近期，AI領域的一項新技術協(xié)議——“模型上下文協(xié)議”（MCP）迅速走紅，吸引了國內外科技巨頭的關注。這一協(xié)議的出現(xiàn)，不僅標志著AI Agent技術落地進入新階段，也預示著大廠生態(tài)之爭的新篇章。

百度率先從C端市場切入，其“心響”應用利用MCP協(xié)議，成功整合了多種AI模型和外部工具，為用戶提供了一站式服務體驗。同時，百度地圖也宣布支持MCP接口，進一步豐富了其應用場景。阿里云則推出了百煉平臺，提供全生命周期的MCP服務，并在支付寶等產品中集成了MCP協(xié)議，實現(xiàn)AI工具的一鍵調用。4月29日，阿里開源的Qwen3系列模型同樣宣布支持MCP協(xié)議。

仔細觀察不難發(fā)現(xiàn)，推動MCP協(xié)議發(fā)展的背后，是國內外科技巨頭的身影。國外的Anthropic、OpenAI、谷歌，以及國內的百度、阿里、字節(jié)等大廠，都在積極布局這一領域。表面上看，它們是在為AI Agent的落地打通“最后一公里”，統(tǒng)一行業(yè)標準，釋放Agent調用工具的能力。但實際上，這背后隱藏著各家公司對未成熟行業(yè)定義權的爭奪。

值得注意的是，除了開源的MCP外，OpenAI、谷歌等公司都擁有自己的一套Agent調用工具標準。選擇Anthropic構建的MCP，并不意味著對這些公司地位的認可，而是在開源的基礎上，各方暫時達成一致，共同推動生態(tài)的快速發(fā)展。

MCP協(xié)議可以看作是Agent落地的重要一環(huán)。隨著標準共識的達成，大規(guī)模Agent應用的落地將指日可待。屆時，Agent應用將演變?yōu)榇髲S生態(tài)之爭的焦點。對于獨立Agent應用開發(fā)者而言，他們面臨著成本和被頭部公司覆蓋的雙重壓力。因此，被集成到大廠Agent應用生態(tài)或許成為他們的最佳選擇之一。這樣一來，大廠將掌握從定義到篩選的權力，生態(tài)越完備、數(shù)據(jù)壁壘越高，在行業(yè)中的話語權就越大。

有技術人員指出，MCP協(xié)議本質上是為模型和外部工具之間提供了一個標準和高效的連接方式。但它并不是構建服務的必選項，即使沒有MCP，通過Function Call和現(xiàn)有的工具調參也可以達到相同的效果。然而，統(tǒng)一的標準協(xié)議對于大廠在行業(yè)中的話語權至關重要。OpenAI、谷歌等公司的認可，以及阿里、百度等公司的跟進，共同推動了MCP服務的快速發(fā)展。

在MCP協(xié)議出現(xiàn)之前，客戶想要深度使用一款AI產品功能，通常只能選擇SaaS工具。但對于具有行業(yè)知識的客戶來說，通用SaaS往往缺乏深度能力。因此，定制化路線成為他們的選擇之一，通過Open API的方式將AI產品集成到系統(tǒng)中。然而，這種方式不僅耗時耗力，而且成本高昂。現(xiàn)在，隨著MCP服務的推出，客戶只需一個支持標準MCP協(xié)議的Agent，就能快速接入到產品平臺，實現(xiàn)省時、省力和省錢的效果。

百度智能體業(yè)務首席架構師、心響APP負責人黃際洲表示，心響既支持外部MCP接入，也有自己的獨立協(xié)議。目前，心響已經接入了包括百度文庫AI繪本功能在內的十個智能體。這些智能體的落地場景效果與技術無關，而是技術之外的因素在起作用。從百度到阿里，生態(tài)是關鍵的一環(huán)。在無需“磨合”的情況下，各方完成了適配，共同推動了MCP協(xié)議的發(fā)展。

阿里云百煉平臺云部署的MCP Server數(shù)量已經達到了31個，涵蓋了地圖、文生圖、搜索等多種功能。這些功能都屬于阿里生態(tài)的一部分。大廠在其中既扮演了集成者的角色，也扮演了被集成者的角色。一方面，它們輸送自己成熟的MCP服務能力；另一方面，它們在生態(tài)中集成外來的第三方能力，與之互為補充。這樣一來，生態(tài)越完善，能滿足用戶的需求就越豐富。

接入MCP后，相當于擁有了“原子化”的能力，可以隨意組合嵌入到業(yè)務流中。例如，開發(fā)者可以通過“支付寶MCP Server”接入收單支付功能，從而打通AI應用的支付渠道，解決智能體“能對話不能收錢”的痛點。這種靈活的組合方式，為AI應用的發(fā)展提供了更多的可能性。

AI研究網站“AI Digest”的一項研究表明，AI Agent所能完成的任務長度正在呈指數(shù)級增長。按照這一趨勢推算，未來幾年內，AI Agent將能夠完成更長時間的任務。這一前景不可估量。此前饑餓營銷的Manus已經勾勒出了多智能體完成任務的產品樣本，但后期效果并不理想。百度近期推出的“心響”則試圖探索通用Agent產品的道路。

在產品形態(tài)上，心響從過去的AI助手模式轉變?yōu)橹苯油瓿扇蝿盏哪Ｊ健＿^去的AI助手提供的是零件，需要用戶自己去組裝；而現(xiàn)在的Agent產品則可以直接交付最終成品。這種轉變提高了效率，用戶只需用一句話就能完成所有步驟的全自動操作。

在執(zhí)行任務過程中，有一個“管家”性的角色被稱為主智能體，負責拆解用戶需求和分配任務。指令下達后，由各子智能體同時進行。這種協(xié)作方式提高了任務執(zhí)行的效率和質量。

黃際洲表示，MCP協(xié)議在調用多智能體協(xié)作過程中發(fā)揮了很大作用。它就像一把鑰匙，有了統(tǒng)一的秘鑰，讓接入變得更加簡單。然而，他也指出，目前業(yè)界最大的問題是貢獻者太少，背后的成本太大。為了平攤成本，各家都開放MCP后，壁壘在于生態(tài)能否把商業(yè)模型跑通。理想的情況下，開發(fā)者和大廠都能賺到錢，需求越做越大，給用戶提供的體驗也越來越好。

心響產品的目標是成長為通用的超級智能體。它橫向盡可能把更多的場景融入到應用里；縱向則把場景做深，把功能做到極致。黃際洲認為，法律、旅游、健康、教育、研究等都是比較好的場景。在此基礎上再拓展長尾交互場景，形成更高的壁壘。

在商業(yè)化方面，Agent應用的收入大概率還是來自流量和廣告。這很大程度上是由現(xiàn)在的Agent應用機制決定的。以心響為例，用戶在演示中讓Agent幫忙做旅游攻略、打電話、使用團購券訂餐廳等操作時，實際上涉及了地圖、點評、旅游出行等多種服務功能。這些服務功能的提供需要完整的數(shù)據(jù)鏈支持。

Agent應用就像是入口一樣的存在，它能夠倒流給生態(tài)中的其他應用，最后完成從提需求到交付的閉環(huán)。這部分收入對于大廠來說屬于“肥水不流外人田”。而對于第三方用以補充大廠生態(tài)的Agent來說，則落入了流量池中。大廠會根據(jù)篩選機制來決定是否接入某一家的Agent。前期，大廠需要更多的開發(fā)者進入來補充應用商店的空白；但到后期就變成了流量競爭，誰的出價更高，誰的曝光度就越高。

在用戶使用應用過程中，同樣存在廣告曝光和排名篩選的情況。比如在旅游攻略案例中，搜索出現(xiàn)的餐廳排名、飛機價格排名等篩選權都掌握在大廠的手中。通過這種方式，大廠可以實現(xiàn)“一魚多吃”：商家通過廣告營銷提高排名順序；用戶則可以購買免廣或競價服務來提升使用體驗。

盡管Agent應用的發(fā)展可能會取代一些傳統(tǒng)應用的功能，但它卻難以撼動既有的廣告投流體系。大廠通過掌控生態(tài)和流量入口，依然能夠在AI時代保持強大的競爭力。