文 | 硅基研究室，作者 | kiki

Manus拉动的智能体复现潮，意外带火了OpenAI最强竞对。 

在「AI Agent元年」的讨论背后，Anthropic也以另一种方式也被人们重新讨论，在诸多复现Manus的案例中，「MCP」成了新的热词。 

所谓的「MCP」是Anthropic在去年11月发布的「模型上下文协议」，用来连接大模型的外部数据和工具，你可以将它视为AI领域的「USB-C接口」，以标准化的形式简化了AI与外部世界的交互。 

商业世界有句话：“一流企业买标准、二流企业卖品牌、三流企业卖产品。”在「做标准」这件事上，Anthropic似乎比OpenAI走得更远、更深。 

原美团联合创始人王慧文近期也在「即刻」上发文称：“越来越觉得，Anthropic会替代OpenAI成为AGI担当”。

与OpenAI的擅长营销和「大力出奇迹」不同，Anthropic以低调稳健著称，并不一味追求C端的影响力，他们对外更专注研究模型的安全性和可解释性，研究重点更多地集中在B端——更好地向企业和开发者销售模型能力。 

以慢为快的Anthropic，能成为AGI担当吗？ 

一、「MCP」出圈背后，Anthropic的「生态野心」

「MCP」的出圈并非是偶然，自去年11月底发布后，「MCP」就受到不少企业和开发者的关注。 

引发讨论的原因也很简单，人们一直都关注「如何让大模型与外部系统交互」，而Anthropic试图给出一个比OpenAI更好的通用化解决方案。

OpenAI针对这一问题也给出过自己的解决方案，从2023年3月推出GPT Plugins 协议，首次允许模型以插件形式与外部应用交互，再到Function Calling（函数调用）机制的成熟，为了增强模型能力、扩充生态，大模型企业一直在探索如何将自然语言转化为结构化的操作指令，以接入外部世界。 

但Function Calling的局限性在于，如果开发者要调用和整合多个不同API时，就需要「重复造轮子」——每个大模型供应商各自API都有不同的协议（接口、异常、方法、参数、返回值、文档），这需要单独为外部功能设计标准化的函数接口，由于没有通用标准，开发成本就变高了。

「MCP」比Function Calling多走了一步——提供了一套API的调用标准，通过标准化框架确保生成的函数调用在不同的系统中一致有效地执行，用一个标准试图取代过去碎片化的集成方式。 

AutoCoder的开发者祝威廉提到，「MCP」有两点价值，一是Function Calling的标准化，二是，如果所有API都重新以「MCP」来暴露，大模型就可以直接调用世界上所有的API。 

图源：X@Matt Pocock 

这当然显示出Anthropic的生态野心，但和技术历史上所有想要「建立标准」的科技公司一样，人们对MCP也存在「乐观和悲观」两种态度。

真正驱动「MCP」此轮出圈有两个关键动力：一是越来越多的头部AI代码编辑器，如Cursor、Windsurf都已宣布支持「MCP」协议。 

二是社区用例的增长。Github上有不少社区和个人开发者开源了自己的MCP Server，很多写好的MCP Server可以复用，甚至像Cline这样的AI编程插件还推出了MCP Marketplace的类「App Store」第三方商店，诸多开发者也推出了「MCP」目录导航站，比如独立全栈开发者艾逗笔做的「http://mcp.so」、Smithery MCP等，一个MCP的外部分发生态正在形成。 

MCP导航站  http://mcp.so 

当然，标准的建立是一个漫长的过程，目前「MCP」生态还处于早期，由于不同模型对Function Calling支持度也不一样（例如存在稳定性差、无法命中函数等问题），因此在体验侧存在语言的支持度、Server的质量等问题。也有开发者认为，「MCP」协议是以模型为中心的标准，而非以Agent为中心。 

LangChain创始人Harrison Chase就认为，「MCP」主要针对的是非开发人员，降低他们开发Agent的门槛，他认为MCP更像是一种插件，但又和OpenAI的GPTs不同，具体有两个理由： 

一是，MCP的生态系统已经远远大于插件的生态系统；二是当前模型能力已经变得更好，开发者能更有效地使用这些工具。

LangChain还发起了一个「MCP是昙花一现还是未来标准」的投票 图源：官方博客

可以说，和强调「模应一体」的大模型公司不一样，以「MCP」出圈的Anthropic提供了另一条的路径——回到第一性原理，用建立标准来塑造自己的护城河。

二、以慢为快的Anthropic，深入OpenAI 腹地

一个有意思的现象是，在国内AI创业中，Anthropic也成了被高频提起的对象。 

MiniMax创始人闫俊杰在接受《晚点》采访时，就多次提到Anthropic，他拿 OpenAI和Anthropic做对比，尽管前者用户规模是后者的几十倍，但估值、资金和人才都不过后者的三倍多。 

而在「建标准」上，事实上「MCP」和OpenAI最初推出的Plugins很类似，但OpenAI由于负担更多C端用户和商业化目标，最终选择关闭了Plugins。 

一位大模型创业者向「硅基研究室」形容两家公司的差异性：“OpenAI以封闭和商业化寻求模型的广度，Anthropic则是聚焦模型的深度”。

这或许也是为什么Anthropic推出「MCP」的原因所在。 

过去一年间，Anthropic也在以自身的优势，深入OpenAI的腹地。 

首先，和OpenAI不同，Anthropic专注在B端的需求升级上，他们更有针对性地向企业和开发者销售其模型卖点——例如更大的上下文窗口、数据接口及安全性。

其次，则是代码能力，Anthropic旗下模型Claude系列以出色的代码能力收获了B端企业客户的认可。 被称为「代码界Google」的Sourcegraph联合创始人Quinn Slack曾提到，他们的客户大多会选择坚持使用Anthropic模型，而不是切换到OpenAI。 

今年2月末，Anthropic又发布了新款模型Claude 3.7 Sonnet，延续了自己在AI Coding上的优势，Claude 3.7 Sonnet在SWE-bench Verified测试中也远超上一代Claude 3.5 Sonnet和其他竞争对手。 

再者，Anthropic也在加码反攻之态，不仅大幅扩充企业销售团队人数，也在布局算力投资计划。 Anthropic联合创始人兼首席计算官Tom Brown此前宣布了「雷尼尔计划」，他们计划将使用一个拥有数十万枚亚马逊自研芯片的算力集群，芯片数量是Anthropic现有算力集群的五倍以上。 

3月初，Anthropic又完成了新一轮35亿美元融资，投后估值达615亿美元，在大模型的巨额融资门槛下，Anthropic还在持续扩充资本弹药。 

某种程度上来说，OpenAI和Anthropic所代表的是两条通往AGI的道路——一条是更快的商业化、更广的用户覆盖和更酷的故事，另一条则是更垂直的赛道、更深入的基础工作，两条道路没有优劣，只不过在更激烈的模型竞争里，这一次的目光聚焦到了Anthropic身上。 

参考资料： 

1、祝威廉：MCP 到底该怎么理解 

2、新智元：MCP协议详解：复刻Manus全靠它，为什么说MCP是Agent进化的一大步？ 

3、阿里云开发者：从零开始教你打造一个MCP客户端 

4、LangChain ：MCP: Flash in the Pan or Future Standard