1. MCP的崛起与发展

Anthropic的模型上下文协议(MCP)于2024年11月发布，旨在使工具和平台实现模型无关性。MCP通过定义服务器和客户端来工作：MCP服务器是定义工具和资源的本地或远程端点，例如GitHub发布的MCP服务器允许LLM读取和写入GitHub；MCP客户端则是AI应用程序连接到MCP服务器的桥梁，使LLM能够与不同服务器的上下文和工具交互。

在相对较短的时间内，MCP已成为数百个AI流水线和应用程序的支柱。Anthropic和OpenAI等主要参与者已将其构建到产品中，Cursor(专注于编码的文本编辑器或IDE)和Raycast等生产力应用程序也使用MCP。

1.1 MCP生态系统的演变

我们收集了大型MCP服务器数据集(n = 2,874)，并通过GitHub星标数据进行了丰富。研究发现：

• MCP使用相对集中：前10个服务器占据了所有GitHub星标的近一半(45.7%)
• MCP使用主要集中于三个类别：数据库与搜索(RAG)、计算机与网络自动化、软件工程，共占所有星标的72.6%
• 大多数MCP服务器同时支持读取(访问上下文)和写入(更改上下文)操作

2. 研究发现

2.1 MCP服务器使用集中化

尽管有数千个MCP服务器，但前10个服务器占据了所有GitHub星标的45.7%，前10%的服务器占据了88.3%的星标。这意味着大多数实际MCP用户可能依赖相同的少数服务，通过少量API提供。

2.2 前10个MCP服务器的重要性

在前10个MCP服务器中，GitHub、Repomix、Context7和Framelink旨在协助软件开发；Blender服务器允许代理使用流行的开源Blender应用程序创建3D模型；Activepieces和MindsDB将代理连接到多个API。

代理浏览以Browser Use(61,000星标)和Playwright MCP(18,425星标)的形式占据主导地位，反映了AI系统与网络内容交互的基本需求。

2.3 主导MCP使用的三个类别

分析发现三个类别占据主导：

• 计算机与网络自动化(24.8%)
• 软件工程(24.7%)
• 数据库与搜索(23.1%)

2.4 代理与环境交互

除两个类别外，几乎所有MCP服务器类别中最受欢迎的服务器都同时支持读取和写入操作。具有读写访问权限的服务器的普遍存在表明，代理不仅被构建为基于数据回答问题，还要代表用户采取行动并与服务交互。

3. 多接入点的重要性

分析表明：

• 集中的MCP服务器使用增加了API访问受限的风险
• 当前限制性API访问策略不可持续
• 鼓励更大的透明度和披露有助于识别MCP生态系统中的瓶颈

目标不是消除网络中的所有集中，而是确保MCP生态系统保持可竞争性，为创新和用户选择提供多种可行路径。