🧩 为什么需要 MCP：终结 M×N 集成地狱

吴恩达 MCP 课程 · 第 2 集「为什么选择MCP」(07:52) · 来源 DeepLearning.AI · B站 BV1qkHrzHEh4

一句话：模型能力取决于上下文，MCP 像 REST 之于 Web 后端、LSP 之于 IDE 一样，把 AI 应用与工具 / 数据源的连接标准化——把 M×N 的定制集成压缩为「构建一次、处处使用」。

1 核心对比：没有 MCP vs 有 MCP

❌ 无 MCP：M×N 重复集成

每种模型 × 每个数据源都写一遍专用集成

✅ 有 MCP：一次构建，处处使用

统一语言，模型与数据源各自只需接入一次

1990s ｜ Web 世界

REST

标准化 Web 应用 ↔ 后端通信：定义协议与无状态约束

➜

2016 ｜微软开发

LSP

语言服务器协议：标准化 IDE ↔ 语言工具，扩展写一次处处可用

➜

2024.11 ｜ Anthropic 开源

MCP

模型上下文协议：标准化 AI 应用 ↔ 工具与数据源

🐙

GitHub 服务器

自然语言检索仓库 Issue

⇄

🧠

Claude 桌面（轻量代理）

模型 Sonnet 3.5 · 读 GitHub → 分类问题 → 写 Asana · ✋ 人工审核后再执行

⇄

✅

Asana 服务器

创建任务并指派，浏览器实时更新

🔧

API 开发者

把服务器构建一次，即可被所有 AI 应用用户全面采用

💬

应用开发者/用户

只需提供一个 MCP 服务器 URL，即可把数据访问引入应用

🏢

企业组织

关注点分离，构建独立集成供不同团队共享复用

❓ 这些服务器谁来写？
任何人都可以：官方参考服务器、社区采纳版本，或自己构建（后续课程将亲手写多个）。

❓ MCP 服务器 ≈ API 调用？
可视为 API 的封装层 / 网关，用自然语言代替直接调用；但工具使用只是其功能的一部分，还有提示与资源。