Anthropic 在 2024 年末向开源生态投下了一枚重磅炸弹，即一个理论上能够连接所有应用和所有大语言模型的模型上下文协议：Model Context Protocol（简称 MCP）。MCP 作为开源生态中的当红炸子鸡，受到了 Web2 和 Web3 领域开发者的共同关注。对于 Web2 开发者来说，他们希望获得更聪明更强大的、能与环境交互的 Agent；对于 Web3 领域开发者来说，他们迫切的需要提升链上的互操作性并让 Web3 AI Agent 实现自主决策自主行动的能力。MCP 通过简单有效的架构创建了大量让人意想不到的强大的 AI 落地实际案例，在 Web2 领域我们已经看到了像 Manus、Genspark 这样受益于 MCP 协议的产品新星，在 Web3 领域也出现了一些类似的有趣新产品。而 MCP 则或是当前版本 AI 落地痛点的最优答案。
本份研报将深入探讨 AI Agent 的发展历程、MCP 协议在 Web3 的迁移、Web3 MCP 的行业现状、新的 Web3 产品机会推演，同时探讨 MCP 在 Web3 行业落地会面临的考验。
作者：Hendrix，Web3Caff Research 研究员
封面：Photo by Andrei Castanha on Unsplash
字数：全文约 15000 字
目录
- 引言
- Web2 & Web3 AI Agent 视角：从 API 到 MCP / A2A
- MCP/A2A 详解：Web3 Native 视角
- MCP 101
- A2A 101
- Web3 AI MCP 行业梳理与推演
- 基础赋能类
- 横向拓展类
- 垂直应用类
- 智能体间协议
- MCP 带来的 Web3 机会
- MCP 给 Web3 带来的考验
- 总结
- 要点结构图
- 参考文献
引言
人工智能（AI）的浪潮正以前所未有的力量重塑各个行业，其深度集成和广泛应用已成为不可逆转的趋势。不论是 Web2 还是 Web3 都对 MCP 寄予了巨大的期待，但 AI 从简单的对话窗口的 “全知” 发展到能处理各种问题的 “全能”，中间需要模型能力本身的提升、需要更强的规划能力，但更重要的是需要教会 AI 如何稳定使用能接触到的工具。然而，当 AI 模型，特别是大型语言模型（LLM），试图与外部世界——海量的数据源、多样化的工具集以及复杂的系统——进行交互时，一个核心的挑战浮出水面：如何建立一个标准化、安全且可信的通信桥梁？缺乏统一标准不仅导致了开发效率的低下，更在数据隐私、操作安全和结果可验证性方面带来了巨大风险。正是在这一背景下，Anthropic 提出的模型上下文协议（Model Context Protocol, MCP）应运而生。模型和外部服务商之间不必再单独开发两者间的链接。通过行业统一的接口，模型和服务商仅需要接受协议标准，就能让不同生态的应用以及不同架构的模型都直接连接，信息和智能可以不受限制的自由流动。这为 AI 的互操作性描绘了新的蓝图。
但这个协议并不是凭空出现的。Web2 AI 在探索如何让把智能从沙箱中释放出来这条路上花费了巨大的精力。从最初的传统服务 API 与聊天式 API，到模型开始利用外部能力引入服务插件与函数调用功能，到最后才发展出来我们看到的 “模型-应用” 间的 MCP 协议以及 Agent 间的通信协议。Web2 AI 在让 Agent 更强大这条路上的探索给 Web3 的后来者打下了良好的基础。因为上面提到的探索，Web3 AI Agent 从诞生那天就拥有更稳定的框架，更易用的开发工具并且有了更强大的功能。现在 MCP 的出现更是给割裂的 Web3 生态带来了巨大的机会，从基础设施到应用都可能会出现更智能更好交互的产品。为此我们将深入这个新兴领域，从技术到应用，全面透视 Web3 AI MCP 的发展之路。但在此之前，我们需要对比 MCP 出现前后 Agent 与外界交互的技术范式变化，以对 MCP 的价值有更直观的理解。
Web2 & Web3 AI Agent 视角：从 API 到 MCP / A2A
传统聊天式 API 接口（非结构化文本调用）
在早期，OpenAI 为开发者提供了通用的 “文本输入－文本输出” 接口，应用通常通过直接向大语言模型发送提示词（包含用户请求和对话上下文）来获取答案，然后由后台程序根据文本返回的生成结果，按照预先定义好的业务逻辑，选取合适的工具调用外部 API（比如数据库或者日历）。这种方式简单直观，对话式应用友好，但缺乏与工具的直接集成能力。模型自身无法直接执行外部操作或获取实时数据，开发者只能通过分析模型输出中的关键词或命令提示来触发工具调用。这在早期阶段， AI 幻觉严重且缺乏人工对齐，模型返回的答案会经常跑题或者不符合人类阅读要求，非常容易出错且难以保证输出格式一致性。其优点是实现简单、无标准限制，但缺点是稳定性差、可扩展性有限，安全性能通常和用户访问账户绑定，安全机制相对简单但缺乏更细粒度的管理，比如针对某些提示词或者某些特定交互进行授权的机制。
