一文看懂 MCP：为什么 OpenAI、Claude、Cursor 都在支持这个 AI 世界的 USB-C

先说个我自己每天都在经历、但一直没单独拎出来讲的事。我这个博客的整条生产线从拉资讯、查重、配封面到一文多发全长在 Claude Code 上。其中给文章生成封面那一步背后调的是一个叫 banana-image 的东西把稿子同步到各个平台那一步调的是另一个叫 sync-assistant 的东西。我在 Claude Code 里说一句「给这篇配张封面」它就自己把活干了。这两个「东西」专业叫法都是 MCP server。这阵子你大概也刷到了这个词MCP。OpenAI 在支持它Claude 原生带它Cursor、Windsurf 这些编程工具全在接它。一个 Anthropic 自己提出来的协议连最大的对手 OpenAI 都跑来用这事本身就值得琢磨。今天我就用大白话把 MCP 到底是个啥、跟我们熟的 API 和 function calling 差在哪、为什么能熬成行业标准一次讲清楚。MCP 到底是什么一句话能不能说明白能。Anthropic 官方自己打的那个比方最传神MCP 是 AI 应用的 USB-C 接口。你想想 USB-C 没普及之前是什么光景。安卓一个口、苹果一个口、相机一个口、老设备还有 mini USB出门一抓一把线还经常对不上。USB-C 出来之后一根线插遍所有设备。MCP 干的就是这件事只不过插的不是充电器是 AI 和外部世界之间那根「数据与能力」的线。说回正经定义。MCP 全称 Model Context Protocol模型上下文协议Anthropic 在 2024 年 11 月开源放出来的准确说是 11 月 25 号第一版规范号 2024-11-05两位主创是 David Soria Parra 和 Justin Spahr-Summers。它定的是一套统一规矩AI 这边怎么去问外部工具「你能干啥」工具那边怎么把自己的能力暴露出来双方按同一套话术对接。它把角色拆成三块记住这三个词后面就好懂了。一个是 host就是你在用的那个 AI 应用本体比如 Claude 桌面端、Cursor一个是 server就是把某个工具能力包出来的小服务比如我那个 banana-image中间还有 clienthost 为每个 server 配一个负责俩之间传话。我那句「配张封面」就是 host 经由 client 找到 banana-image 这个 server让它真的去生成图。MCP 之前对接这事烂在哪这得说回 Anthropic 当初为什么要造这玩意。官方原话说再聪明的模型也被「困在信息孤岛和老系统后面」每接一个新数据源都得专门写一套对接。这话听着抽象我换个算术你立马懂。假设市面上有 N 个 AI 模型有 M 个工具想给它们用。在没有统一标准的年代每个模型要单独适配每个工具得写多少套对接N 乘以 M 套。Anthropic 管这叫「N×M 难题」。10 个 AI 应用想连 100 个工具理论上要拉 1000 套定制连接每一套都得有人写、有人维护、工具一升级还得跟着改。MCP 把这道乘法改成了加法。每个模型只要实现一次 MCP每个工具也只要实现一次 MCPN×M 就塌成了 NM。这就是 USB-C 那个比方的内核接口一旦统一任意一头接进来另一头全都能用。这个降本我有第一手体感。我那条流水线上挂着十几个工具能力配图的、查资讯的、发布的。它们能被 Claude Code 这一个 host 统一调起来靠的就是大家都说 MCP 这一套话。哪天我想换个别的 AI 客户端当 host这些 server 理论上原样还能用不用为新家重写一遍。这种「攒一次、到处插」的踏实感是过去各写各的接法给不了的。MCP 和 API到底是不是一回事很多人第一反应这不就是个 API 吗工具早就有 API 了啊。这话对一半。MCP 底下确实常常还是在调那些工具的 API它没取代 API。说白了差别在「谁来用、怎么用」。传统 API 是写给程序员的。你得提前读文档、知道有哪个接口、参数怎么填然后把调用逻辑硬编码进代码里。它是确定的、写死的这个按钮点下去固定调那个接口。MCP 是写给 AI agent 的。AI 连上一个 MCP server 之后能在运行当下自己「问」这个 server你都有哪些能力、每个能力要喂什么参数。然后 AI 根据用户这句话临时决定调哪个、怎么调。一个是开发者预先写死的调用一个是 AI 现场发现、现场决定的调用这是两边最根本的分野。还有个容易被忽略的点凭证归谁管。传统做法里API key 这些钥匙往往就揣在 AI 应用自己兜里。MCP 把执行和鉴权挪到了 server 那一侧AI 这头压根不碰你的密钥。我那个发布的 server 就是这样token 锁在它自己那儿我在对话里从头到尾看不到也不用看到。MCP 和 function calling是两层东西这俩最容易绕进去但拆开看其实清楚。function calling 是 OpenAI 先带火的能力意思是让模型学会「写 API 调用」你在每次请求里把所有工具的说明书一并塞给模型模型读完决定调哪个、生成调用参数再由你的程序去执行。它是模型本身的一项能力。问题出在「每次都得把工具说明书塞进去」。工具一多光这些说明就先吃掉一大把 token模型还没看到用户问的正事预算先去了一截。而且每家格式还不一样OpenAI、Anthropic、Google 各写各的 schema你换个模型供应商所有工具定义得照新格式重写一遍。MCP 是站在 function calling 上面的一层标准。它不跟 function calling 抢饭碗反而常常合着用MCP client 把 server 暴露的能力翻译成某家模型 function calling 认的那套格式喂进去。你可以这么记function calling 是模型「能调工具」这个本事MCP 是「工具怎么统一接进来」这套规矩。一个解决会不会调一个解决接得乱不乱。最实在的好处是可移植一个 MCP server 写一次Claude、GPT、Gemini 谁来都能接不用为每家各维护一份。为什么它能熬成行业标准讲到这就能回答开头那个问题了凭啥连 OpenAI 都来用对手家的协议。时间线很说明问题。2024 年 11 月 Anthropic 开源 MCP给了 Python 和 TypeScript 的 SDK还顺手放了一批现成 serverGoogle Drive、Slack、GitHub、Git、Postgres 都有。早期 Block、Apollo 先接了Zed、Replit、Sourcegraph 这些开发工具也跟进。到 2025 年 3 月OpenAI 的 Sam Altman 直接在 X 上发话「大家都喜欢 MCP我们很高兴在自家产品里加上支持」Agents SDK 当天就能用。最大的两家 AI 公司自此站到了同一个接口标准上。到 2025 年 12 月Anthropic 干脆把 MCP 捐给了 Linux 基金会底下新成立的 Agentic AI Foundation联合发起方里既有 Block也有 OpenAI。一个协议从某家公司的项目变成中立基金会托管的公共标准这一步基本给它的长期生命盖了章。为什么能走到这步因为它戳中的是所有人共同的痛点而不是某一家的私利。每多一个人写出一个 MCP server所有支持 MCP 的 host 立刻都能用上每多一个 host 接入 MCP已有的一堆 server 它马上全能调。这是典型的网络效应越多人用越值钱谁先用谁先沾光。USB-C 当年也是这么赢的。让它一统天下的并非什么技术上的绝活而是大家都受够了线对不上于是干脆一起认了同一个口。MCP 走的就是这同一个剧本。我自己就是这个网络效应里最末梢的一个受益者。我没写过协议、没造过标准我只是个每天用 AI 干活的人。可正因为 banana-image、sync-assistant 这些 server 都讲 MCP我才能把它们随手插进我的 Claude Code攒成一条不用我盯着的流水线。USB-C 让我不用为每个设备配一根线MCP 让我不用为每个工具求一次定制对接。说到底好接口的最高境界就是让用它的人忘了它的存在。你平时用 AI 的时候有没有哪个外部工具是你特别想插进去、但一直苦于对接太麻烦的评论区聊聊说不定已经有现成的 MCP server 了。