视频加载失败

大模型的得力干将MCP(5) - 应用场景和发展方向,窥探先机,不容错过

1676 字
8 分钟
大模型的得力干将MCP(5) - 应用场景和发展方向,窥探先机,不容错过

今天我们不学习,来聊一聊MCP服务的未来。通过前面几期的学习,我们知道使用MCP服务有两种方式。

一、stdio方式,即服务端和客户端在本地一起。#

  • 优点

    1.可以利用现有的助手类工具,如Cursor,VSC+插件,或者最近开源并快速发展的DeepChat。通过搜寻开源的MCP服务,如高德MCP,CloudFlare MCP等。

    2.可以使用对本机操作的MCP服务。

  • 缺点

    1.只能1<1绑定客户端>,每个客户端都要重新安装配置一遍。

    2.因需要本地运行,依赖本机的运行环境。

二、sse方式,即服务端和客户端逻辑分开,可以不在一台机器上。#

  • 优点

    1.可以在组织内共享服务,真正的服务运行在远端服务器上。

    2.降低助手类工具使用门槛。

  • 缺点

    1.增加服务端运维的复杂性。

    2.无法对使用者本地机器进行控制。

    不同的使用场景,需要使用不同的方式。同时,即使确定某种方式,也还存在落地上的问题。因此为了更好的解决实现和使用上的问题,MCP继续完善协议(大家都有活干了)。我们来看看官方的规划吧!

**01.**H1Roadmap#

1.Remote MCP Support

目前主流的工具都还是stdio的使用方式,为了满足企业和互联网服务上的需求,这个是第一优先级的事情。

其中提到了认证和授权,服务发现以及无状态。是不是很熟悉,对,没错!互联网那一套依然有用。

CloudFlare给大家打了个样。

图片
图片

2.Distribution & Discovery

主要目标是解决打包分发的标准和类似npm包仓库的服务。通过实现服务注册,来自动发现MCP服务器,减少人手工去添加服务的复杂操作。同时要解决沙箱运行的机制,来避免污染服务运行环境,并提高运行服务所在主机的安全性。

真正投入企业生产应用,安全问题是一个很大的门槛;并且降低普通员工使用的门槛,才是王道。

3.Agent Support

分层代理系统,希望解决当真正投入使用海量MCP服务时,通过命名空间和拓扑感知来更好的管理使用服务。

提供更好的跨代理层级的使用;并可以使用流式处理,来缓解需要长时间运行任务而超时的问题。

以上的规划,目前有些已经完成,但还有很多在路上。

**02.**一些想法#

有需要才有市场,当AI遇上MCP。一瞬间打开了新世界的大门,原先不知道如何入局AI的公司和个体,都跃跃欲试。为了让AI应用,或者说智能体应用,可以更好的给客户带来价值。能连接原先数字化的世界数据,才是关键。

以下是麦金叔自己感觉有前途的一些方向,请大家结合自己的实际量力而行,如有想法,也欢迎一起交流。

一、助手工具

虽然现在的助手工具非常多,但是一款全面适合MCP的,选择并不多。围绕如何让用户更简单的使用MCP,这里机会还是有很多的。当然,可能也需要配合服务端的实现。

比如,所有MCP是不是只需要一个服务地址(也可以是企业内部一个服务地址),最多是几个供应商的服务地址。类似与硅基或者火山提供的大模型服务一样,可以自举列出所有MCP的服务,然后只需要点击开启,就可以被大模型直接使用。而不是像现在一样,每个服务都要填入命令,服务名,参数,详细描述等一大堆东西。

再比如,工具能自己封装运行时,不需要再去关心是node,还是python亦或别的语言提供的服务能不能正常运行。

二、服务市场

现在基本上还没有形成MCP的服务市场,mcp.so算是比较早期的形态。

完整的服务市场,除了搜索MCP服务,还应该从客户需求出发,用使用场景上做切入。毕竟客户是来找解决方案的,如果能知道要使用某个具体的MCP,其实已经属于比较后期了,因此这当中就存在很大的鸿沟。如何能缩短差距,就有人买单。

服务市场,需要能提供托管的方案。现在云服务商已经开始进军这一块了。简化MCP服务的部署和运维,让使用者像FasS一样简单,才会焕发出生命力。

三、服务提供商

如果是原先通过API提供互联网服务的厂商,将其封装为MCP服务,便能开辟新的蓝海,让你在新的AI应用爆发期,能快速成长。

再进一步对垂直类做更加智能的扩展,将服务做到极致,便会在新的竞争中利于不败之地。

比如旅行规划,除了提供游览地的路线外,还可以顺带推荐餐饮和住宿,让你可以在促成交这件事上有更大的优势。

又如AI销售服务,自动完成和客户对话的录制,分析,总结,以强化下一次服务的关键点提示等,可以实现更为个性化,精准的销售促成。

四、个体参与者

个体又分应用者和开发者。

前者可以在使用过程中,将常用的服务进行打包。作为一个整体服务提供给其他同业者使用,以获取按使用收费的报酬。

而后者能做的更多。别人不知道或者不愿干的一些整合,封装的工作。可以摇身一变,成为AI助手不可或缺的插件,从而获得丰厚的酬劳。

如果你也有兴趣,一定记得心动不如行动。好的开头,就成功了一半。

总结

今天麦金叔没有给大家讲知识,而是抛砖迎玉,期望粉丝朋友们,都能在新的浪潮中,成为弄潮儿,并收获丰硕的成果。本期过后,麦金叔又将回归Dify系列,让大家继续丰富自己的知识,实实在在的把所学知识用到实际工作中,并在年底能有拿的出手的亮点。

支持与分享

如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!

打赏
大模型的得力干将MCP(5) - 应用场景和发展方向,窥探先机,不容错过
https://blog.huhaha.vip/posts/3ee92cff/
作者
小王的博客
发布于
2025-07-23
许可协议
CC BY-NC-SA 4.0
相关文章智能推荐
1
大模型的得力干将MCP(3) - SSE服务
AI本文实战演示MCP服务远程化改造。通过Express框架搭建SSE服务端→配置SSEServerTransport协议→实现HTTP长连接通信。对比stdio本地通信与SSE远程模式差异,详解服务注册及消息处理机制,为企业级AI应用提供跨网络部署方案,较传统WebSocket方案资源消耗降低40%,下篇将配套开发标准化客户端。
2
大模型的得力干将MCP(2) - 开发服务
AI本文实战演示MCP服务端开发全流程。基于TypeScript SDK构建高德天气查询工具→配置Stdio/SSE双模通信→实现API密钥管理与HTTP请求封装。详解服务注册及协议适配技巧,展示如何通过Cursor助手工具验证服务调用,为AI助手生态提供标准化能力扩展方案,较传统插件开发效率提升3倍。
3
大模型的得力干将MCP(1) - 基础入门
AI本文系统解析MCP协议核心架构与实战应用。详解主机-客户端-服务器三元组模型,对比stdio/SSE双模通信机制差异。通过npm包安装→Cursor工具配置→服务启停测试全流程演示,实现版本查询MCP服务对接,为AI工具生态提供标准化扩展方案,较传统API集成效率提升2倍,下篇将深入开发实践。
4
大模型的得力干将MCP(4) - 开发客户端
AI本文实战演示MCP客户端开发全流程。基于TypeScript SDK构建SSEClientTransport→配置Node.js环境EventSource→实现SSE协议双向通信。详解跨协议客户端差异处理及依赖注入技巧,展示如何通过服务发现机制获取工具列表,为AI助手工具集成提供标准化通信模块,较传统HTTP接口开发效率提升2-3倍。
5
Dify应用实战(5) - 使用模版
AI本文演示Dify模板引擎集成:1. 在数据加工流程后新增Jinja模板节点,实现动态数据与预设模板结合;2. 调整代码节点输出为字典格式(含温度/天气等字段);3. 详解模板语法(变量插值{{}}/循环判断逻辑)。通过天气简报模板示例,展现如何将JSON数据转换为自然语言描述,并扩展演示多条件内容生成(HTML列表/带逻辑的报表),为自动化报告、多格式输出等场景提供标准化解决方案。
随机文章随机推荐

评论区

Profile Image of the Author
小王的博客
一个上了年纪的猿人.
分类
标签
最新动态
站点统计
文章
209
分类
15
标签
161
总字数
478,322
运行时长
0
最后活动
0 天前
站点信息
构建平台
Vercel
博客版本
Firefly v6.16.7
文章许可
CC BY-NC-SA 4.0
文章目录