今天小编分享的科学经验：Claude化身伺服器联通一切！AI写好代码自己发Github，人类程式员只配动嘴了，欢迎阅读。
Anthropic 又发大礼包！现在Claude 自己就是一台伺服器。
能直连 GitHub，AI 自己写代码、自己创建仓库、Push 代码、创建 Issue、创建分支、创建 PR 一条龙服务。
全程不用离开聊天界面，人类程式员只起到了提需求的作用，彻底退化成产品经理（狗头）。
除了访问外部资源，也可以在本地创建、读取和编辑檔案和檔案夹。
甚至可以多种能力组合，先联网搜索获取资料，再把处理好的内容填入本地 html 檔案。
看到这里，或许有人会认为，这不过是一个更为花哨的开发者版 GPT 插件或 GPTs 罢了。
但 Claude 的野心远不止于此——
新能力背后是一套通信協定MCP （Model Context Protocol）。
实现大模型应用与外部数据源和工具之间的无缝集成，帮助 AI 获得所需的上下文数据，生成质量更高、与任务更相关的回答。
就像互联网靠 HTTP 标准化了浏览器和伺服器之间的信息交换过程，MCP 協定也是标准化 AI Agent 和不同数据源（包括内容存储库、业务工具和开发环境）之间通信的一次尝试。
并且这可不是闹着玩的，Anthropic 已经打算牵头把 MCP 協定推动成行业开放标准了。
你可能要问了，MCP 听起来是个好东西，但搭建对应的伺服器想必也不简单吧？
No No No，官方公告明示，最新版Claude 3.5 Sonnet 自己就非常擅长架设 MCP 伺服器，直接完成闭环。
并且，Claude 桌面版 APP 更新后也内置了 MCP 伺服器支持，只需要修改配置檔案、重启即可生效。
这下claude_desktop_config.json is all you need了。
首批合作伙伴、AI 编程工具Replit 总裁盛赞，MCP 将成为AI Agent 与互联网生态之间的通用语言。
也有开发者表示 " 看起来很疯狂 "，Claude 在接管个人电腦之后，再次接管了伺服器。自己此前光是让 AI 连接数据库都很费劲。
不过，也有人持怀疑态度，贴出著名讽刺漫画 XKCDde 一集，担心 MCP 協定最终没有成为行业通用标准，只是会让生态更加混乱。
当前情况：有 14 个标准在竞争。
14 个‽太荒谬了！我们需要制定一个涵盖每个人使用案例的通用标准。
不久之后：现在有 15 个标准在竞争。
那么 Claude 家力推的 MCP 協定是否有潜力一统江湖呢？
还要从協定本身的设计、性能、开放性、易用性等方面来考察。
即日起 MCP 本地可用，5 分钟快速入门指南奉上
我们先来扒一扒官方公告都有哪些看点。
整体而言，公告主要介绍了3 点：
当前 LLM 在应用落地方面所面临的痛点
MCP 通信協定提供的解决方案
5 分钟快速入门指南
首先，随着大模型从纯聊天机器人走向以智能助手为代表的 Agent 应用，由于 Agent 需要的操作日益复杂，全球应用玩家们都面临一个相同的痛点——数据隔离。
简单说，一旦 LLM 应用需要访问外部数据，开发者就得写一大堆定制代码，又麻烦又重复。
这样一来，别说实现 AGI 了，就连构建真正互联的 AI 系统都难以推进。
面对此情此景，Anthropic 带着它的 MCP（模型上下文協定）闪亮登场了！
一句话，MCP 協定就像 AI 系统与数据源之间的一座桥梁，允许开发者在数据源和 AI 工具之间建立双向连接。
为了更好理解，我们直接康康 MCP 究竟长啥样。
据了解，它采用客户端 - 伺服器架构，多个服务可以连接到任何兼容的客户端。客户端可以是 Claude Desktop、IDE 或其他 AI 工具，伺服器则充当适配器，暴露数据源。
其优势在于，以后不管是访问本地资源（数据库、檔案、服务），还是访问远程资源（如 Slack、GitHub API），都能用同一个協定。
而且支持的数据形式非常多样，包括檔案内容、数据库记录、API 响应、实时系统数据、螢幕截图和影像、日志檔案等，几乎覆盖了所有类型。
每个资源都由一个唯一的 URI 标识，可以包含文本或二进制数据。
此外，MCP 協定具有良好的可扩展性，还能提供：
Prompts：可以重复使用的模版和工作流程（包括多步骤） ；
Tools：从系统操作到 API 集成，再到运行数据处理任务的一切工具；
Transports：客户端和伺服器之间通过JSON-RPC 2.0进行的请求、响应和通知，包括对伺服器到客户端流和其它自定义传输的支持（目前尚未提及 WebSocket/WebRTC）；
Sampling：允许伺服器通过客户端请求 LLM 完成复杂智能体行为（包括评估成本优先级、速度优先级和智能优先级等）；
同时，MCP 伺服器还内置了安全机制，允许伺服器自己控制资源，不用把 API 密钥给 LLM 提供商。
不过需要提醒，目前 MCP 仅支持本地运行（伺服器需要在自己的机器上），官方正计划构建具有企业级身份验证的远程伺服器支持（为企业内部共享提供支持）。
话不多说，我们直接开箱 Anthropic 这次为开发者准备的东西：
MCP 協定和軟體开发工具包 ( SDK )
Claude 桌面应用程式中的本地 MCP 伺服器支持
一个 MCP 伺服器的开源存储库
大礼包到手，咋用呢？？
别急，这里还有一份「5 分钟快速上手指南」，我们领到的任务是：
使用 MCP 協定，让桌面版 Claude 安全连接本地服务，比如 SQLite 数据库。
（注意，桌面版 Claude 的 MCP 支持目前处于开发者预览阶段，仅支持连接本地运行的 MCP 伺服器，尚不支持远程连接。）
开始之前，我们需要确保自己的 macOS 或 Windows 系统已经完成下列准备。
已安装最新版 Claude Desktop
Node.js v18 或更高版本
检查 Git
检查 SQLite
下面我们以 mac 为例（入门文档也提供了 Windows 教程），首先创建一个简单的 SQLite 数据库进行测试。
然后配置桌面版 Claude。例如，如果你已经安装了 VS Code，第一步先打开以下位置的桌面应用程式。
接下来将YOUR_USERNAME替换为你的实际用户名：
替换完成后 Claude 就会接收到以下指令：
这里有一个名为 "sqlite" 的 MCP 伺服器
通过运行 uvx mcp-server-sqlite 启动它
将其连接到测试数据库
最终，保存檔案并重新启动桌面版 Claude，就可以正式享用了。
为了检查一切是否正常运行，可以输入以下咒语：
铛铛铛铛，Claude 最后成功查询了 SQLite 数据库。
除了上手简单，MCP 还具有良好的开放性。
事实上，MCP 協定的性能已经收获了首批合作伙伴的盛赞。
金融支付公司 Block 和数据管理解决方案供应商 Apollo，已经将 MCP 集成进了自家系统中。
Block 首席技术官 Dhanji R. Prasanna 表示：
MCP 这样的开放技术是连接 AI 与实际应用的桥梁，确保创新易于获取、透明，并基于合作。
我们很高兴能够合作开发一个協定，并利用它来构建具有 Agent 能力的系统。
而像 Zed、Replit、Codeium 和 Sourcegraph 在内的开发应用公司，则是用 MCP 来进一步增强自己的 AI 能力，尤其是提高 Agent 在编码方面的理解力和完成质量。
总之，Anthropic 致力于将 MCP 打造成一个开源生态系统，无论是 AI 工具开发者，还是希望利用现有数据的企业，都可以加入进来。
即日起，开发者都可以开始构建和测试 MCP，以及现有的 Claude for Work 客户可以开始本地测试 MCP 伺服器。
接下来，Anthropic 计划推出更多支持工具，包括用于部署远程 MCP 伺服器的工具包。
再融 40 亿美元，Claude 瞄准 toB 市场
BTW，除了重磅推出 MCP，Anthropic 最近的好消息莫过于小金库又进账了。 ( doge）
去年给它投了 40 亿美元的亚马逊，这次又给了 40 亿美元。其中一项重要合作内容是：
Anthropic 需要使用亚马逊旗下的芯片训练和部署 AI 模型。
这一招，双方都打的是企业客户这块肥肉的主意。用 Anthropic 模型的企业客户较多，亚马逊希望借此扩大企业客户市场份额；而亚马逊自身也有大量企业客户，Anthropic 也希望借其平台扩大模型使用。
此前有人估算，与 OpenAI 大部分收入来自 ChatGPT 应用订阅不同，Anthropic 约 85% 的收入来自 API 调用。
在一次最新采访中，Anthropic CEO 也明确表示：
目前公司更看重企业市场，而不是 OpenAI 那样的消费市场。
而回顾竞争对手们的动作，最近一周，OpenAI 与谷歌忙着在竞技场排行榜较劲，不断发布最新模型检查点争第一。
Anthropic 开发者关系主管公开杠了一下：
Claude 正在真正重要的事上进步，而其他实验室把精力花在 markdown 格式输出上。
当时大家还不理解，什么才是 " 真正重要的事 "。
紧接着，Claude 网页版更新了集成谷歌文档功能，但并未引起太多波澜。
现在看来，" 真正重要的事 " 或许就是指 MCP 通信協定。
而官方谷歌文档支持恐怕正是通过 MCP 实现的。
官方公告：
https://www.anthropic.com/news/model-context-protocol
GitHub：
https://github.com/modelcontextprotocol
快速入门文档：
https://modelcontextprotocol.io/introduction
参考链接：
[ 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
