MCP：Crypto+AI下一個爆發點？

AI 帶來的意義便是解放人類勞動力，提升大多數工作能力的下限，然而目前 LLM 局限性仍大，必須來回對話才能給出建議，且必須用戶根據建議親自執行，距離真正利用 AI 幫我們工作還有一段落差。

而現在如果可以透過與 AI 對話，實際利用你的電腦進行郵件回覆、報表撰寫等功能，甚至還可以幫你自動化炒幣，是不是越來越接近解放生產力的愿景？而這項技術就是目前在 AI 領域的當紅關鍵字 - MCP

MCP 是什么？

MCP（Model Context Protocol）是由 Anthropic 公司在 2024 年 11 月發布的一套「標准化協定」，用來解決過去 AI 模型只能「說」卻無法「做」的問題。

首先先將 MCP 命名拆解

• Model：模型，指的就是各種 AI 大型語言模型（例如 GPT、Claude、Gemini 等）
• Context：脈絡，代表給模型的額外資料或者外部工具
• Protocol：協議，通用、標准化的「規範」或者「接口」

合在一起就是：透過統一規範，讓 AI 不只會「說」，還能直接操控外部工具完成各種任務。

一般我們最常使用的 LLM，像是 ChatGPT、Grok 等等，只能根據對話內容進行「文字輸入、文字輸出」。如果我們要讓 AI 幫忙實際執行操作，例如去電腦資料夾讀檔案、發 Email、查資料庫等，通常先是下指令給 LLM，用戶再經由 LLM 的回應自己動手操作，最後再把結果回報給 AI，AI 再給我們文字建議，我們繼續操作，如此往復循環。

MCP 的出現，讓 AI 不但能讀取電腦本地的檔案、連线到某個遠端資料庫，甚至能直接操作特定的網路服務。也就是說，AI 不再僅僅只是輸出文字，而是能替你完成很多重復性或流程性的工作。

運作方式簡述

• MCP Host（管理員）：負責管理、協調整個 MCP 的運作。例如 Claude Desktop 就是一種 Host，能協助 AI 存取你本地端的資料或工具。
• MCP Client（用戶端）：接收使用者的需求，並與 LLM（AI 模型）進行溝通。常見例子包括各種整合了 MCP 的聊天介面或 IDE（如 Goose、Cursor、Claude Chatbot）。
• MCP Server（伺服器）：可以視作是一組「已經整理好、帶有注解」的 API 集合，提供 AI 可以使用的功能。例如讀取資料庫、發送郵件、管理檔案、呼叫外部服務等。

有了 MCP，AI 不只能理解人類語言，還能把特定的文字直接翻譯成動作指令，進而完成自動化操作。例如，幫你整理銷售報表、發郵件給客戶，甚至透過指令直接在 Blender 上進行 3D 建模。

參考：https://www.youtube.com/watch?v=FDRb03XPiRo&t=4s

MCP 的重要性為何？

1.打通 AI 與外部工具的橋梁

LLM 的局限性在於當中的資料都經過預訓練，並非實時更新，意思是 LLM 的資料僅限於它訓練時所看到的資訊，因此訓練之後產生的新資訊，模型是不知道的。

假設 LLM 為今年 2 月訓練，那么今年 2 月之後的資料則是完全沒有的。

目前主流的方法是使用 RAG (Retrieval-Augmented Generation)，這是一種把「檢索系統」與「生成模型」結合的方式。這種架構能在 LLM 推理前，先檢索最新的資料，並將檢索結果作為上下文提供給模型。具體來說：

• 資料檢索 (Retrieval)：在 LLM 回答問題前，先使用一個檢索工具（例如網路搜索、內部資料庫查詢等），尋找符合當下問題的最新資料。
• 生成 (Generation)：檢索到的資料會作為輔助資料（Context）傳遞給 LLM，幫助它生成更精准、即時的回答。

像 AI 在回覆問題前，先透過 Bing 或 Google 搜尋最新的資訊，再將檢索結果整合進回應，就是使用 RAG 的方式。

MCP 跟 RAG 最大的不同是：

• RAG 是用較為靜態的資料輔助 LLM 的回答，而 MCP 則能讓 AI 真正「動手去做」，例如查資料庫、調用 API，或什至修改檔案內容。

2.標准化 & 通用性：像 USB-C 一樣的存在：不同廠商可以各自开發符合 MCP 規範的功能，就像所有裝置都能使用同一種 USB-C 傳輸线一樣。如果沒有 MCP，每個开發者都得自行定義該怎么讓 AI 呼叫特定 API。這意味着相同的工作會被不同人重復开發。 MCP 統一後，大家只要實作同一套規範就能立即整合，避免重復造輪子的現象出現。

3.從被動回應到主動執行：傳統 AI 工具只會回答問題，不能真正動手。有了 MCP，AI 可以根據當下情況決定要執行什么指令，並透過讀取回傳結果，再進行下一步的動作。這種看情況不斷修正的能力，大幅增強 AI 的實用性。

4.安全性與控管：MCP 並不會強迫把所有資料都傳到 AI 模型，能透過權限、API 金鑰管理等方式控管資料存取，確保機密資訊不會外流。

MCP 跟 AI Agent 相比，差異為何？

什么是 AI Agent？

去年 Q3 由 GOAT 領頭帶起了 AI Agent 風潮，大多數加密用戶是透過 Web 3 視角了解 AI Agent，AI Agent 通常指的是能「自動化」處理特定任務的 AI 系統，它不只跟人對話，還能根據上下文主動採取行動、呼叫工具或 API，去完成一系列的步驟。像是最常見的能夠在推特上自主發文，也屬於 AI Agent 的範疇。

AI Agent 的限制

• 缺乏標准化：每個人都可以造一個 Agent，可是如果沒有統一的規範，就會出現「這個 Agent 只會用 A 廠商的模型」、「那個 Agent 只會打 B 系統的 API」的問題。
• 容易各自為政：AI Agent 雖然能跑腿，但开發者往往需要自訂大量 API 的格式和規則，不同 Agent 之間缺乏共用的生態系，導致整合困難。

MCP 與 AI Agent 的關系：MCP 是一種協議，AI Agent 是一種概念或執行方法

• AI Agent 強調 AI 具備主動行動、執行工具的能力
• MCP 則專注於如何讓不同 AI 模型與外部工具溝通，扮演通用標准的角色。

MCP 幫助 AI Agent 更有效運作

• 沒有 MCP，AI Agent 可能要對不同工具、不同平臺都各寫一套 API 規則，开發維護都很麻煩。
• 有了 MCP，AI Agent 只要照着 MCP 規範，從「Server 列表」中取得可用工具，然後動態決定要用哪一個工具完成任務，對外部資源的存取也更安全、方便。

功能範圍不同

• AI Agent：着重於決策、邏輯，根據需求判斷要怎么做、要執行哪些步驟。
• MCP：專門解決工具介接、標准格式，怎么把外部服務、資料庫、檔案系統以統一的方式提供給 AI

兩者結合：AI Agent + MCP ＝ 讓 AI 既懂得怎么行動，也能去哪裏行動。

當前幣圈有哪些 MCP 概念項目？

1.基礎 MCP

Base 官方开發的框架，在 3 月 14 日推出，讓 AI 應用能與 Base 區塊鏈互動，用戶只要透過自然語言的對話，無需开發能力，便可以做到將合約部署到區塊鏈上以及使用 Morpho 進行借貸等功能。

BORK 是第一個使用 Base MCP 部屬的代幣， 於 3 月 14 日發行，市值最高到達 460 萬美元，但當前已回落至 11 萬美元，且 24 小時交易量僅有 9 萬美元，可以判斷該幣壽命已經結束。

Flock 是一個去中心化的 AI 訓練平臺，他指出當前 MCP 仍然在外部 AI 模型上運行，為中心化 LLM 處理，Flock 提供 Web3 代理模型，AI 驅動的區塊鏈任務可以在本地運行，從而為使用者提供更多控制權。

2.天琴座

LYRAOS 全名是 LYRA MCP-OS，也是多 AI Aigent 操作系統，允許 AI Agent 可以直接與 Solana 區塊鏈互動，執行如买賣加密貨幣等操作。

當前他們正在探索如何使用 MCP-OS 建立數千個 "AI16ZDAOs"，即 AI 驅動的去中心化自治組織，用於加密貨幣投資，LYRAIOS 計劃在 2025 年 3 月 21 日至 22 日之間釋出 DEMO，並在下周推出正式產品。

當前代幣市值 92.3 萬，最高 264 萬，24 小時交易量 300 萬，持幣地址數 2,922

結語：AI 敘事再次起舞，還需時間觀察

盡管 MCP 提供了一條標准化規則，讓 AI 能更容易且安全地與外部工具互動，且在 Web 3 領域看似大有可為，但成功案例相對有限，背後原因或許包含以下幾點：

技術整合尚未成熟：Web 3 生態中，每條鏈、每個 DApp 的合約邏輯和資料結構都有差異，想將它們統一封裝成可被 AI 呼叫的 MCP Server 仍需投入大量开發資源。

安全與監管風險：讓 AI 直接操縱合約、處理資金交易，需要設計完善的私鑰管理與權限控管機制，難度與成本都高。

用戶習慣與體驗：多數人對於讓 AI 管理錢包或做投資決策仍存疑，區塊鏈本身的操作門檻也高。如果體驗過於復雜或缺乏明確的應用場景，新手很難長期使用或投入。

審美疲勞與市場冷感：此前 AI Agent 在幣圈掀起風潮，許多未落地的專案在巔峯時期的估值破億是家常便飯，而近期正面臨戳破 AI 泡泡的階段，大多數項目下跌超過 90%，視為對 AI 的怯魅。

回到 MCP 敘事，可以理解為超級加強版的 AI Agent，此前市場已經經歷過加密 AI 狂潮，也逐漸明白何為概念炒作與實際應用，若缺乏真正具有創新與實用價值的應用，投資者與使用者也不會輕易买單。像 BORK 這樣的先行 MCP 專案，因為沒有明顯的差異化或應用落地，最終並未炒起熱度，這也是筆者認未現行 MCP 概念尚未風行最重要的關鍵因素。

MCP 與區塊鏈的結合擁有潛力，但同時面臨技術門檻與市場壓力的雙重挑战。未來若能整合更成熟的安全機制、打造更直覺的使用者體驗，並發掘真正帶來價值的創新應用，「Web 3 + MCP」 才可能脫離「炒作話題」的宿命，成為新一輪主线敘事。

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。