AI 领域的“USB-C 时刻”：MCP 协议引领去中心化之路

2024 年 11 月，Anthropic 发布的 Model Context Protocol (MCP) 正在硅谷掀起一场变革，被誉为 AI 领域的“USB-C 时刻”。这一开放标准，不仅重新定义了大模型与物理世界的连接方式，更蕴含着破解 AI 垄断、重塑数字文明生产关系的巨大潜力。当人们还在热议 GPT-5 的参数规模时，MCP 已悄然铺设了一条通往 AGI 时代的去中心化之路。

Bruce 阐述 MCP：解决 AI 领域的三大核心问题

Bruce 近期专注于研究 MCP，他认为这是继 ChatGPT 之后，AI 领域又一个令人振奋的创新，有望解决其长期思考的三个核心问题：

普通人如何参与 AI 行业并获得收入？

如何让非科学家和天才也能参与到 AI 行业中，并从中获得经济收益？

AI 与 Ethereum 如何实现双赢？

AI 技术与 Ethereum 区块链技术之间，存在哪些可以互相促进、共同发展的结合点？

如何实现 AI d/acc？避免中心化垄断与 AGI 风险？

如何实现 AI 的去中心化加速发展 (d/acc)，避免中心化的大公司垄断、审查，以及 AGI 可能带来的潜在风险？

MCP 详解：LLM 的开放标准接口

MCP 是一个开放标准框架，旨在简化大型语言模型 (LLM) 与外部数据源和工具的集成。可以将 LLM 视为 Windows 操作系统，将 Cursor 等应用程序视为键盘和硬件，那么 MCP 就是 USB 接口，允许外部数据和工具灵活插入，供用户读取和使用。

MCP 主要提供以下三种能力来扩展 LLM：

• Resources（知识扩展）： 提供额外的知识库，扩展 LLM 的知识范围。
• Tools（执行函数，调用外部系统）： 使 LLM 能够调用外部系统和工具，执行特定任务。
• Prompts（预编写提示词模板）： 提供预先编写好的提示词模板，帮助用户更有效地与 LLM 交互。

MCP 可以由任何人开发和托管，以 Server 的形式提供服务，并且可以随时下线停止服务，具有高度的灵活性和开放性。

为何需要 MCP：解决传统 LLM 的局限性

目前，大型语言模型 (LLM) 依赖于尽可能多的数据进行大量运算，并将知识融入到模型参数中，从而实现对话输出相应的知识。 然而，这种方法存在一些显著的问题：

1. 高昂的成本和时效性问题： 大量的数据和运算需要耗费大量的时间和硬件资源，而且用于训练的知识通常会过时。
2. 本地部署困难： 大量参数的模型难以在本地设备上部署和使用，但实际上，用户在大多数场景下可能并不需要全部信息来完成需求。
3. 信息质量和误导性风险： 部分模型采用爬虫方式读取外部信息以实现时效性，但由于爬虫的限制和外部数据的质量问题，可能产生更具误导性的内容。
4. 创作者激励缺失： 由于 AI 并没有很好地为创作者带来利益，许多网站和内容开始实施反 AI 措施，生成大量垃圾信息，这将导致 LLM 的质量逐步下降。
5. 功能扩展受限： LLM 难以扩展到方方面面的外部功能和操作，例如准确调用 GitHub 接口实现某些操作，它可能会按照可能过时的文档生成代码，但无法确保可以精准执行。

架构演进：从胖 LLM 到瘦 LLM + MCP

我们可以将目前的超大规模模型视为“胖 LLM”，其架构可以用下图简单表示：

用户输入信息之后，通过 Perception & Reasoning 层对输入进行拆解和推理，然后调用庞大的参数进行结果生成。

而基于 MCP 之后，LLM 可以聚焦于语言解析本身，剥离出去知识和能力，变成“瘦 LLM”：

在瘦 LLM 的架构下，Perception & Reasoning 层将关注如何将全方位的人类物理环境信息解析成为 tokens，包括但不限于：语音、语调、气味、图像、文字、重力、气温等，然后通过 MCP Coordinator 编排和协调多达数百个 MCP Servers 完成任务。 瘦 LLM 的训练成本和速度将极速提升，对于部署设备的要求也会变得很低。

MCP 如何逐一击破三大难题

赋能普通人：开创 AI 创作者经济

任何拥有独特才能的人，都可以创建自己的 MCP Server，为 LLM 提供服务。 例如，一位鸟类爱好者可以将自己多年的鸟类笔记通过 MCP 对外提供服务。 当有人使用 LLM 搜索与鸟类相关的信息时，就会调用到该鸟类笔记 MCP 服务，创作者也会因此获得收入分成。

这是一种更为精准和自动化的创作者经济循环，服务内容更加标准化，调用的次数、输出的 token 都可以被精确地统计。 LLM 提供商甚至可以同时调用多个鸟类笔记 MCP Servers，让用户选择和评分，从而确定谁的质量更好，并获得更高的匹配权重。

AI 与 Ethereum 的深度融合：构建 OpenMCP.Network

• 构建 OpenMCP.Network 创作者激励网络： 可以基于 Ethereum 构建一个 OpenMCP.Network 创作者激励网络。 MCP Server 需要托管和提供稳定的服务，用户对 LLM 提供商付费，LLM 提供商将实际的激励通过网络分配到被调用的 MCP Servers 上，从而维持整个网络的可持续性和稳定性，激发 MCP 的创作者持续创作和提供高质量的内容。 这一套网络将需要使用智能合约实现激励的自动化、透明、可信和抗审查。运行过程中的签名、权限验证、隐私保护都可以使用以太坊钱包、ZK 等技术实现。
• 开发 Ethereum 链上操作相关的 MCP Servers： 例如 AA 钱包调用服务，用户将可以在 LLM 里面通过语言实现钱包付款，而不暴露相关私钥和权限给 LLM。
• 简化 Ethereum 智能合约开发： 提供各种开发者工具，进一步简化 Ethereum 智能合约开发和代码生成。

实现 AI 去中心化：打破垄断，降低 AGI 风险

• 知识和能力的去中心化： MCP Servers 将 AI 的知识和能力去中心化，任何人都可以创建和托管 MCP Servers，注册到例如 OpenMCP.Network 这样的平台上面之后，按照调用获得激励。 没有任何一家公司可以掌握全部的 MCP Servers。 如果一个 LLM 提供商给予不公平的激励到 MCP Servers，创作者将可以屏蔽该公司，用户得不到优质结果后将会更换其他 LLM 提供商，从而实现更公平的竞争。

• 细粒度的权限控制： 创作者可以对自己的 MCP Servers 实现细粒度的权限控制，以保护隐私和版权。 瘦 LLM 提供商应该通过提供合理的激励来吸引创作者贡献高质量的 MCP Servers。

• 抹平 LLM 能力差距： 瘦 LLM 的能力差距将慢慢抹平，因为人类的语言是有遍历上限的，演进也很缓慢。 LLM 提供商将需要把目光和资金瞄向高质量的 MCP Servers，而非重复使用更多显卡进行训练。

• 分散 AGI 能力： AGI 的能力将得到分散和降权，LLM 仅作为语言处理和用户交互的平台，具体能力分布在各个 MCP Servers 里面。 AGI 将不会威胁到人类，因为关闭 MCP Servers 之后，AGI 就只能进行基础的语言对话。

  总结：MCP 的核心价值与潜力

1. AI 能力的去中心化： LLM + MCP Servers 的架构演进，本质上是将 AI 能力去中心化，降低了 AGI 毁灭人类的风险。

2. AI 创作者经济的基础： LLM 的使用方式，使其对 MCP Servers 的调用次数和输入输出可以做到 token 级别的统计和自动化，为 AI 创作者经济系统的搭建奠定了基础。

3. 正向飞轮效应： 好的经济系统可以驱动创作者主动贡献创作高质量的 MCP Servers，从而带动整个人类的发展，实现正向飞轮。 创作者不再抵御 AI，AI 也会提供更多岗位和收入，将类似 OpenAI 这样的垄断商业公司的利润合理分配。

4. 与 Ethereum 的天然契合： 这一套经济系统，结合其特性和创作者的需求，非常适合基于 Ethereum 实现。

   未来展望：MCP 的发展蓝图

5. 协议标准之争： MCP 或者类 MCP 的协议将会层出不穷，几家大公司将开始竞争标准的定义。

6. MCP Based LLM 的涌现： 专注于解析和处理人类语言的小模型，附带 MCP Coordinator 接入 MCP 网络。LLM 将支持自动发现和调度 MCP Servers，无需复杂的手工配置。

7. MCP Network 服务提供商的出现： 每家有自己的经济激励系统，MCP 创作者将自己的 Server 注册和托管即可得到收入。

8. Ethereum 网络的巨大潜力： 如果 MCP Network 的经济激励系统使用 Ethereum 构建，基于智能合约，那么 Ethereum 网络的 transactions 保守估计将增加约 150 倍（按照非常保守的每天 1 亿次 MCP Servers 的调用量，目前 12s 一个 Block 包括 100 txs 计算）。