一句话完成三个任务 这个神器让我实现摸鱼自由

“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?