文 | 光子星球
"MCP"（模型上下文協議）突然火了。
百度從 C 端切入，" 心響 " 利用 MCP 協議整合多種 AI 模型和外部工具，百度地圖也宣布支持 MCP 接口。阿里云百煉上線全生命周期 MCP 服務，在支付寶等產品中集成了 MCP 協議，實現 AI 工具的一鍵調用。4 月 29 日，阿里開源的 Qwen3 系列模型同樣支持 MCP 協議。
如果仔細觀察，其背后推手是國外的 Anthropic、OpenAI、谷歌，國內的百度、阿里、字節等大廠。
表面上看，行業頭部大廠和 AI 公司試圖在為 AI Agent 落地打通 " 最后一公里 "，統一行業標準，釋放 Agent 調用工具的能力。但背后隱藏著，上述公司對未成熟行業的定義權。
實際上，除了開源的 MCP 外，OpenAI、谷歌等公司都自有一套 Agent 調用工具標準。選擇 Anthropic 構建的 MCP，并不意味著對其地位的認可，而是在已經在開源的基礎上，短暫達成一致，迅速擴大生態伙伴圈。
從大背景來看，MCP 可以視為 Agent 落地的一環。Manus 只是一個開端，標準共識達成后，肉眼可見的將是大規模 Agent 應用落地。
屆時，Agent 應用又將演變為大廠生態之爭。
做獨立 Agent 應用，不得不面臨成本和被頭部公司覆蓋的危險，被集成到大廠 Agent 應用生態或許成為選擇之一。由此，大廠掌握了從定義到篩選的權力。在此情況下，生態越完備，數據壁壘越高，在行業中的話語權就越大。
大廠擴列
有相關技術人員認為，MCP 本質是給模型和外部工具之間提供了一個標準，和高效的連接方式。他特別強調，"MCP 僅是個協議，并沒有提升或給大模型帶來任何新的能力 "。
上述技術人員表示，MCP 對構建服務而言，不是必選項。即使沒有 MCP，通過 Function Call 和現有的工具調參也可以達到相同的效果。
雖然從技術實現角度，不管是否有 MCP，實現的流程都是一樣的。但統一的標準協議對大廠在行業話語權至關重要。可以說，是 OpenAI、谷歌先認可了 MCP 的地位，緊接著阿里、百度后來跟上。通過相互認同的方式，他們在國內外掀起了一股開放 MCP 服務潮流。
某家剛開放了 MCP 服務的負責人告訴我們，在 MCP 出來以前，客戶想要深度使用一款 AI 產品功能，只能選用 SaaS 工具。但對很多具有行業 know how 的客戶來說，通用 SaaS 欠缺了一些深度能力。
按照以前則只能走定制化路線，通過 Open API 的方式集成到系統里。現在推出 MCP 服務后，只要一個支持標準 MCP 協議的 Agent，就能快速接入到產品平臺，" 省時、省力和省錢 "。
未來，為了擴大 MCP 服務的聲量，該負責人表示，他們會考慮開源和上架阿里、百度模型服務平臺。看重的指標有兩個：大廠的流量和生態扶持。
百度智能體業務首席架構師、心響 APP 負責人黃際洲跟我們透露，心響既支持外部 MCP 接入，也有自己的獨立協議。目前，心響內一共接了十個智能體，包含百度系文庫 AI 繪本功能以及外部健康等功能。
現有案例表明，MCP 的落地場景效果與技術無關，而是技術之外的因素在起作用。從百度到阿里，生態是關鍵的一環，在無需 " 磨合 " 的情況下完成了適配。
光子星球注意到，阿里云百煉平臺云部署 MCP Server 數量達到了 31 個，地圖、文生圖、搜索等功能均屬阿里生態。
大廠在其中承擔了集成和被集成的角色。一方面輸送自己成熟的 MCP 服務能力，比如百度地圖、高德地圖開放 MCP 接口；另一方面在生態中集成外來的第三方能力，與之互為補充，生態越完善，能滿足用戶的需求就越豐富。
接入 MCP 后相當于擁有了 " 原子化 " 的能力，可以隨意組合嵌入到業務流中。例如，開發者可以通過 " 支付寶 MCP Server" 接入收單支付功能，打通 AI 應用的支付渠道，解決智能體 " 能對話不能收錢 " 的痛點。
從 Manus 到百度心響
AI 研究網站 "AI Digest"，一項研究表明，AI Agent 所能完成的任務長度正在呈指數級增長，每過七個月能力翻一番。
按照該趨勢推算，2026 年，AI Agent 將能完成 2 小時的任務；2027 年完成 8 個小時即一個工作日的任務；到 2029 年，Agent 將能完成一個月的工作量。
Agent 應用產品的前景不可估量。此前饑餓營銷的 Manus，勾勒出了多智能體完成任務的產品樣本，但后期效果差強人意。百度在近期推出了相似產品定位的 " 心響 "，探索通用 Agent 產品。
在產品形態上，從過去 AI 助手的你問我答，變成了直接完成任務從交付上。過去的 AI 助手給到的是零件，需要用戶自己去組裝，現在的 Agent 產品可以直接交付最終成品。從效率來看，過去用戶在復雜、繁瑣的任務流程中反復拉扯，需要通過完善 prompt 來表達需求，現在只用一句話，所有步驟可以全自動完成。
在執行任務中，有一個 " 管家 " 性的角色被稱為主智能體，負責拆解用戶需求和分配任務。指令下達后，由各子智能體來同時進行。
心響目前上線了安卓移動端，未來將上線 PC 端。Manus 一類 Agent 產品，難點不在于技術，而是受限于屏幕。手機屏幕太小，想要用戶看清楚東西或者快速交互，很困難。反之，PC 端屏幕雖大，但問題是如何高效利用起來。
黃際洲告訴我們，MCP 協議在調用多智能體協作過程中發揮了很大作用，就像一把鑰匙，有了統一的秘鑰，讓接入變得更加簡單。但他也表示，目前為止，業界最大的問題是，都想獲得，貢獻者卻很少。" 背后的成本太大了，假設把 Tool Use 做成 MCP，乘以 1000 或許還是能承擔的成本，但如果乘以 1000 萬、1 億呢 "。
當下，平攤成本的解決方法是生態。黃際洲認為，各家都開放 MCP 后，壁壘在于生態，能否把商業模型跑通。理想的情況下，開發者和大廠都能賺到錢，需求越做越大，給用戶提供的體驗也越來越好。
目前，心響產品目標是成長為通用的超級智能體。橫向，盡可能把更多的場景融入到應用里；縱向，把場景做深，把功能做到極致。
黃際洲認為，法律、旅游、健康、教育、研究都是比較好的場景，在此基礎上再拓展長尾交互場景。" 尾巴越長越好，壁壘越來越高 "，在百度的 MCP 生態上，把更多的 AI 功能組合進來，做多智能體交付。
商業化還是廣告？
Agent 應用的商業化方向是什么？截至目前，大概率還是流量和廣告。
很大程度上由現在的 Agent 應用機制決定。心響在演示中有個例子，用戶要去哈爾濱玩，讓 Agent 幫忙做攻略、打電話、使用團購券訂餐廳。詳細拆解，這里面實則包含了地圖、點評、旅游出行等服務功能。
想要形成完整的服務，就必須要具備完整的數據鏈。據心響透露，他們引入了 " 貓眼數據 "，來讓電影票房更加準確。有些第三方可以跨越大廠間競爭，但有些則無法做到，這意味著前期一定拼的是各自生態的多樣性和完整性。
Agent 應用就像是入口一樣的存在，倒流給生態中的其他應用，最后完成從提需求到交付的閉環，這部分收入屬于 " 肥水不流外人田 "。
第三方用以補充大廠生態的 Agent 則落到了流量池中。據我們了解，百度等大廠的 MCP 和 Agent 有篩選機制，由大廠來決定是否選接入某一家的 Agent。前期，大廠需要更多的開發者進入來補充應用商店的空白，但到后期就變成了流量競爭。和競價廣告邏輯一樣，誰出價更高，誰的曝光度就越高。
在用戶使用應用過程中同樣存在該情況，比如在旅游攻略案例中，搜索出現的餐廳排名、飛機價格排名等這些篩選權，也掌握在大廠的手中。僅一個廣告就可實現 " 一魚多吃 "，商家通過廣告營銷提高排名順序，用戶則可以購買免廣或競價服務來提升使用體驗。
如此一來，Agent 應用似乎可以殺死多款應用，但殺不死既有的廣告投流體系。
大廠通過 Agent 應用引流，向商家收取廣告費；用戶行為數據（如搜索偏好、個性化數據）被用于精準廣告投放；通過整合地圖、點評、支付等基礎設施，形成服務閉環，第三方 Agent 被迫依賴其數據接口，淪為流量管道。
國外 OpenAI 和 Perplexity 已經漸有上述趨勢，國內百度、阿里、字節可能也不遠了。
