一句话完成三个任务，这个神器让我实现摸鱼自由_风闻

“AI界的C口 ” 要来了？

这么说吧，这段时间， AI 圈有个叫 MCP 的概念火了。它号称一统 AI 江湖，能让 AI 直接上手办公软件、设计软件等等十八般兵器，直接替你干活。

网友们聊的也是热火朝天，认为它就是 AI 的未来，比如，就有人用 GPT-4o 画了张在 MCP 面前， AI 大厂们都是一家人的图。。。

也有网友分享 MCP 的工具集合，直接收获了 36 万的阅读量。

甚至就连奥特曼也表示，大家都支持 MCP ，那我们也支持！

所以，这玩意到底是个啥，为啥全世界都这么火？

但是光看那些科普，感觉又硬又干，根本啃不下去。。

俗话说得好，实践出真知嘛。所以，江江直接上手尝试一把，看看这玩意到底有多神，经得起一直吹？

先说结论，这玩意确实还挺牛的。

大家先想一下，现在的 AI ，是不是纯纯的 “ 嘴炮大师 ” ，你问他一句，他能一分钟回复你几千字不重样，但你消化起来可能就要几个小时。。

而 MCP 能让 AI 直接进入 “ 二阶段 ” ，从 " 嘴炮大师 " 进化成 " 打工机器 " ！

话不多说，我们直接上演示。

咱先从简单的开始，我直接告诉 Claude ：在我的桌面生成一份 PDF 文件，里面包含 1980 年各国的 GDP 排名的数据表格，并包含两张柱状图。

这玩意虽然不难，但是能帮我动手，我就能腾出手来摸鱼了。

AI 哥雷厉风行，直接请求连接我的系统，然后搜集资料、填表格、画图表，一气呵成。

完事直接上桌面打开，有表，有图，还有数据来源，整个过程不到两分钟，我只需要边喝茶边看它表演就行了。

你可能会说，这玩意是个人都能做，牛逼在哪呢。

诶，接下来的东西，你还真不一定会。从小到大，对 3D 建模一窍不通的我，用它居然能实现 " 用嘴建模 " 。

来看我操作这波。我直接告诉他： “ 给我建个林中小屋模型。 ” 

消息一发送，它二话不说就开始操作 Blender ，创建几何体、调整参数、设置材质… 几分钟后，模型直接送到我眼前了。别的不说，能做出来，就已经比我强了。

不仅如此， AI 这双无形的手还能伸到文艺界。

我直接跟它说： “ 给我写首歌，不需要贝斯。 ” （ 对不起，因为它写出来的贝斯实在太难听了。。 ） AI 哥直接连上 Ableton ，就开始创建音轨、设置 bpm 、调整音色，编出了一段曲子，两个音轨，一个是钢琴，一个是提琴。你还别说，味道还挺对的。

最离谱的是，它还能操纵我的任务管理器。我在 Claude 里输入 " 请你结束 Claude" ，它居然真的把自己结束了。我们 AI 哥还真是说一不二，狠起来连自己都干。。

这哪是 AI 助手啊？简直就是三头六臂的全能打工人。而我，直接化身甲方爸爸，只需要疯狂提需求就行了。

而这一切的一切，都要归功于我们今天讲的这个玩意—— MCP 。

这玩意全称 Model Context Protocol ，也就是模型上下文协议。简单来说，有了 MCP ，就相当于 AI 和软件装上了 " 万能接口 " ，让它能直接访问和操控你电脑上的软件和文件。

其实，过去要做到这些也不是不行，例如开发者通过 LangChain 来集成各种工具，后来 OpenAI 提出了自己的 Function Calling 机制来让大模型调用工具。

但这些都没有被大多数人所接受，主要原因就是技术门槛过高，调用几个小工具就要写上千行代码。。况且写出来的函数还不通用，程序员得给每个任务单独开发一个函数。世界上这么多软件，程序员挨个适配的话，到头发掉光也开发不完。。

这个时候， MCP 登场了，直接桌子一拍：咱们把接口规范都统一了，你开发完我也能用，效率不就上来了？这就是为什么 MCP 如此受关注，它确实保住了程序员的头发。

至于 MCP 是咋做到这些的，其实原理上并不难，主要分三步。

第一步，它会发起询问： " 能干这活的请出列！ " 并获取可用的工具列表。在第二步，工具列表和你的请求会被打包发给 AI 。

最后 AI 会思考，并决定用哪个工具，并且指挥工具开始干活，再把结果喂回 AI 嘴里，让你看见。

这一系列操作下来， AI 的能力就直接到 Next level 了。以前的 AI 就像只长了嘴，只能告诉你应该怎么做，你看不懂只能抓耳挠腮；现在有了 MCP ，就像给 AI 装上了手和眼睛，你只需要动动嘴，工作就能完成了。

更逆天的是，有了 MCP 之后，各大语言模型之间，甚至能能协同工作了，比如让 Claude 操纵对手 OpenAI 的 GPT4o 生个图，这种操作已经不是幻想了。

也就是说，我一个人可以让一堆 AI 为我服务，谁擅长这个工作就让谁来，而这一切只需要在一个对话框里就能做。

而现在，网上已经有 MCP 工具的超市了，各种功能的 MCP Server 应有尽有，包括百度地图、高德、 MasterGo 等等中大厂也在宣布接入。

如果觉得不够用，你还能按自己的需求开发专属 MCP Server ，打造完全符合你习惯的 AI 助手，这感觉比 Manus 都香多了。。

诶，看了这么多演示，你可能会觉得：这 MCP 应该能打遍天下无敌手了。不过，从我这几天的体验来看，这玩意其实还有很大的进步空间。

首先， MCP 还在起步阶段，支持 MCP 的工具也不太多，而且配置起来较为繁琐，小白很难成功用上这些工具，配置环境时可能很容易就迷失到代码里，无法自拔。。

而且，这玩意还挺费 token 的，一是因为调用工具本身就很费 token ，上层服务调用下层服务时，就要把上层信息传达下去，调用完成后，下层还要回传信息，一层接着一层，这就会导致 token 爆炸多。

二是 AI 很难一次就找到解决问题的最优解，它可能会挨个方法去试，这就导致如果它一直找不到好办法，就会一直卡在那里循环。。

还有，虽然 MCP 能给 AI 装上手和眼睛，但它的大脑，还是我们的大语言模型，只有大模型理解了你的需求，它才能操作工具干活。但目前的大模型，很多时候还挺蠢的。

就拿上面的 AI 建模来说，有时候建出来的东西，根本不是人类能理解的东西。。

所以说到底，想要真正发挥 MCP 的潜力，各大模型厂商对大模型能力的突破才是重中之重，不然会经常出现你让它往东，它给你往西的尴尬场面，白白浪费你的 token 。

不过总而言之， MCP 这股风已经在各行各业刮起来了，而且只会越刮越大，照 AI 这个发展速度，以后人人都能配个 AI 小团队。

到时候你做个决定，立马有三五个 AI 助理给你写方案，这才是真正的科技改变生活嘛。所以，你觉得人类解放双手的日子，还会远吗？

图片、资料来源：

X、GitHub、Smithery、Anthropic