AI迎來“USB-C時刻”，MCP如何與以太坊完美融合？

內容 | Bruce

編輯 & 排版 | 環環

設計 | Daisy

AI 進化史上的"USB-C時刻"，2024 年 11 月，Anthropic 發布的 MCP 協議正在引發硅谷地震。這個被喻為"AI 界 USB-C"的开放標准，不僅重構了大模型與物理世界的連接方式，更暗藏着破解 AI 壟斷困局、重構數字文明生產關系的密碼。當我們還在爭論 GPT-5 的參數規模時，MCP 已悄然鋪就通向 AGI 時代的去中心化之路......

Bruce：最近在研究 Model Context Protocol（MCP）。這是繼 ChatGPT 之後，在 AI 領域第二個讓我非常興奮的東西，因為它有希望解決我思考多年的三個問題：

• 非科學家和天才，普通人如何參與 AI 行業並獲得收入？
• AI 和 Ethereum 有什么雙贏的結合之處？
• 如何實現 AI d/acc？避免中心化的大公司壟斷、審查，AGI 毀滅人類？

01、MCP 是什么？

MCP 是一個开放標准框架，可以簡化 LLM 與外部數據源和工具的集成。如果我們把 LLM 比作 Windows 操作系統，Cursor 等應用是鍵盤和硬件，那么 MCP 就是 USB 接口，支持將外部數據和工具靈活插入，然後用戶可以讀取使用這些外部數據和工具。

MCP 提供了三種能力對 LLM 進行擴展：

• Resources（知識擴展）
• Tools（執行函數，調用外部系統）
• Prompts（預編寫提示詞模板）

MCP 可以由任何人進行开發和托管，以 Server 的方式提供，可以隨時下线停止服務。

02、為什么需要 MCP

目前 LLM 使用盡可能多的數據進行大量的運算並生成大量的參數，將知識融入到模型裏面，從而實現對話輸出相應知識。但是存在比較大的幾個問題：

1. 大量的數據和運算需要大量的時間和硬件，用於訓練的知識通常是過時的。
2. 大量參數的模型，很難在本地設備進行部署和使用，但實際上使用者大部分場景可能並不需要全部信息完成需求。
3. 部分模型採用爬蟲的方式讀取外部信息進行運算以實現時效性，但是由於爬蟲的限制和外部數據的質量，可能產出誤導性更強的內容。
4. 由於 AI 並沒有很好的給創作者帶來利益，很多網站和內容开始實施反 AI 措施，生成大量垃圾信息，將會導致 LLM 的質量逐步下降。
5. LLM 很難擴展到方方面面的外部功能和操作，例如准確調用 GitHub 接口實現一些操作，它會按照可能過時的文檔生成代碼，但無法確保可以精准執行。

03、胖 LLM 和瘦 LLM + MCP 的架構演進

我們可以將目前的超大規模模型視為胖 LLM，其架構可以以下面簡單圖示表示：

用戶輸入信息之後，通過 Perception & Reasoning 層對輸入進行拆解和推理，然後調用龐大的參數進行結果生成。

基於 MCP 之後，LLM 可能聚焦在語言解析本身，剝離出去知識和能力，變成瘦 LLM:

瘦 LLM 的架構下，Perception & Reasoning 層將會關注如何將全方面的人類物理環境信息解析成為 tokens，包括但不限於：語音、語氣、氣味、圖像、文字、重力、氣溫等，然後通過 MCP Coordinator 編排和協調多達數百的 MCP Servers 完成任務。瘦 LLM 的訓練成本和速度將會極速提升，對於部署設備的要求變得很低。

04、MCP 如何解決三大問題

普通人如何參與 AI 行業？

任何有獨特才能的人，都可以創建自己的 MCP Server 對 LLM 提供服務。例如一個鳥類愛好者可以將自己多年的鳥類筆記通過 MCP 對外提供服務。當有人使用 LLM 搜索跟鳥類相關的信息，就會調用到當前鳥類筆記 MCP 服務。創作者也會因此獲得收入分成。

這是一種更為精准和自動化的創作者經濟循環，服務內容更加標准化，調用的次數、輸出的 token 都可以很精准的統計。LLM 提供商甚至可以同時調用多個鳥類筆記 MCP Servers 讓用戶選擇和評分來確定誰的質量更好獲得更高匹配權重。

AI 和 Ethereum 的雙贏結合

a. 我們可以基於 Ethereum 構建一個 OpenMCP.Network 創作者激勵網絡。MCP Server 需要托管和提供穩定的服務，用戶對 LLM 提供商付費，LLM 提供商將實際的激勵通過網絡分配到被調用的 MCP Servers 上從而維持整個網絡的可持續性和穩定性，激發 MCP 的創作者持續創作和提供高質量內容。這一套網絡將需要使用智能合約實現激勵的自動化、透明、可信和抗審查。運行過程中的籤名、權限驗證、隱私保護都可以使用以太坊錢包、ZK 等技術實現。

b. 开發 Ethereum 鏈上操作相關的 MCP Servers，例如 AA 錢包調用服務，用戶將支持在 LLM 裏面通過語言實現錢包付款而不暴露相關私鑰和權限給 LLM。

c. 還有各種开發者工具，進一步簡化 Ethereum 智能合約开發和代碼生成。

實現 AI 去中心化

a. MCP Servers 將 AI 的知識和能力去中心化，任何人都可以創建和托管 MCP Servers，注冊到例如 OpenMCP.Network 這樣的平臺上面之後按照調用獲得激勵。沒有任何一個公司可以掌握全部的 MCP Servers。如果一個 LLM 提供商給予不公平的激勵到 MCP Servers，創作者將支持屏蔽該公司，用戶得不到優質結果後將會更換其他 LLM 提供商實現更公平的競爭。

b. 創作者可以對自己的 MCP Servers 實現細粒度的權限控制以保護隱私和版權。瘦 LLM 提供商應該通過提供合理的激勵來讓創作者貢獻高質量的 MCP Servers。

c. 瘦 LLM 能力差距將慢慢抹平，因為人類的語言是有遍歷上限的，演進也很緩慢。LLM 提供商將需要把目光、資金瞄向高質量的 MCP Servers，而非重復使用更多顯卡煉丹。

d. AGI 的能力將得到分散和降權，LLM 僅作為語言處理和用戶交互，具體能力分布在各個 MCP Servers 裏面。AGI 將不會威脅到人類，因為關閉 MCP Servers 之後就只能進行基礎語言對話。

05、總體回顧

1. LLM + MCP Servers 的架構演進，本質上是將 AI 能力的去中心化，降低了 AGI 毀滅人類的風險。
2. LLM 的使用方式，使其對 MCP Servers 的調用次數和輸入輸出可以做到 token 級別的統計和自動化，為 AI 創作者經濟系統的搭建奠定了基礎。
3. 好的經濟系統可以驅動創作者主動貢獻創作高質量 MCP Servers，從而帶動整個人類的發展，實現正向飛輪。創作者不再抵御 AI，AI 也會提供更多崗位和收入，將類似 OpenAI 這樣的壟斷商業公司的利潤合理分配。
4. 這一套經濟系統，結合其特性和創作者的需求，非常適合基於 Ethereum 實現。

06、未來展望：下一步的劇本演進

1. MCP 或者類 MCP 的協議將會層出不窮，幾家大公司將开始競爭標准的定義。
2. MCP Based LLM 將會出現，專注於解析和處理人類語言的小模型，附帶 MCP Coordinator 接入 MCP 網絡。LLM 將支持自動發現和調度 MCP Servers，無需復雜手工配置。
3. MCP Network 服務提供商將出現，每家有自己的經濟激勵系統，MCP 創作者將自己的 Server 注冊和托管即可得到收入。
4. 如果 MCP Network 的經濟激勵系統使用 Ethereum 構建，基於智能合約，那么 Ethereum 網絡的 transactions 保守估計將增加約 150 倍（按照非常保守的每天 1 億次 MCP Servers 的調用量，目前 12s 一個 Block 包括 100 txs 計算）。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。