LangChain创始人激辩MCP：这是行业新标准，还是昙花一现？

134 0 0

文章摘要

Agentic AI 作为当前行业的热点，其核心问题之一是如何让大模型有效地调用工具。目前，主流的解决方案包括 computer/browser use 和 agent 协议，后者以 Anthropic 发布的 MCP（Multi-agent Communication Protocol）为代表。MCP 的提出引发了广泛的讨论，尤其是关于它是否能够成为未来的标准，还是仅仅是一个短暂的热点。

Harrison Chase认为，MCP 的价值在于它为无法控制的 agent 提供了引入工具的途径。例如，用户无法直接修改 Claude 桌面端或 Cursor 等应用的底层 agent，但通过 MCP，用户可以让这些 agent 访问新的工具。他强调，MCP 特别适用于非开发者构建 agent，因为这些用户通常不具备修改 agent 逻辑的能力，但希望 agent 能够使用特定的工具。MCP 的核心优势在于它能够简化工具的引入过程，使得非技术用户也能参与 agent 的构建。

然而，Nuno Campos对 MCP 的实用性持保留态度。他指出，在实际生产环境中，agent 的架构和提示通常需要根据所使用的工具进行定制，而 MCP 的通用性可能导致工具调用的效率降低。他提到，当前的模型在调用工具时，大约有一半的时间会出现错误，即使是在为特定工具量身定制的 agent 中也是如此。Nuno 认为，随着用户期望的提高，仅仅依靠 MCP 来满足这些期望是不够的，开发者需要对整个技术栈进行控制。

Harrison 则反驳说，尽管当前的 agent 可能无法达到 99% 的可靠性，但它们仍然具有一定的实用性。他提到，MCP 提供了工具定义和提示设置的功能，随着底层模型的改进，现成的工具调用 agent 也会变得越来越好。Harrison 认为，MCP 的真正价值在于它能够支持大量的长尾连接和集成，类似于 Zapier 的自动化工作流平台。 通过 MCP，用户可以创建自己的 agent 版本，而无需为每个工作流程都打造一个精心设计的 agent。

Nuno 对此表示怀疑，他指出，LangChain 的工具库虽然已经存在两年，但在生产环境中很少被使用。他认为，MCP 的复杂性限制了它的广泛应用，尤其是在需要处理提示和大语言模型补全的情况下。Nuno 认为，MCP 需要简化其协议，并解决在分布式环境中的身份验证等问题，才能真正成为未来的标准。

Harrison 承认，MCP 目前的形式确实存在缺陷，但他相信未来 MCP 会变得更加易用，例如通过一键安装的方式在网页应用中使用。他预测，MCP 的发展方向将使其更类似于 OpenAI 的定制版 GPT，但 MCP 的生态系统已经比插件更加庞大，且模型的能力也在不断提升。

总的来说，MCP 的潜力在于它为无法控制的 agent 提供了引入工具的途径，并能够支持非开发者参与 agent 的构建。 然而，其复杂性和当前的工具调用效率问题仍然是其广泛应用的障碍。未来，MCP 需要在简化协议、提高易用性以及解决分布式环境中的技术挑战方面做出改进，才能真正成为行业标准。