MCP 2.0 深度解读：从工具协议到 Agent 互联网，六大新特性重塑 AI 与外部世界的连接方式
MCP 2.0 深度解读：从工具协议到 Agent 互联网，六大新特性重塑 AI 与外部世界的连接方式
MCP（Model Context Protocol）发布了最新版本 2026-07-28。
官方文档：https://modelcontextprotocol.io/
如果你还停留在"MCP 就是让 Claude 调用几个工具"的认知里，那你需要更新一下了。
MCP 2.0 已经不再是一个简单的工具调用协议。它正在进化成为Agent 互联网的基础设施——一个让任何 AI 应用、任何 Agent、任何外部系统都能互联互通的标准层。
就像 HTTP 之于 Web，MCP 之于 AI Agent。
今天这篇文章，我把 MCP 2.0 的六大新特性从头到尾拆解一遍。
先回顾：MCP 1.0 解决了什么问题？
MCP 1.0 在 2024 年底发布，解决的核心问题是：每个 AI 应用都要自己写一遍工具对接代码。
Claude 想接 GitHub？写一套 GitHub API 对接。 ChatGPT 想接 GitHub？又写一套。 Cursor 想接 GitHub？再写一套。
N 个 AI 应用 × M 个外部工具 = N×M 套对接代码。这是典型的 N×M 问题。
MCP 1.0 的解法是：定义一个标准协议，让 AI 应用（Client）和外部工具（Server）都遵循这个协议。 这样 N 个应用 × M 个工具 = N+M 套代码。每个工具只需要写一个 MCP Server，每个应用只需要实现一个 MCP Client。
MCP 1.0 的比喻是："USB-C 接口 for AI"。
这个比喻在 1.0 时代是准确的。但是在 2.0 时代，它已经不够了。
MCP 2.0 的六大新特性
特性 1：分层架构——Data Layer 与 Transport Layer 分离
这是 MCP 2.0 最底层的架构变化。
MCP 1.0 的协议是单体式的：数据格式、传输方式、工具定义全部揉在一起。Server 只能通过 stdio（标准输入输出）和 Client 通信，意味着 Server 必须和 Client 跑在同一台机器上。
MCP 2.0 把协议分成了两层：
Data Layer（数据层）：
- 定义了 MCP 消息的格式和语义
- 工具定义、工具调用、资源访问、通知
- 这一层与传输方式无关
Transport Layer（传输层）：
- 定义了消息怎么传
- 支持 stdio（本地进程通信）
- 支持 Streamable HTTP（远程网络通信）
- 未来可以扩展 WebSocket、gRPC 等
这个分离的意义是什么？ Server 不再必须跑在本地了。 它可以跑在云上、跑在任何有网络的地方。 Client 可以通过网络连接到远程的 MCP Server，就像浏览器通过 HTTP 连接到远程的 Web 服务器一样。
这是从"USB-C 接口"到"HTTP 协议"的范式跃迁。
特性 2：远程 MCP Server 支持
这是分层架构带来的直接好处。
MCP 1.0 时代，如果你想用 GitHub MCP Server，你必须：
- 在本地安装 Node.js
- 安装 GitHub MCP Server 包
- 配置 Client 指向本地的 Server 进程
- 确保 Server 进程一直运行
对于非技术用户来说，这个门槛高到无法接受。
MCP 2.0 时代，你只需要：
# Client 直接连接远程 Server
mcp-client connect https://mcp.github.com/sse一行 URL，搞定。 不需要装任何东西，不需要跑任何进程。
这意味着什么？ MCP Server 可以变成一种云服务。 GitHub 可以托管自己的 MCP Server，Slack 可以托管自己的 MCP Server，任何 SaaS 公司都可以托管自己的 MCP Server。 用户只需要填一个 URL，就能接入。
这才是真正的"USB-C for AI"——你不需要自己造线缆，插上就能用。
特性 3：MCP Registry——统一的 Server 注册表
MCP 2.0 引入了官方的 Registry（注册表）。
这解决了 MCP 生态的一个关键问题：发现。
以前你想找一个 GitHub MCP Server，你得去 GitHub 搜、去 npm 搜、去社区问。找到了还不确定能不能用、安不安全、维护不维护。
Registry 做的事情就像 npm registry 或者 Docker Hub：
- 每个注册的 MCP Server 都有唯一的标识
- 有版本管理
- 有描述和文档链接
- 有维护者信息
- 有安全验证
# 搜索 MCP Server
mcp search github
# 安装
mcp install github-mcp-server
# 或者直接连接远程
mcp connect github@registry这意味着 MCP Server 的分发和发现，从"口口相传"变成了"有一个官方市场"。 这对于生态的健康发展至关重要。
特性 4：Extensions——扩展系统
MCP 2.0 引入了 Extensions（扩展）机制。
MCP 1.0 的协议是固定的：工具、资源、提示词三种原语，就这些了。你想加新的能力（比如事件订阅、流式响应、Agent 间通信），只能等官方更新协议。
MCP 2.0 的 Extensions 机制允许社区在不修改核心协议的情况下，扩展 MCP 的能力：
- 某个公司需要支持视频流处理？写一个 Extension。
- 某个社区需要 Agent 间消息传递？写一个 Extension。
- 某个团队需要自定义的认证流程？写一个 Extension。
Extensions 通过标准化的方式注册和发现，Client 和 Server 可以协商支持哪些 Extension。
这让 MCP 从一个"封闭协议"变成了一个"可扩展的平台"。 就像 VS Code 的 Extension 机制一样——核心保持精简，能力通过社区扩展无限增长。
特性 5：SEPs——规范增强提案
和 Extensions 配套的是 SEPs（Specification Enhancement Proposals，规范增强提案）。
这个机制借鉴自 Python 的 PEP 和 Rust 的 RFC：
- 任何人都可以提交一个 SEP，提议对 MCP 规范的修改或增强
- 社区讨论和评审
- 经过正式的审批流程后，合并到官方规范中
这意味着 MCP 的演进不再是 Anthropic 一家说了算。 任何公司、任何开发者都可以参与协议的演进。 社区可以通过 SEP 流程推动协议向前发展。
这是 MCP 从"Anthropic 的项目"变成"行业标准"的关键一步。
特性 6：Agent Skills 原生集成
MCP 2.0 的文档里新增了一整个 "Build with Agent Skills" 章节。
这意味着 MCP 不再只是"工具调用协议"，它开始原生支持 Agent Skills（Agent 技能）。
什么是 Agent Skills？
- 工具：Agent 能"做"什么（如查数据库、发邮件）
- 资源：Agent 能"读"什么（如文件、数据库记录）
- 提示词：Agent "怎么"做（如代码审查的步骤和规范）
- 技能：Agent "知道"什么（如某个框架的最佳实践、某个公司的部署流程）
MCP 2.0 把 Skills 作为一等公民纳入了协议。一个 MCP Server 不仅可以暴露工具和资源，还可以暴露 Skills。
这意味着什么？ 你可以把你们公司的"如何做代码审查"、"如何部署到生产"、"如何处理线上故障"这些知识，打包成一个 MCP Server 暴露出去。 任何接入这个 Server 的 AI Agent，就自动"知道"了这些事情。
知识从"写在文档里等人来看"变成了"通过 MCP 协议自动注入到 Agent 里"。
MCP 2.0 的完整架构
让我们把整个架构画出来：
┌──────────────────────────────────────────────────┐
│ AI Applications │
│ Claude ChatGPT VS Code Cursor MCPJam ... │
└──────────────────┬───────────────────────────────┘
│ MCP Client
│
┌──────────────┼──────────────┐
│ │ │
▼ ▼ ▼
┌────────┐ ┌──────────┐ ┌────────────┐
│ Local │ │ Remote │ │ Registry │
│ Server │ │ Server │ │ (发现/注册) │
│ (stdio)│ │ (HTTP) │ │ │
└────────┘ └──────────┘ └────────────┘
│ │
│ Data Layer │ (工具/资源/提示词/技能/通知)
│ Transport │ (stdio / Streamable HTTP / ...)
│ │
│ Extensions │ (社区扩展)
│ SEPs │ (规范提案)
└──────────────┘核心组件：
| 组件 | 职责 |
|---|---|
| Client | AI 应用端的 MCP 客户端，发起请求，接收响应 |
| Server | 暴露工具、资源、提示词、技能的 MCP 服务端 |
| Registry | Server 的注册和发现 |
| Extensions | 社区扩展能力 |
| SEPs | 规范演进流程 |
| Inspector | 调试和测试工具 |
核心原语：
| 原语 | 说明 |
|---|---|
| Tools | Agent 能执行的动作 |
| Resources | Agent 能读取的数据 |
| Prompts | 预定义的指令模板 |
| Skills | Agent 能获取的知识和方法论 |
| Notifications | 事件订阅和推送 |
MCP 2.0 的生态支持
MCP 2.0 已经获得了极其广泛的生态支持：
AI 应用（Client 端）：
- Claude（Anthropic）
- ChatGPT（OpenAI）
- VS Code（Microsoft）
- Cursor
- MCPJam
- 以及更多...
这意味着你写的 MCP Server，可以被所有这些 AI 应用直接使用。 写一次，到处用。
开发工具：
- Inspector：官方调试工具，可以可视化地测试和调试 MCP Server
- SDKs：TypeScript、Python、Go、Rust 等多语言 SDK
- Debugging：完整的调试文档和工具链
MCP 2.0 对不同角色的影响
对 AI 应用开发者
你不需要再为每个外部工具写对接代码了。实现一个 MCP Client，就能接入整个 MCP 生态。你的应用突然就能访问几百个工具、资源和技能。
对工具/SaaS 开发者
你不需要为每个 AI 应用单独做集成了。写一个 MCP Server，所有支持 MCP 的 AI 应用都能用你的工具。你的工具突然就能被 Claude、ChatGPT、Cursor 等所有应用调用。
对企业
你可以把企业内部的知识、流程、工具，打包成 MCP Server。任何 AI Agent 接入后，自动获得了你们公司的工作方式。知识从"文档里"变成了"协议里"。
对 Agent 开发者
MCP 2.0 的分层架构和远程支持，意味着你的 Agent 可以像浏览网页一样，浏览和调用全世界所有的 MCP Server。Agent 的能力边界，从"你接了多少 API"变成了"互联网上有多少 MCP Server"。
MCP 2.0 vs MCP 1.0 对比
| 维度 | MCP 1.0 | MCP 2.0 |
|---|---|---|
| 架构 | 单体式 | 分层（Data + Transport） |
| 传输 | stdio only | stdio + Streamable HTTP |
| Server 位置 | 本地 only | 本地 + 远程 |
| 发现机制 | 口口相传 | 官方 Registry |
| 扩展能力 | 无 | Extensions 系统 |
| 规范演进 | Anthropic 主导 | SEPs 社区提案 |
| 原语 | Tools/Resources/Prompts | + Skills + Notifications |
| 生态 | Claude only | Claude/ChatGPT/VS Code/Cursor/... |
| 调试工具 | 基本无 | Inspector + 完整 Debugging |
| 定位 | 工具调用协议 | Agent 互联网基础设施 |
写在最后
MCP 1.0 解决的是"AI 应用怎么调用工具"的问题。 MCP 2.0 解决的是"AI Agent 怎么连接整个世界"的问题。
从本地到远程，从工具到技能，从封闭到开放，从 Anthropic 的项目到行业标准。 MCP 正在走 HTTP 三十年前走过的路。
如果说 MCP 1.0 是"USB-C for AI"，那 MCP 2.0 就是"HTTP for AI Agent"。
未来，每一个 SaaS 都会托管自己的 MCP Server。 每一个企业都会维护内部的 MCP Server。 每一个 AI Agent 都会通过 MCP 连接到全世界。
这不是预测，这是正在发生的事情。
而 MCP 2.0，就是这个未来的基础设施。
作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。
本文首发于 AI人工智能时代，转载请注明出处。
