譯者 | 晶顏

審校 | 重樓

作為軟件工程師，我們耗費數(shù)年時間鉆研API集成技藝，攻克了表述性狀態(tài)傳遞（REST）端點難題，調(diào)試了身份驗證流程，并構(gòu)建了無數(shù)適配器以實現(xiàn)不同系統(tǒng)間的互聯(lián)互通。然而，隨著人工智能從實驗性技術(shù)轉(zhuǎn)變?yōu)樯a(chǎn)必備要素，我們正見證軟件系統(tǒng)通信方式的根本性變革。

傳統(tǒng)API VS. MCP

API基石：雙刃劍的特性

我們必須認可API的貢獻：它們通過為系統(tǒng)提供標準化交互方式，推動軟件開發(fā)實現(xiàn)了革命性突破。例如，Stripe支付API使全球開發(fā)者能通過簡單的超文本傳輸協(xié)議（HTTP）調(diào)用復(fù)雜的金融交易功能，GitHub的REST API則為整個開發(fā)工具生態(tài)系統(tǒng)的構(gòu)建奠定了基礎(chǔ)。這些成功案例塑造了我們對系統(tǒng)集成的認知。

API技術(shù)的演進：從SOAP到MCP

然而，API也存在固有的局限性，在構(gòu)建智能系統(tǒng)時，這些局限性愈發(fā)凸顯。傳統(tǒng)API具有以下特征：

• 無狀態(tài)設(shè)計：每個請求均為獨立存在的個體；
• 范圍固定：端點為預(yù)定義且靜態(tài)的形式；
• 手動集成：開發(fā)人員必須為每個服務(wù)編寫自定義代碼；
• 實現(xiàn)碎片化：存在多樣化的身份驗證方案、響應(yīng)格式及錯誤處理模式。

這些特性對于傳統(tǒng)的Web應(yīng)用程序非常適用，在這些應(yīng)用程序中，開發(fā)人員可以控制集成邏輯和用戶體驗。然而，對于人工智能代理等智能系統(tǒng)而言，這些特性卻構(gòu)成了障礙，因為它們需要在無人工協(xié)助的情況下，自主找到符合其工作流需求的多個服務(wù)和工具并與之交互。

智能代理時代的來臨

大型語言模型（如GPT-4和Claude）的興起催生了前所未有的事物：具備自主推理、規(guī)劃與行動能力的軟件。這些人工智能代理能夠理解自然語言指令，分解復(fù)雜任務(wù)，并協(xié)調(diào)多項操作以達成目標。

試想，當你向人工智能助手下達指令：“分析團隊上月生產(chǎn)力，安排與利益相關(guān)者的審查會議，并準備一份總結(jié)報告?！边@一簡單請求需要完成以下操作：

• 訪問項目管理數(shù)據(jù)；
• 查詢?nèi)諝v系統(tǒng)；
• 檢索團隊指標；
• 生成文件；
• 發(fā)送通知。

如果采用傳統(tǒng)API，你需要為每個服務(wù)預(yù)先構(gòu)建集成，處理多個系統(tǒng)的身份驗證，并編寫自定義邏輯以協(xié)調(diào)上述操作，而代理的能力也將局限于專門編碼的集成范圍之內(nèi)。

傳統(tǒng)API方法和MCP方式效果對比

模型上下文協(xié)議：缺失的環(huán)節(jié)

這正是模型上下文協(xié)議（MCP）的價值所在。該協(xié)議于2024年11月推出，并未試圖取代API，而是創(chuàng)建了一個專為人工智能代理設(shè)計的標準化層級。

MCP的三大支柱

模型上下文協(xié)議引入三個基本元素，以增強人工智能集成能力：

• 工具：可供代理動態(tài)調(diào)用的離散函數(shù)。與API端點不同，MCP工具具備自描述功能，可供代理在運行時發(fā)現(xiàn)。
• 資源：代理可查詢上下文的只讀數(shù)據(jù)源。通過該資源，代理能夠訪問文檔、配置文件及實時數(shù)據(jù)。
• 提示模板：用于輔助人工智能模型與用戶交互以執(zhí)行特定任務(wù)的預(yù)定義模板，其提供預(yù)設(shè)指令以指導(dǎo)人工智能在不同場景下的行為。

MCP的三大支柱

動態(tài)發(fā)現(xiàn)的作用

這是MCP的核心優(yōu)勢所在。當人工智能代理啟動時，可查詢可用的MCP服務(wù)器并發(fā)現(xiàn)其功能。示例如下：

1 {
2 "jsonrpc": "2.0",
3 "method": "tools/list",
4 "id": 1
5 }

其返回結(jié)果可能包含數(shù)十種可用工具：

1{
2 "jsonrpc": "2.0",
3 "id": 1,
4 "result": [
5 {
6 "name": "createJiraTicket",
7 "description": "Create a new JIRA issue with specified details",
8 "input_schema": {
9 "type": "object",
10 "properties": {
11 "title": {"type": "string"},
12 "description": {"type": "string"},
13 "priority": {"type": "string", "enum": ["low", "medium", "high"]}
14 }
15 }
16 },
17 {
18 "name": "analyzeCodeQuality",
19 "description": "Run static analysis on a code repository"
20 }
21 ]
22}

隨后，代理可通過標準化協(xié)議調(diào)用這些工具，無需依賴預(yù)先配置的集成。

實際應(yīng)用場景：構(gòu)建一個DevOps助手

不妨以一個具體案例進行闡釋。假設(shè)你正在為DevOps團隊構(gòu)建一款人工智能助手，其需具備以下功能：

• 監(jiān)控應(yīng)用程序運行狀態(tài)；
• 創(chuàng)建事故工單；
• 部署熱修復(fù)程序；
• 更新團隊溝通內(nèi)容。

傳統(tǒng)API方法

采用傳統(tǒng)API時，你需完成以下操作：

• 研讀Datadog、PagerDuty、GitHub及Slack等平臺的API文檔；
• 為每個服務(wù)實現(xiàn)身份驗證機制；
• 處理不同的限流方案；
• 為各集成項編寫自定義錯誤處理程序；
• 手動協(xié)調(diào)服務(wù)間的工作流；
• 在API發(fā)生變更時更新代碼。

這種方法雖能實現(xiàn)功能，但體系脆弱且需持續(xù)維護。

MCP方法

借助MCP，你的DevOps助手可實現(xiàn)：

• 啟動時自動發(fā)現(xiàn)可用的監(jiān)控、票務(wù)及部署工具；
• 動態(tài)適配環(huán)境中新增的工具；
• 對所有交互采用統(tǒng)一協(xié)議；
• 利用內(nèi)置的錯誤處理與重試邏輯；
• 自動協(xié)調(diào)復(fù)雜工作流程。

底層服務(wù)仍沿用其原生API（如REST、GraphQL等），而MCP服務(wù)器則充當智能轉(zhuǎn)換器，通過統(tǒng)一接口對外提供功能。

技術(shù)架構(gòu)

MCP基于客戶端-服務(wù)器模型運行，采用JSON-RPC 2.0協(xié)議，可在多種傳輸層（標準輸入輸出、HTTP、WebSocket等）上運行。這種設(shè)計具有以下優(yōu)勢：

• 語言無關(guān)性：任何可處理JSON-RPC的語言均可實現(xiàn)MCP；
• 傳輸靈活性：支持多種通信渠道；
• 雙向性：兼容請求-響應(yīng)模式與流模式；
• 可擴展性：新增功能時不會破壞現(xiàn)有實現(xiàn)。

MCP與傳統(tǒng)API的適用場景

明確兩種方法的適用場景至關(guān)重要：

適用傳統(tǒng)API的場景：

• 構(gòu)建傳統(tǒng)Web應(yīng)用程序；
• 集成少量知名服務(wù)；
• 需對每個集成細節(jié)進行精細化控制。

適用MCP的場景：

• 構(gòu)建基于AI的應(yīng)用程序；
• 需要動態(tài)服務(wù)發(fā)現(xiàn)功能；
• 希望最小化集成維護成本；
• 規(guī)劃實現(xiàn)自主代理功能；
• 處理頻繁變化的服務(wù)環(huán)境。

智能集成的未來

隨著2025年及未來的臨近，軟件集成領(lǐng)域正呈現(xiàn)快速發(fā)展態(tài)勢。人工智能代理的復(fù)雜性不斷提升，使其能夠自主執(zhí)行高級操作；而持續(xù)變化的環(huán)境則要求組織探索系統(tǒng)通信與協(xié)作的新方式。

MCP不僅是一種新協(xié)議，更代表著智能系統(tǒng)與數(shù)字世界交互方式的徹底變革。通過提供動態(tài)發(fā)現(xiàn)、標準化通信及內(nèi)置適應(yīng)性，MCP使人工智能代理成為真正自主的問題解決者。

MCP入門指南

若你計劃在項目中探索MCP，可參考以下實用步驟：

• 體驗現(xiàn)有MCP服務(wù)器：官方MCP存儲庫包含適用于GitHub、谷歌Drive、PostgreSQL等流行服務(wù)的服務(wù)器；
• 構(gòu)建簡易MCP服務(wù)器：從在MCP接口中封裝現(xiàn)有API入手；
• 將MCP集成至AI應(yīng)用：嘗試在當前代理實現(xiàn)中使用兼容MCP的工具。

結(jié)論：演進而非革命

MCP對于AI代理而言，正如API對于Web應(yīng)用程序，是一項基礎(chǔ)性推動技術(shù)。但與API靜態(tài)暴露功能不同，MCP帶來了發(fā)現(xiàn)、抽象與適應(yīng)性。

MCP并非要顛覆我們多年構(gòu)建的API生態(tài)系統(tǒng)。相反地，它是彌合傳統(tǒng)API的靜態(tài)確定性世界與AI驅(qū)動應(yīng)用的動態(tài)智能未來之間差距的下一步演進。

作為開發(fā)人員，我們的職責(zé)是洞察這些變化并相應(yīng)調(diào)整架構(gòu)。隨著人工智能不斷發(fā)展并重塑軟件的構(gòu)建與部署方式，盡早掌握這一轉(zhuǎn)變的企業(yè)和團隊將獲得顯著優(yōu)勢。

問題的關(guān)鍵不在于MCP是否會取代API，而在于我們能否盡快利用這兩種技術(shù)構(gòu)建用戶日益期待的智能系統(tǒng)。軟件集成的未來是動態(tài)化、可發(fā)現(xiàn)且原生適配人工智能的——你準備好構(gòu)建這樣的未來了嗎？

原文標題：The Evolution of Software Integration: How MCP Is Reshaping AI Development Beyond Traditional APIs，作者：Chetan Yeddula