AI Engineer Europe 2026

The Future of MCP

David Soria Parra · Anthropic(MCP 联合创建者)

2026-04-19 · 19分钟 · 15 万次观看 · AI Engineer

MCP 每月 1.1 亿次下载;生产 agent 需要完整的连接栈(Skills + MCP + CLI + Computer Use 按场景组合)。上下文膨胀是客户端的问题:用渐进式发现按需加载工具、用代码模式(程序化工具调用)把多步编排放进脚本;服务端要按工作流而不是逐个 REST 端点设计;MCP Apps 让服务端同时交付界面与工具。

观看原视频 ↗

内容概要

MCP Apps 让服务端在工具之外交付一个界面,兼容的客户端(Claude、ChatGPT、VS Code、Cursor)都能渲染,关键是双方共享语义。编码 agent 的条件得天独厚:本地运行、有编译器验证、开发者就在旁边;而金融分析师、市场人员需要连接多个 SaaS 和共享盘,连接性成了产品核心。2026 年的连接栈:Skills、MCP、CLI 与 Computer Use 各有适用环境,最好的 agent 会无缝组合。上下文过大不该怪协议:协议只负责传递信息,由客户端/harness 决定怎样进入模型上下文;早期实现一次加载所有工具,渐进式发现改为搜索并按需加载。程序化工具调用(代码模式)在 V8 isolate 等执行环境里让模型写脚本编排多个工具,避免每一步都要一次推理;结构化输出提供类型信息支撑组合。服务端应暴露有意义的工作流和丰富的协议语义。路线图:无状态传输协议(Google 支持,便于部署到 Cloud Run/K8s)、作为 agent 间通信基础的异步任务、更好的 SDK、企业认证、自动服务器发现、Skills over MCP。

幻灯片截图

上下文用量过大不应自动归咎于 MCP:协议只在系统间传递信息,是客户端/harness 决定如何放进模型上下文。早期实现一次加载所有工具,集成越多上下文越大。
7:12 上下文用量过大不应自动归咎于 MCP:协议只在系统间传递信息,是客户端/harness 决定如何放进模型上下文。早期实现一次加载所有工具,集成越多上下文越大。
程序化工具调用(代码模式):模型调一个工具、读结果、再调下一个,每一步都要一次推理,增加延迟;让模型写脚本直接协调这些操作,在 V8 isolate 等执行环境里运行。结构化输出提供类型信息,方便组合。
9:36 程序化工具调用(代码模式):模型调一个工具、读结果、再调下一个,每一步都要一次推理,增加延迟;让模型写脚本直接协调这些操作,在 V8 isolate 等执行环境里运行。结构化输出提供类型信息,方便组合。
面向 agent 的 MCP 服务器应暴露有意义的工作流和丰富的协议语义,而不是把 REST API 逐个端点机械映射成工具。
12:00 面向 agent 的 MCP 服务器应暴露有意义的工作流和丰富的协议语义,而不是把 REST API 逐个端点机械映射成工具。

截图来自原视频,仅用于评论与学习。

要点(点击时间跳到原视频)

  1. 0:15

    MCP 应用:服务端在工具之外提供界面,Claude、ChatGPT、VS Code、Cursor 等兼容客户端都能理解和渲染,不必写死在某个产品或通过插件/SDK 分发;关键是客户端与服务端共享语义。

  2. 3:59

    编码 agent 条件优越:常在本地、能用编译器验证、开发者在旁可随时介入。金融分析、市场等知识工作 agent 需要连接多个 SaaS 和共享盘,连接性是产品核心而不是附带功能。

  3. 5:06

    生产 agent 的连接栈:Skills、MCP、CLI、Computer Use,按环境和任务组合使用,最好的 agent 会三者(四者)并用。

  4. 7:12

    上下文用量过大不应自动归咎于 MCP:协议只在系统间传递信息,是客户端/harness 决定如何放进模型上下文。早期实现一次加载所有工具,集成越多上下文越大。

  5. 8:20

    渐进式发现:不把每个工具都放进上下文,而是在模型需要时搜索并加载相应工具。

  6. 9:36

    程序化工具调用(代码模式):模型调一个工具、读结果、再调下一个,每一步都要一次推理,增加延迟;让模型写脚本直接协调这些操作,在 V8 isolate 等执行环境里运行。结构化输出提供类型信息,方便组合。

  7. 11:45

    面向 agent 的 MCP 服务器应暴露有意义的工作流和丰富的协议语义,而不是把 REST API 逐个端点机械映射成工具。

  8. 13:49

    协议层待改进:当前 HTTP 流式传输难以在超大规模下扩展,Google 支持的无状态传输提案让 MCP 服务器像普通无状态 REST 服务一样部署在 Cloud Run 或 K8s;异步任务作为 agent 间通信的实验基础;更好的 SDK、企业认证、自动服务器发现、Skills over MCP;客户端支持仍不均衡。

可以用在日常工作里的

  • 上下文

    自研 agent 客户端时实现工具搜索/按需加载,而不是把所有 MCP 工具一次塞进上下文。

  • 上下文

    设计 MCP 服务器时按用户工作流暴露少量高层工具,并返回结构化输出,便于 agent 用代码组合。

  • 产品

    需要人选择或查看的环节考虑用 MCP Apps 返回交互界面,而不是纯文本。

演讲提到的资源

同一章节的其他演讲

← 返回全景 · 目录