AI・テクノロジー
MCP突破9700万次安装｜AI智能体标准的霸主
機械翻訳 / Machine-translated
A
AI Friends
2026年4月26日・10分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
"公司内部想使用AI智能体，但每次与各系统集成都要花费开发成本……"——这一困扰众多企业的难题，现在有了好消息。
2026年3月25日，Anthropic的MCP（Model Context Protocol）突破9700万次安装。
OpenAI、Google、Microsoft纷纷采用，MCP已成为AI行业的"事实标准"。
MCP（Model Context Protocol）是一种开放规范，以标准化方式将AI智能体与外部工具、数据库及应用程序相连接。由Anthropic于2024年11月发布。
打个比方，它就是AI行业的USB-C接口。
在USB-C出现之前，智能手机的充电线因厂商不同而各异，出差时不得不带上好几根。
MCP就相当于"在AI与应用程序之间创建了一个解决这种混乱问题的通用接口"，这样理解起来比较直观。
具体而言，AI智能体（客户端）通过连接到称为MCP服务器的中继节点，就能以统一的方式调用文件系统、数据库、SaaS及企业内部工具。以往需要分别为ChatGPT、Claude、Gemini编写三套代码，而现在这一痛点彻底消除，这正是MCP的革命性所在。
过去，在AI应用开发领域存在"N×M问题"。
要将N个AI模型×M个工具进行集成，就必须编写N×M个连接器。
例如，将ChatGPT、Claude、Gemini、Llama（4种AI）分别接入Slack、Notion、GitHub、Jira（4种工具），就需要16种集成代码。
MCP将这一问题转变为"N+M"。
只需AI模型端支持MCP，工具端提供MCP服务器，4＋4＝8的对应关系即可覆盖全部16种组合。
开发工时减少一半以上，从而大幅降低了企业的AI导入成本。
此次"9700万次安装"这一数字，指的是每月SDK下载量。
MCP刚发布后（2024年底）每月下载量为10万次。
18个月后的2026年3月，这一数字增长了970倍。
作为参照对象，不妨看看已成为云计算行业标准的"Kubernetes"。
Kubernetes于2014年由Google发布，达到同等企业环境普及密度花了约4年时间。
而MCP仅用18个月就走完了同样的普及曲线。
打个比方，就像"某个小镇设立的小型公共候车站"在18个月内成长为"大都市圈所有主要车站统一安装的通用检票闸机"。如此迅速普及的基础设施规范，在IT史上实属罕见。
MCP能够如此迅速标准化，背后有三个战略性因素。
想象一下，在一家80人规模的物流公司全权负责IT事务的佐藤先生（化名）。
以前，他想"把Slack上的咨询汇总给Claude，再将Notion的会议记录摘要化，同时自动更新GitHub的issue"，却不得不编写调用三个API的自定义脚本，光是维护每月就要耗费10小时。
使用MCP后，只需分别配置Slack、Notion、GitHub的官方MCP服务器。
然后对Claude说"把上周Slack上的咨询整理一下，生成Notion会议记录，再在GitHub上创建issue"，一切就全部完成。
运维工时缩减至原来的十分之一。
连接AI与外部工具的机制不止MCP一种。下面与主要竞品进行比较。
有趣的是，"能成为行业标准的只有MCP"。
Function Calling虽然便捷，但各家规范不同，倾向于封闭；OpenAI Plugins因一家独大，其他公司不愿跟进而失败。
MCP"从一开始就承诺开放"，使得竞争企业也能放心搭乘这趟顺风车。
"专为单一模型打造自有AI产品"→ Function Calling已经足够。
"跨越多个AI模型或多种工具"→ 非MCP不可。
"现有自定义API集成已在运行"→ 分阶段迁移至MCP，是2026年的现实最优解。
日本已有多家企业开始正式推进MCP应用。
日本的白领工作者花费了大量时间在"多个SaaS之间来回切换"上。
例如销售岗位每天在Salesforce、kintone、Slack、Outlook之间来回切换数十次，是日常工作的常态。
若能通过MCP从单一AI助手操作所有工具，每人每年削减200至500小时业务时间将成为现实。
A. 是的，完全免费且开源。
规范和SDK均以MIT许可证公开，商业使用也不受限制。
由于由Linux Foundation旗下的Agentic AI Foundation管理，也无需担心因特定企业的意愿而突然无法使用。
A. MCP服务器可以部署在企业自有环境中，无需将数据发送到外部。
设计上只将工具调用结果返回给AI模型端，因此安全要求严格的金融机构和医疗机构也在陆续采用。
企业版ChatGPT和Claude的输入数据也不会用于模型训练。
A. 个人使用时，"使用端"非常简单。
只需在Claude Desktop应用的配置文件中添加MCP服务器的URL，即可立即使用文件系统或网络搜索工具。
"自己创建MCP服务器"面向工程师，但包含官方和非官方在内已公开超过17,000个服务器，大多数人组合现成产品即可满足需求。
A. Copilot是"产品"，MCP是"规范"。
Microsoft Copilot是集成于Microsoft 365的AI产品名称，自2025年8月的Microsoft Build起，Copilot也支持MCP。
也就是说，两者的关系不是"Copilot vs MCP"，而是"Copilot内部运行着MCP"。
A. 截至2026年4月，正在迅速完善中。
kintone、Cybozu、freee等国内主要SaaS的官方MCP服务器相继发布，博报堂DY等大型企业也已启动导入支持服务。
预计一年内日本企业的主要工具将基本实现MCP兼容。
正如USB-C接口的出现让数码设备的世界一下子变得便捷，MCP正为AI×业务系统的世界带来同样的革命。
"如何尽快将企业AI连接到内部工具"，将成为未来2至3年生产力竞争的分水岭。
你和你的团队本周迈出的一步，或许将在一年后造就业务速度上的决定性差距。
本文转载自 AI Friends。
