月下载量从 10 万激增至 4 亿,MCP(Model Context Protocol)仅用了 20 个月。从 Anthropic 开源到 OpenAI、谷歌、微软全面接入,超过 80% 的财富 500 强企业 AI Agent 已通过该协议连接工具,9400 多个公开 MCP 服务器在生产环境中运行。
尽管发展迅猛,MCP 长期存在一个底层架构痛点。如今,这一难题已被攻克。
MCP:打破 AI 与真实数据的壁垒
当前主流大模型虽智能超群,却受限于“对话框”,无法直接访问用户的数据库、代码仓库或文档系统。MCP 的出现旨在解决这一断层。作为 AI 领域的"USB-C 接口”,MCP 允许开发者通过安装对应的服务器,授权 AI 读取代码、查询数据或操作文档,使 AI 从单纯的聊天机器人进化为具备执行能力的智能代理。
MCP 的核心优势在于“通用性”。它统一了接口标准,开发者只需编写一次 MCP 服务器,即可兼容 ChatGPT、Claude、Gemini 及 Cursor 等主流平台,彻底改变了以往各平台需单独适配的低效模式。
从开源项目到行业基础设施
2024 年 11 月,Anthropic 开源 MCP 时月下载量仅为 10 万。2025 年 3 月成为转折点,OpenAI 宣布全面支持,随后谷歌 DeepMind 跟进。同年 12 月,MCP 移交至 Linux 基金会旗下的 Agentic AI Foundation,AWS、微软、Cloudflare 等巨头加入联合创始成员行列。
2026 年 1 月,MCP Apps 上线,支持 Figma、Slack 等应用在 AI 对话框内渲染交互式 UI;3 月 SDK 月下载量突破 9700 万。截至目前,月下载量已达 4 亿,标志着该协议已确立为行业公共基础设施。
核心升级:协议全面“无状态化”
此前,MCP 的有状态特性要求客户端与服务器维持持久会话,导致云端部署时需处理复杂的会话绑定与共享存储问题,极大增加了运维成本。本次更新的最大亮点是将协议从“有状态”重构为“无状态”。
新版协议移除了握手环节和会话 ID,每个请求均为独立自包含。这意味着 MCP 服务器可直接部署于 AWS Lambda、Cloud Run 等无服务器环境,利用普通负载均衡器即可处理流量,实现了基础设施级的轻量化。
关键技术改进
除无状态化外,新版 MCP 还引入了多项机制优化:
- 多轮往返请求(MRTR):针对需要用户补充信息的场景,服务器可返回特定状态码,客户端携带答案重新发起请求。任何服务器实例均可接续处理,无需维持长连接。
- HTTP 头路由:新增
Mcp-Method和Mcp-Name请求头,网关无需解析 JSON 体即可在 HTTP 层实现路由与限流。 - 缓存机制:
tools/list等接口支持返回ttlMs字段,指示客户端缓存工具列表,显著减少高频场景下的重复请求。
开发者迁移指南
此次升级对现有 MCP 服务器提出了一定改造要求,主要包括移除initialize握手、将会话状态外置(如存入 Redis)、以及将阻塞式 Tasks API 改为轮询式。TypeScript、Python、Go、C#四大官方 SDK 已同步更新并提供迁移说明。
新版请求示例如下,客户端信息与协议版本均封装在_meta字段中,无需预先握手:
POST /mcp HTTP/1.1
MCP-Protocol-Version: 2026-07-28
Mcp-Method: tools/call
Mcp-Name: search
{"jsonrpc":"2.0","id":1,"method":"tools/call",
"params":{"name":"search","arguments":{"q":"AI news"},
"_meta":{"io.modelcontextprotocol/clientInfo":
{"name":"my-app","version":"1.0"}}}}
六步完成迁移
- 移除握手逻辑:直接从请求的
_meta字段读取协议版本和客户端信息。 - 实现发现接口:新增
server/discover接口以支持能力发现机制。 - 消除会话依赖:将跨请求状态移至外部存储或通过标识符由客户端传递。
- 增加缓存提示:在列表类接口返回值中加入
ttlMs和cacheScope字段。 - 调整 Tasks 功能:将
tasks/result替换为tasks/get,并启用相应扩展。 - 更新 SDK:升级至最新版本的官方开发工具包。
旧版规范(2025-11-25)仍保留 12 个月过渡期,但建议新项目直接采用新版规范起步。
应用建议与展望
目前 Claude 等平台已提供超过 950 个现成连接器,覆盖 GitHub、Notion、PostgreSQL 等主流工具。用户可通过图形界面或自然语言指令快速配置。
值得注意的是,过度安装 MCP 会占用 AI 上下文窗口,影响性能。建议优先部署 GitHub、Filesystem 及 Context7(技术文档库)这三个核心连接器,待跑通流程后再按需扩展。
20 个月前,MCP 解决了"AI 能否连接工具”的问题;今天,它通过无状态架构解决了"AI 如何规模化、随时随地连接工具”的挑战。4 亿的月下载量或许只是这场变革的开始。

