向经过筛选的注册表，而不是面向一个“所有人的垃圾场”。
信任等级不可或缺。Soria Parra 提过一个想法，并明确说这只是“随便想到的点子”、可能永远不会上线：由 Anthropic 或 OpenAI 等提供商签名，证明它们扫描过某个 MCP 服务器，并认为其工具描述是安全的。私有企业注册表更可能成为最早验证这套机制的场所。

10. 垂直部署正把政策要求推入通信层

旧金山和伦敦的开发者峰会暴露出模型实验室内部看不到的要求。伦敦的金融行业听众提供了最鲜明的案例，而 Turkish Airlines 服务器等社区项目则说明企业已经在广泛试验。
金融数据可能由第三方授权，并受合同约束，要求客户每次展示数据时都进行归属说明。Bloomberg 正牵头一个金融服务兴趣小组，研究合规的 MCP 客户端和服务器必须执行哪些规则。
未来的一种可能是认证金融服务客户端：客户端必须证明自己会遵守归属说明要求，服务器才接受连接。Soria Parra 将其描述为正在探索的扩展，并非 MCP 核心已经确定的组成部分。
讨论还给出了一个医疗行业案例：服务器可能要求客户端在该会话期间关闭其他所有 MCP 服务器，以避免 HIPAA 保护信息意外流向 Slack 或其他目的地。这是一项跨工具政策，需要由客户端作出保证。

11. 没有客户端支持，采样虽有潜力却几乎无人采用

采样允许 MCP 服务器调用客户端配置的模型进行推理。它对本地分发的服务器最有吸引力，因为服务器作者并不知道用户使用的是 Claude Desktop、VS Code，还是其他模型与应用组合。
早期设计遗漏了一个实际要求：采样调用通常需要临时工具，而这些工具并未由发起调用的服务器暴露。最新版本补上了这一能力，Soria Parra 希望它能解锁更多有用部署。
对远程服务器而言，宿主方认为运营者或许更适合提供 SDK、控制 API，并可能对推理收费。许多客户端仍不支持采样；Soria Parra 对此“至今仍然难过”，但最后总结说：“总得赢一些，也总得输一些。”
实际 MCP 流量仍然压倒性地用于获取上下文和数据，偶尔进行类似 Linear 的更新。深度研究和暴露给用户的代理已经存在，但并不普遍；MCP Apps 是另一条清晰方向，而采样作为代理间机制的潜力仍主要停留在预期层面。

12. Tasks 将同步 RPC 层变成代理基础设施

企业反复提出这样的需求：某些操作需要 1 小时才能完成，甚至可能 1 天内都完不成。普通工具可以通过轮询模拟这一过程，但模型必须理解这种变通方式，导致长时代理使用起来别扭，而不是成为协议中的一等概念。
Soria Parra 的检验标准是：未来能否通过 MCP 暴露 Claude Code 这类编程代理。简单的异步工具调用并不够，因为客户端最终应当收到中间结果、已调用的工具、额外输入，以及最终答案背后的来源信息。
因此，task 是一个容器，而不是重复造一个工具原语。使用特定元数据调用工具会创建 task；这一抽象未来还可以容纳其他操作类型或嵌套 task，而 SDK 会隐藏大部分实现复杂性。
基线设计类似操作系统接口：创建、轮询直到完成，再获取结果。计划中的优化是服务器完成后发送事件或 webhook，避免持续轮询，也避免宿主方那个“虽然不负责任但很酷”的想法——把 HTTP 连接保持数天。

13. MCP Apps 让视觉交互可移植，但样式问题仍未解决

MCP-UI 与 OpenAI 的相关工作正在合并，推进一套通用的 MCP Apps 标准。其承诺是“一次编写，到处运行”：为 ChatGPT 构建的界面，也可以在 Claude、Goose 或其他兼容应用中渲染。
让用户选择航空座位、预订剧院、制作音乐，或操作经过 20 年 A/B 测试打磨的购物界面时，纯文本显然处于劣势。MCP Apps 让模型和人类在同一个视觉界面上交互，而不必把空间决策翻译成文字。
当前的做法是，服务器通过 MCP resource 将原始 HTML 发送到 iframe，再通过受限的 postMessage 接口与宿主通信。宿主可以先检查 HTML，早期版本也应避免外部引用；但 iframe 不会继承样式，品牌方会高度在意这一点，宿主到应用的样式控制仍是开放设计问题。

14. AAIF 让 MCP 保持中立，同时将标准与实现配对

Anthropic 很早就希望 MCP 拥有一个中立归属地，让产业采用 MCP 时不必担心单方面控制。Block 在考虑捐赠 Goose 时主动接触，OpenAI 也加入讨论；经过数月与 Linux Foundation 的合作，Agentic AI Foundation 最终成立。
中立归属意味着 MCP 的目标是保持开放，而不是被收回为专有基础设施，其名称也可以安全使用。Soria Parra 强调，Anthropic 并没有“把注意力从这件事上移开”：他仍是首席维护者，SDK 支持没有变化，MCP 仍是 Anthropic 产品的核心。
Goose 提供了具体的反馈闭环。它在 MCP 之前的插件系统“糟糕透顶”，Brad Howes 在第 2 天左右成为 MCP 最早的非 Anthropic 贡献者之一；如今，Goose 为 MCP Apps 等提案提供了真实客户端，可以展示其价值，也能暴露缺陷。
初始捐赠包括 MCP、Goose 和 OpenAI 的 AGENTS.md，但目前没有预设的支付或商业路线图。项目必须已经健康、得到维护、被采用并且可组合；猜测性架构和重复的通信层需要面对更高门槛。至于未来是否会捐赠 Codex，Cooper 的回答只有一句：“我们还不知道。”

15. Linux Foundation 将资金支持与技术取舍分开

Zemlin 提出 3 项判断标准：项目是否会对产业或社会产生影响，是否需要多个组织参与，以及生态能否为其提供资金并持续维护。AAIF 首日就吸引 50 家公司参与，这是 Zemlin 在 Linux Foundation 22 年来见到的前所未有的主动参与热度，参与者包括 Google、Microsoft、Amazon、Block、Bloomberg、Cloudflare、OpenAI 和 Anthropic。
受托基金负责持有和保护知识产权、处理许可、聘请中立领导者和开发者关系团队，并支持社区召集。Linux Foundation 每年举办超过 50,000 场线上会议，其活动、安保实践和社区仪表盘，让组织不只是“一篇漂亮的博客文章和一堆 logo”。
资金与技术控制被有意分离，以避免标准变成付费参与。Zemlin 称技术是“一份隐含的期货合约”：一家公司可以将 10 名工程师投入共享项目，提升开发速度和质量，进而推动商业采用、市场反馈以及下一轮工程投入。
他的先例是 Google 在 2014 年前后捐赠 Kubernetes，当时还无法确定容器和 Kubernetes 是否会胜过 Mesos、PaaS、OpenStack 或虚拟机，成为云计算抽象层。MCP 的推进速度可能“快 10 倍”；下一阶段的验证将来自真实企业影响、盈利的 MCP 初创公司，以及 Howes 所期待的转变——从阅读聊天会话，走向监督“20 个代理替我工作”。

为什么科学家无法重造一台 Polaroid 相机 [César Hidalgo]中美 AI 创投的真实差异｜对谈 Leonis Capital 合伙人 Jenny