作者｜Frank Fu @IOSG
MCP 正快速佔據Web3 AI Agent 生態的核心地位，它透過類似插件的架構，引入MCP Server，賦予AI Agent 新的工具和能力。
與Web3 AI 領域其他新興敘事（如vibe coding）類似，MCP，全稱為Model Context Protocol，起源於Web2 AI，現在正在Web3 脈絡下被重新構想。
什麼是MCP？
MCP 是Anthropic 提出的一個開放協議，用於標準化應用程式如何向大語言模型（LLMs）傳遞上下文訊息。這使得工具、資料與AI Agent 之間能夠更無縫地合作。
為什麼它很重要？
目前大語言模型面臨的核心限制包括：
無法即時瀏覽網路
無法直接存取本地或私人的文件
無法自主與外部軟體交互
MCP 透過充當通用介面層，彌補了上述能力空缺，使AI Agent 能夠使用各種工具。
你可以將MCP 類比為AI 應用領域的USB-C —— 統一介面標準，讓AI 更容易對接各種資料來源和功能模組。
想像每個LLM 是不同的手機－ Claude 用的是USB-A，ChatGPT 用USB-C，而Gemini 是Lightning 介面。如果你是硬體廠商，就得為每個介面都開發一套配件，維護成本極高。
這正是AI 工具開發者所面臨的問題：為每個LLM 平台客製化插件，極大增加了複雜性並限制了規模化擴展。 MCP 就是為了解決這個問題，透過建立統一的標準，就像讓所有LLM 和工具商都使用USB-C 介面一樣。
這種標準化協議對雙方都有好處：
對AI Agent（客戶端） ：可安全地存取外部工具與即時資料來源
對工具開發者（服務端） ：一次接入，跨平台可用
最終結果是一個更開放、可互通、低摩擦的AI 生態系統。
MCP 與傳統API 有什麼不同？
API 的設計是為人類服務的，並非AI-first 。每個API 都有各自的結構和文檔，開發者必須手動指定參數、閱讀介面文檔。而AI Agent 本身無法閱讀文檔，必須以硬編碼適應每個API（如REST、GraphQL、RPC 等）。
MCP 透過標準化API 內部的函數呼叫格式，抽象化這些非結構化的部分，為Agent 提供統一的呼叫方式。你可以把MCP 看作是為Autonomous Agent 封裝的API 適配層。
當2024 年11 月Anthropic 首次推出MCP 時，開發者需在本機裝置上部署MCP 伺服器。而今年5 月，Cloudflare 在其開發者週宣布，開發者可在Cloudflare Workers 平台上以最低裝置配置直接部署遠端MCP 伺服器。這大大簡化了MCP 伺服器的部署和管理流程，包括認證和資料傳輸，堪稱「一鍵部署」。
儘管MCP 本身還是看似不夠「吸引人」，但是它絕非無足輕重。作為純粹的基礎設施元件，MCP 無法直接面向消費者使用，只有當上層的AI 代理調用MCP 工具並展現實際效果時，其價值才會真正顯現。
Web3 AI x MCP 生態圖景Landscape
Web3 中的AI 同樣面臨「缺乏上下文資料」和「資料孤島」的問題，也就是說，AI 無法存取鏈上即時資料或原生執行智能合約邏輯。
過去，ai16Z、ARC、Swarms、Myshell 等專案試圖建立多Agent 協同網絡，但最終由於依賴中心化API 和客製化集成，陷入了「重複造輪子」的困境。
每對接一個資料來源都要重寫適配層，導致開發成本激增。為了解決這一瓶頸，下一代AI Agent 需要一個更模組化、樂高式的架構，以便於無縫整合第三方插件和工具。
於是，基於MCP 和A2A 協議的新一代AI Agent 基礎設施和應用正在興起，專為Web3 場景設計，讓Agent 能夠存取多鏈數據，並原生互動DeFi 協定。
▲ 來源：IOSG Ventures
（此圖並不完全涵蓋所有MCP 相關Web3 項目）
專案案例：DeMCP 與DeepCore
DeMCP 是一個去中心化MCP Server 的市集(https://github.com/modelcontextprotocol/servers) ，專注於原生加密工具與確保MCP 工具的主權。
其優點包括：
使用TEE （可信任執行環境）來確保MCP 工具未被竄改
使用代幣激勵機制，鼓勵開發者貢獻MCP伺服器
提供MCP 聚合器與微支付功能，降低使用門檻
另一個專案DeepCore (deepcore.top) 也提供MCP Server 註冊系統，專注於加密領域，並進一步擴展到Google 提出的另一個開放標準： A2A（Agent-to-Agent）協議(https://x.com/i/trending/1910001585008058782)。
A2A 是Google 在2025 年4 月9 日宣布的一項開放協議，旨在實現不同AI 代理（Agent）之間的安全通訊、協作和任務協調。 A2A 支援企業級AI 協作，例如讓不同公司的AI 代理程式協同處理任務（如Salesforce 的CRM 代理與Atlassian 的Jira 代理合作）。
若MCP 關注的是Agent（客戶端）與工具（服務端）之間的交互，那麼A2A 更像是Agent 之間的協作中間層，讓多個Agent 無需共享內部狀態，即可協同完成任務。它們透過上下文、指令、狀態更新、資料傳遞進行協作。
A2A 被認為是AI 代理協作的「通用語言」，推動跨平台、跨雲端的AI 互通性，可能改變企業AI 的工作方式。因此，可以把A2A 看作是Agent 世界的Slack —— 一個Agent 發起任務，另一個Agent 執行。
簡言之：
MCP：為Agent 提供工具存取能力
A2A：為Agent 提供彼此協同的能力
為什麼MCP 伺服器需要區塊鏈？
MCP Server 整合區塊鏈技術有多種好處：
1. 透過加密原生激勵機制取得長尾數據，鼓勵社群貢獻稀缺資料集
2. 防禦「工具投毒」攻擊，即惡意工具偽裝成合法插件誤導Agent
區塊鏈提供加密驗證機制，如TEE Remote Attestation、ZK-SNARK、FHE 等
具體可以參考此文章(https://ybbcapital.substack.com/p/from-suis-sub-second-mpc-network?utm_source=substack&utm_medium=email )
3.引入質押/懲罰機制，結合鏈上聲譽系統建構MCP 伺服器的信任體系
4.提升系統容錯性與即時性，避免Equifax 等中心化系統的單點故障
5.促進開源創新，讓小型開發者發佈如ESG 資料來源等，豐富生態多樣性
目前，大多數MCP Server 基礎設施仍透過解析使用者自然語言提示詞來進行工具比對。未來，AI Agent 將能夠自主搜尋所需MCP 工具，以完成複雜任務目標。
不過，目前MCP 專案仍處於早期階段。多數平台仍是中心化插件市場，由專案方手動從GitHub 整理第三方Server 工具並自研部分插件，本質上與Web2 插件市場並無太大差異，唯一的區別是聚焦Web3 場景。
未來趨勢與產業影響
目前，越來越多的加密產業人士開始意識到MCP 在連接AI 與區塊鏈之間的潛力。例如，Binance 創辦人CZ 最近公開呼籲AI 開發者積極建構高品質MCP Server，為BNB Chain 上的AI Agent 提供更豐富的工具集。 BNB MCP Server 專案清單已公開，供探索生態的使用者參考。
隨著基礎架構的成熟， 「開發者先行」公司的競爭優勢也將從API 設計轉向：誰能提供更豐富、多樣化、易組合的工具集。
在未來，每個應用程式都可能成為MCP 用戶端，每個API 都可能是MCP伺服器。
這樣就可能催生新的價格機制：Agent 可根據執行速度、成本效率、相關性等動態選擇工具，形成由Crypto 與區塊鏈作為媒介所賦能的一種更有效率的Agent 服務經濟體系。
當然，MCP 本身不直接面向終端用戶，它是一個底層協定層。也就是說，MCP 的真正價值與潛力，只有在AI Agent 整合並轉化為具有實用性的應用，才能被真正看見。
最終，Agent 是MCP 能力的載體與放大器，而區塊鏈與加密機制則為此智慧網路建構起可信任、高效、可組合的經濟系統。
