今天小編分享的科學經驗：Claude化身伺服器聯通一切！AI寫好代碼自己發Github，人類程式員只配動嘴了，歡迎閱讀。
Anthropic 又發大禮包！現在Claude 自己就是一台伺服器。
能直連 GitHub，AI 自己寫代碼、自己創建倉庫、Push 代碼、創建 Issue、創建分支、創建 PR 一條龍服務。
全程不用離開聊天界面，人類程式員只起到了提需求的作用，徹底退化成產品經理（狗頭）。
除了訪問外部資源，也可以在本地創建、讀取和編輯檔案和檔案夾。
甚至可以多種能力組合，先聯網搜索獲取資料，再把處理好的内容填入本地 html 檔案。
看到這裡，或許有人會認為，這不過是一個更為花哨的開發者版 GPT 插件或 GPTs 罷了。
但 Claude 的野心遠不止于此——
新能力背後是一套通信協定MCP （Model Context Protocol）。
實現大模型應用與外部數據源和工具之間的無縫集成，幫助 AI 獲得所需的上下文數據，生成質量更高、與任務更相關的回答。
就像互聯網靠 HTTP 标準化了浏覽器和伺服器之間的信息交換過程，MCP 協定也是标準化 AI Agent 和不同數據源（包括内容存儲庫、業務工具和開發環境）之間通信的一次嘗試。
并且這可不是鬧着玩的，Anthropic 已經打算牽頭把 MCP 協定推動成行業開放标準了。
你可能要問了，MCP 聽起來是個好東西，但搭建對應的伺服器想必也不簡單吧？
No No No，官方公告明示，最新版Claude 3.5 Sonnet 自己就非常擅長架設 MCP 伺服器，直接完成閉環。
并且，Claude 桌面版 APP 更新後也内置了 MCP 伺服器支持，只需要修改配置檔案、重啟即可生效。
這下claude_desktop_config.json is all you need了。
首批合作夥伴、AI 編程工具Replit 總裁盛贊，MCP 将成為AI Agent 與互聯網生态之間的通用語言。
也有開發者表示 " 看起來很瘋狂 "，Claude 在接管個人電腦之後，再次接管了伺服器。自己此前光是讓 AI 連接數據庫都很費勁。
不過，也有人持懷疑态度，貼出著名諷刺漫畫 XKCDde 一集，擔心 MCP 協定最終沒有成為行業通用标準，只是會讓生态更加混亂。
當前情況：有 14 個标準在競争。
14 個‽太荒謬了！我們需要制定一個涵蓋每個人使用案例的通用标準。
不久之後：現在有 15 個标準在競争。
那麼 Claude 家力推的 MCP 協定是否有潛力一統江湖呢？
還要從協定本身的設計、性能、開放性、易用性等方面來考察。
即日起 MCP 本地可用，5 分鍾快速入門指南奉上
我們先來扒一扒官方公告都有哪些看點。
整體而言，公告主要介紹了3 點：
當前 LLM 在應用落地方面所面臨的痛點
MCP 通信協定提供的解決方案
5 分鍾快速入門指南
首先，随着大模型從純聊天機器人走向以智能助手為代表的 Agent 應用，由于 Agent 需要的操作日益復雜，全球應用玩家們都面臨一個相同的痛點——數據隔離。
簡單說，一旦 LLM 應用需要訪問外部數據，開發者就得寫一大堆定制代碼，又麻煩又重復。
這樣一來，别說實現 AGI 了，就連構建真正互聯的 AI 系統都難以推進。
面對此情此景，Anthropic 帶着它的 MCP（模型上下文協定）閃亮登場了！
一句話，MCP 協定就像 AI 系統與數據源之間的一座橋梁，允許開發者在數據源和 AI 工具之間建立雙向連接。
為了更好理解，我們直接康康 MCP 究竟長啥樣。
據了解，它采用客戶端 - 伺服器架構，多個服務可以連接到任何兼容的客戶端。客戶端可以是 Claude Desktop、IDE 或其他 AI 工具，伺服器則充當适配器，暴露數據源。
其優勢在于，以後不管是訪問本地資源（數據庫、檔案、服務），還是訪問遠程資源（如 Slack、GitHub API），都能用同一個協定。
而且支持的數據形式非常多樣，包括檔案内容、數據庫記錄、API 響應、實時系統數據、螢幕截圖和影像、日志檔案等，幾乎覆蓋了所有類型。
每個資源都由一個唯一的 URI 标識，可以包含文本或二進制數據。
此外，MCP 協定具有良好的可擴展性，還能提供：
Prompts：可以重復使用的模版和工作流程（包括多步驟） ；
Tools：從系統操作到 API 集成，再到運行數據處理任務的一切工具；
Transports：客戶端和伺服器之間通過JSON-RPC 2.0進行的請求、響應和通知，包括對伺服器到客戶端流和其它自定義傳輸的支持（目前尚未提及 WebSocket/WebRTC）；
Sampling：允許伺服器通過客戶端請求 LLM 完成復雜智能體行為（包括評估成本優先級、速度優先級和智能優先級等）；
同時，MCP 伺服器還内置了安全機制，允許伺服器自己控制資源，不用把 API 密鑰給 LLM 提供商。
不過需要提醒，目前 MCP 僅支持本地運行（伺服器需要在自己的機器上），官方正計劃構建具有企業級身份驗證的遠程伺服器支持（為企業内部共享提供支持）。
話不多說，我們直接開箱 Anthropic 這次為開發者準備的東西：
MCP 協定和軟體開發工具包 ( SDK )
Claude 桌面應用程式中的本地 MCP 伺服器支持
一個 MCP 伺服器的開源存儲庫
大禮包到手，咋用呢？？
别急，這裡還有一份「5 分鍾快速上手指南」，我們領到的任務是：
使用 MCP 協定，讓桌面版 Claude 安全連接本地服務，比如 SQLite 數據庫。
（注意，桌面版 Claude 的 MCP 支持目前處于開發者預覽階段，僅支持連接本地運行的 MCP 伺服器，尚不支持遠程連接。）
開始之前，我們需要确保自己的 macOS 或 Windows 系統已經完成下列準備。
已安裝最新版 Claude Desktop
Node.js v18 或更高版本
檢查 Git
檢查 SQLite
下面我們以 mac 為例（入門文檔也提供了 Windows 教程），首先創建一個簡單的 SQLite 數據庫進行測試。
然後配置桌面版 Claude。例如，如果你已經安裝了 VS Code，第一步先打開以下位置的桌面應用程式。
接下來将YOUR_USERNAME替換為你的實際用戶名：
替換完成後 Claude 就會接收到以下指令：
這裡有一個名為 "sqlite" 的 MCP 伺服器
通過運行 uvx mcp-server-sqlite 啟動它
将其連接到測試數據庫
最終，保存檔案并重新啟動桌面版 Claude，就可以正式享用了。
為了檢查一切是否正常運行，可以輸入以下咒語：
铛铛铛铛，Claude 最後成功查詢了 SQLite 數據庫。
除了上手簡單，MCP 還具有良好的開放性。
事實上，MCP 協定的性能已經收獲了首批合作夥伴的盛贊。
金融支付公司 Block 和數據管理解決方案供應商 Apollo，已經将 MCP 集成進了自家系統中。
Block 首席技術官 Dhanji R. Prasanna 表示：
MCP 這樣的開放技術是連接 AI 與實際應用的橋梁，确保創新易于獲取、透明，并基于合作。
我們很高興能夠合作開發一個協定，并利用它來構建具有 Agent 能力的系統。
而像 Zed、Replit、Codeium 和 Sourcegraph 在内的開發應用公司，則是用 MCP 來進一步增強自己的 AI 能力，尤其是提高 Agent 在編碼方面的理解力和完成質量。
總之，Anthropic 致力于将 MCP 打造成一個開源生态系統，無論是 AI 工具開發者，還是希望利用現有數據的企業，都可以加入進來。
即日起，開發者都可以開始構建和測試 MCP，以及現有的 Claude for Work 客戶可以開始本地測試 MCP 伺服器。
接下來，Anthropic 計劃推出更多支持工具，包括用于部署遠程 MCP 伺服器的工具包。
再融 40 億美元，Claude 瞄準 toB 市場
BTW，除了重磅推出 MCP，Anthropic 最近的好消息莫過于小金庫又進賬了。 ( doge）
去年給它投了 40 億美元的亞馬遜，這次又給了 40 億美元。其中一項重要合作内容是：
Anthropic 需要使用亞馬遜旗下的芯片訓練和部署 AI 模型。
這一招，雙方都打的是企業客戶這塊肥肉的主意。用 Anthropic 模型的企業客戶較多，亞馬遜希望借此擴大企業客戶市場份額；而亞馬遜自身也有大量企業客戶，Anthropic 也希望借其平台擴大模型使用。
此前有人估算，與 OpenAI 大部分收入來自 ChatGPT 應用訂閱不同，Anthropic 約 85% 的收入來自 API 調用。
在一次最新采訪中，Anthropic CEO 也明确表示：
目前公司更看重企業市場，而不是 OpenAI 那樣的消費市場。
而回顧競争對手們的動作，最近一周，OpenAI 與谷歌忙着在競技場排行榜較勁，不斷發布最新模型檢查點争第一。
Anthropic 開發者關系主管公開杠了一下：
Claude 正在真正重要的事上進步，而其他實驗室把精力花在 markdown 格式輸出上。
當時大家還不理解，什麼才是 " 真正重要的事 "。
緊接着，Claude 網頁版更新了集成谷歌文檔功能，但并未引起太多波瀾。
現在看來，" 真正重要的事 " 或許就是指 MCP 通信協定。
而官方谷歌文檔支持恐怕正是通過 MCP 實現的。
官方公告：
https://www.anthropic.com/news/model-context-protocol
GitHub：
https://github.com/modelcontextprotocol
快速入門文檔：
https://modelcontextprotocol.io/introduction
參考鏈接：
[ 1 ] https://twitter.com/alexalbert__/status/1861079762506252723
[ 2 ] https://twitter.com/alexalbert__/status/1861136466816180595
[ 3 ] https://twitter.com/skirano/status/1861081529071346161
[ 4 ] https://news.ycombinator.com/item?id=42237577
[ 5 ] https://www.tanayj.com/p/openai-and-anthropic-revenue-breakdown
