Latent.Space 探讨了 Anthropic 的 Model Context Protocol（MCP）在短时间内迅速获得成功并成为事实上的行业标准的原因。MCP 的成功并非偶然，而是多种因素共同作用的结果。
MCP 是“AI 原生”的旧理念新版本。虽然从技术层面来看，MCP 与 OpenAPI、GraphQL 等现有标准在功能上存在重叠，但 MCP 的成功在于它契合了当前 AI 开发者的需求和心理。MCP 的设计理念源于 Anthropic 在开发 Claude 时的实际经验，它专注于解决动态上下文访问这一未被充分解决的问题，而非简单地从 LLM 互操作性入手。这种“AI 原生”的特性使其比 OpenAPI 和 LangChain 等更具优势。
MCP 是一个有强大支持者的开放标准。尽管理想主义者希望最好的想法能够胜出，但现实中，由大型实验室支持的标准往往比其他标准更容易成功。MCP 的支持者 Anthropic 为开发者提供了详细且高质量的规范，这使得 MCP 在众多竞争对手中脱颖而出，击败了许多开源框架以及 OpenAI 的功能调用。
Anthropic 拥有最佳的开发者 AI 品牌。Anthropic 的 Claude 在开发者社区中备受喜爱，其品牌影响力为 MCP 的推广奠定了坚实基础。此外，Anthropic 一直强调支持更多工具的使用，这使得 MCP 能够在单次调用中支持更多工具，从而在工具数量上占据优势。
MCP 基于成功的现有协议 LSP。Anthropic 团队没有从零开始发明标准，而是借鉴了微软的 Language Server Protocol（LSP）。这种基于成熟协议的开发方式避免了重复过去的错误，并且通过继承 LSP 的 JSON RPC 消息格式，MCP 实现了客户端和服务器之间的高度可互换性。
MCP 还通过完整的客户端、服务器、工具和 SDK 的“狗食”（Dogfooding），展示了其实际应用价值。MCP 在发布时已经具备了包括 Claude Desktop 客户端、19 个参考实现服务器、MCP Inspector 和 Python/TypeScript SDK 在内的完整工具链。这种从实际使用案例中提炼出的工具和 SDK，使得 MCP 比其他未经过充分实践验证的标准更具吸引力。
MCP 以最小化基础起步，但拥有频繁的路线图更新。这种开发策略使得 MCP 能够在保持简洁的同时，不断适应开发者的需求和市场变化。
一些原本被认为是成功因素的事项，如在发布时拥有强大的合作伙伴或出色的文档，并未对 MCP 的成功起到关键作用。MCP 的成功更多地依赖于其“AI 原生”特性、强大的支持者、品牌影响力以及基于成熟协议的开发策略。