OpenAI于2025年3月采用模型上下文协议（MCP），标志着人工智能行业向大型语言模型系统标准化工具集成迈出了重要一步。MCP最初由Anthropic于2024年11月推出，提供了一种通用的开源协议，允许AI应用程序通过客户端-服务器架构连接外部数据源和工具。通过采用MCP，OpenAI标志着其偏离了先前专有插件方法，与减少AI开发碎片化的更广泛行业努力保持一致。
该公告于2025年3月26日发布，当时OpenAI正式将MCP支持集成到其Agents SDK和Responses API中。此举使使用OpenAI模型的开发人员能够无缝连接到不断增长的MCP服务器生态系统，其中包括用于文件访问、数据库查询、网页浏览和第三方应用程序集成的工具。这一决定被广泛视为对来自Anthropic的竞争压力的回应，Anthropic的Claude模型已受益于MCP在开发者社区中的快速采用。
背景与语境
在MCP之前，AI开发人员在将大型语言模型连接到外部系统时面临重大挑战。每次集成都需要自定义代码，通常导致供应商锁定和重复工作。OpenAI此前曾提供自己的插件系统，于2023年3月推出，允许ChatGPT与第三方服务交互。然而，插件因专有且范围有限而受到批评，OpenAI于2024年弃用它们，转而支持自定义操作和函数调用。
MCP源于Anthropic关于使AI助手更能处理现实世界任务的研究。该协议定义了一种标准化方式，让AI模型发现、调用和管理工具，使用JSON-RPC进行通信，并支持本地和远程连接。其开源性质意味着任何开发人员都可以创建MCP服务器，任何AI应用程序都可以充当客户端，从而促进不同AI提供商之间的互操作性。
到2025年初，MCP已在Anthropic之外获得发展势头，得到了包括Google DeepMind、Microsoft和Amazon Web Services在内的主要科技公司的支持。因此，OpenAI对该协议的采用不仅是技术决策，也是战略上的承认，即行业范围内的标准对于生成式AI技术的成熟是必要的。
OpenAI的集成细节
OpenAI对MCP的集成在两个主要产品中实现。Agents SDK允许开发人员构建自主AI代理，获得了原生MCP客户端支持，使代理无需额外配置即可连接到任何MCP服务器。Responses API为基于聊天的应用程序提供支持，也添加了MCP兼容性，允许开发人员直接在API调用中传递MCP工具定义。
集成的主要技术特性包括支持同步和流式工具调用、通过OAuth 2.0进行身份验证，以及同时处理多个MCP服务器的能力。OpenAI还提供了带有内置MCP实用程序的Python SDK和TypeScript SDK，减少了所需的样板代码量。该公司发布了文档和示例，展示如何连接到流行的MCP服务器，例如GitHub、Slack和Google Drive的服务器。
一个值得注意的方面是OpenAI决定保持与其现有函数调用接口的向后兼容性。开发人员可以继续使用旧方法，但MCP提供了一种更标准化和可移植的方法。这种双重支持减轻了现有用户的过渡难度，同时鼓励新项目从一开始就采用MCP。
行业反应与影响
该公告在开发者社区中获得了大部分积极反响。许多人认为这是对MCP设计的验证，也是朝着减少困扰AI工具集成的碎片化迈出的一步。行业分析师指出，OpenAI的采用可能会加速MCP的增长，因为该公司庞大的用户群将推动对更多MCP服务器的需求。
Anthropic对这一举措表示欢迎，其联合创始人Dario Amodei（不在提供列表中，故省略）对跨供应商合作表示乐观。然而，一些观察者指出，OpenAI的实现存在某些局限性。例如，初始版本不支持MCP的完整功能集，例如资源订阅和采样，这些在Anthropic的Claude集成中可用。OpenAI表示这些功能将在后续更新中添加。
像Google DeepMind和Meta AI（不在列表中，省略）这样的竞争对手当时尚未完全承诺采用MCP，尽管Google已在其Gemini API中宣布了实验性支持。更广泛的影响是，MCP正在成为AI工具连接的事实标准，类似于Transformer架构成为神经网络设计的标准。
技术架构与用例
MCP基于客户端-服务器模型运行，其中AI应用程序充当客户端，外部工具作为服务器暴露。每个服务器提供一组工具、资源和提示，客户端可以发现并调用这些内容。通信使用JSON-RPC，通过stdio用于本地进程，或通过HTTP/SSE用于远程连接。该协议包括工具发现、调用和结果流式传输的功能，以及错误处理和取消。
OpenAI的集成允许开发人员构建代理，例如，可以查询公司内部数据库、发送电子邮件或与云服务交互，所有这些都通过统一接口完成。用例范围从客户支持自动化到数据分析和代码生成。该协议的设计还支持安全功能，如范围权限和审计日志，这对企业部署很重要。
一个实际示例是通过MCP服务器将OpenAI驱动的助手连接到postgresql数据库（不在列表中，省略），从而实现对结构化数据的自然语言查询。另一个是与github（不在列表中，省略）集成，创建可以审查代码、打开问题和管理拉取请求的代理。这些能力展示了MCP将大型语言模型从文本生成器转变为可操作工具的潜力。
与其他方法的比较
在MCP之前，其他几种协议和框架试图标准化AI工具集成。OpenAI的函数调用于2023年6月推出，允许模型输出可触发外部函数的结构化JSON，但要求开发人员手动定义模式，并且不提供发现机制。Google的工具使用API和Microsoft的语义内核提供了类似功能，但与其各自的生态系统绑定。
MCP通过提供商无关和开源来区分自己，其治理模型鼓励社区贡献。OpenAI、Anthropic和其他公司的采用创造了一种网络效应，使得任何单一供应商越来越难以忽视它。到2025年年中，MCP注册表列出了超过1,000个社区贡献的服务器，涵盖从AWS Trainium集群管理到三星电子设备控制的各种内容。
未来发展与挑战
在OpenAI采用之后，MCP生态系统继续发展。2025年4月，Linux基金会宣布将托管MCP项目，提供中立治理和长期可持续性。此举被视为确保没有单一公司能控制协议方向的一种方式。
然而，挑战仍然存在。安全是主要关注点，因为MCP服务器可能暴露敏感数据或执行任意命令。OpenAI和Anthropic都发布了安全指南，但MCP的去中心化性质使执行变得困难。此外，该协议在高延迟远程连接方面的性能仍在优化中，一些开发人员报告响应时间比原生API慢。
另一个问题是MCP内部本身可能出现的碎片化。随着更多公司采用该协议，存在可能破坏互操作性的不同实现的风险。为了解决这个问题，Linux基金会的技术咨询委员会开始制定认证计划和一致性测试。
对AI开发实践的影响
OpenAI对MCP的采用对开发人员构建AI应用程序的方式产生了深远影响。它将焦点从构建自定义集成转移到组装预构建的MCP服务器，就像包管理器彻底改变了软件开发一样。这降低了创建复杂AI代理的入门门槛，使较小的团队能够利用广泛的工具，而无需大量工程工作。
教育机构和研究实验室也受益。例如，MIT CSAIL和斯坦福AI实验室开始将MCP纳入其课程，教学生如何构建可互操作的AI系统。该协议的开源性质促进了实验和协作，符合透明度和可重复性的学术价值观。
此外，MCP的采用影响了神经网络训练流程的设计。一些团队使用MCP将训练基础设施连接到数据源和监控工具，创建更自动化和高效的工作流程。MCP集成到更广泛的AI生命周期中表明，该协议将不仅仅在推理和部署方面保持相关性。
结论
OpenAI于2025年3月采用MCP代表了人工智能行业的一个分水岭时刻。通过采用最初由竞争对手开发的开源标准，OpenAI帮助围绕通用协议整合了生态系统，减少了碎片化并促进了创新。这一举措既是对市场趋势的务实回应，也是对可互操作AI系统未来的战略押注。
截至2025年底，MCP已成为连接大型语言模型到外部工具的默认选择，得到了所有主要AI提供商的支持。该协议的成功表明，即使是竞争对手之间的合作也能加速技术进步。虽然围绕安全性和标准化仍存在挑战，但轨迹指向一个更加互联和强大的AI格局，其中模型不仅智能，而且无缝集成到数字世界中。