文 | 硅基研究室 kiki
Manus拉動的智能體復現潮，意外帶火了OpenAI最強競對。
在「AI Agent元年」的討論背后，Anthropic也以另一種方式也被人們重新討論，在諸多復現Manus的案例中，「MCP」成了新的熱詞。
所謂的「MCP」是Anthropic在去年11月發布的「模型上下文協議」，用來連接大模型的外部數據和工具，你可以將它視為AI領域的「USB-C接口」，以標準化的形式簡化了AI與外部世界的交互。
商業世界有句話：“一流企業買標準、二流企業賣品牌、三流企業賣產品。”在「做標準」這件事上，Anthropic似乎比OpenAI走得更遠、更深。
原美團聯合創始人王慧文近期也在「即刻」上發文稱：“越來越覺得，Anthropic會替代OpenAI成為AGI擔當”。
與OpenAI的擅長營銷和「大力出奇跡」不同，Anthropic以低調穩健著稱，并不一味追求C端的影響力，他們對外更專注研究模型的安全性和可解釋性，研究重點更多地集中在B端——更好地向企業和開發者銷售模型能力。
以慢為快的Anthropic，能成為AGI擔當嗎？
一、「MCP」出圈背后，Anthropic的「生態野心」
「MCP」的出圈并非是偶然，自去年11月底發布后，「MCP」就受到不少企業和開發者的關注。
引發討論的原因也很簡單，人們一直都關注「如何讓大模型與外部系統交互」，而Anthropic試圖給出一個比OpenAI更好的通用化解決方案。
OpenAI針對這一問題也給出過自己的解決方案，從2023年3月推出GPT Plugins 協議，首次允許模型以插件形式與外部應用交互，再到Function Calling（函數調用）機制的成熟，為了增強模型能力、擴充生態，大模型企業一直在探索如何將自然語言轉化為結構化的操作指令，以接入外部世界。
但Function Calling的局限性在于，如果開發者要調用和整合多個不同API時，就需要「重復造輪子」——每個大模型供應商各自API都有不同的協議（接口、異常、方法、參數、返回值、文檔），這需要單獨為外部功能設計標準化的函數接口，由于沒有通用標準，開發成本就變高了。
「MCP」比Function Calling多走了一步——提供了一套API的調用標準，通過標準化框架確保生成的函數調用在不同的系統中一致有效地執行，用一個標準試圖取代過去碎片化的集成方式。
AutoCoder的開發者祝威廉提到，「MCP」有兩點價值，一是Function Calling的標準化，二是，如果所有API都重新以「MCP」來暴露，大模型就可以直接調用世界上所有的API。
圖源：X@Matt Pocock
這當然顯示出Anthropic的生態野心，但和技術歷史上所有想要「建立標準」的科技公司一樣，人們對MCP也存在「樂觀和悲觀」兩種態度。
真正驅動「MCP」此輪出圈有兩個關鍵動力：一是越來越多的頭部AI代碼編輯器，如Cursor、Windsurf都已宣布支持「MCP」協議。
二是社區用例的增長。Github上有不少社區和個人開發者開源了自己的MCP Server，很多寫好的MCP Server可以復用，甚至像Cline這樣的AI編程插件還推出了MCP Marketplace的類「App Store」第三方商店，諸多開發者也推出了「MCP」目錄導航站，比如獨立全棧開發者艾逗筆做的「http://mcp.so」、Smithery MCP等，一個MCP的外部分發生態正在形成。
當然，標準的建立是一個漫長的過程，目前「MCP」生態還處于早期，由于不同模型對Function Calling支持度也不一樣（例如存在穩定性差、無法命中函數等問題），因此在體驗側存在語言的支持度、Server的質量等問題。也有開發者認為，「MCP」協議是以模型為中心的標準，而非以Agent為中心。
LangChain創始人Harrison Chase就認為，「MCP」主要針對的是非開發人員，降低他們開發Agent的門檻，他認為MCP更像是一種插件，但又和OpenAI的GPTs不同，具體有兩個理由：
一是，MCP的生態系統已經遠遠大于插件的生態系統；二是當前模型能力已經變得更好，開發者能更有效地使用這些工具。
LangChain還發起了一個「MCP是曇花一現還是未來標準」的投票，圖源：官方博客
可以說，和強調「模應一體」的大模型公司不一樣，以「MCP」出圈的Anthropic提供了另一條的路徑——回到第一性原理，用建立標準來塑造自己的護城河。
二、以慢為快的Anthropic，深入OpenAI 腹地
一個有意思的現象是，在國內AI創業中，Anthropic也成了被高頻提起的對象。
MiniMax創始人閆俊杰在接受《晚點》采訪時，就多次提到Anthropic，他拿 OpenAI和Anthropic做對比，盡管前者用戶規模是后者的幾十倍，但估值、資金和人才都不過后者的三倍多。
而在「建標準」上，事實上「MCP」和OpenAI最初推出的Plugins很類似，但OpenAI由于負擔更多C端用戶和商業化目標，最終選擇關閉了Plugins。
一位大模型創業者向「硅基研究室」形容兩家公司的差異性：“OpenAI以封閉和商業化尋求模型的廣度，Anthropic則是聚焦模型的深度”。
這或許也是為什么Anthropic推出「MCP」的原因所在。
過去一年間，Anthropic也在以自身的優勢，深入OpenAI的腹地。
首先，和OpenAI不同，Anthropic專注在B端的需求升級上，他們更有針對性地向企業和開發者銷售其模型賣點——例如更大的上下文窗口、數據接口及安全性。
其次，則是代碼能力，Anthropic旗下模型Claude系列以出色的代碼能力收獲了B端企業客戶的認可。被稱為「代碼界Google」的Sourcegraph聯合創始人Quinn Slack曾提到，他們的客戶大多會選擇堅持使用Anthropic模型，而不是切換到OpenAI。
今年2月末，Anthropic又發布了新款模型Claude 3.7 Sonnet，延續了自己在AI Coding上的優勢，Claude 3.7 Sonnet在SWE-bench Verified測試中也遠超上一代Claude 3.5 Sonnet和其他競爭對手。
再者，Anthropic也在加碼反攻之態，不僅大幅擴充企業銷售團隊人數，也在布局算力投資計劃。Anthropic聯合創始人兼首席計算官Tom Brown此前宣布了「雷尼爾計劃」，他們計劃將使用一個擁有數十萬枚亞馬遜自研芯片的算力集群，芯片數量是Anthropic現有算力集群的五倍以上。
3月初，Anthropic又完成了新一輪35億美元融資，投后估值達615億美元，在大模型的巨額融資門檻下，Anthropic還在持續擴充資本彈藥。
某種程度上來說，OpenAI和Anthropic所代表的是兩條通往AGI的道路——一條是更快的商業化、更廣的用戶覆蓋和更酷的故事，另一條則是更垂直的賽道、更深入的基礎工作，兩條道路沒有優劣，只不過在更激烈的模型競爭里，這一次的目光聚焦到了Anthropic身上。
參考資料：
1、祝威廉：MCP 到底該怎么理解
2、新智元：MCP協議詳解：復刻Manus全靠它，為什么說MCP是Agent進化的一大步？
3、阿里云開發者：從零開始教你打造一個MCP客戶端
4、LangChain ：MCP: Flash in the Pan or Future Standard