当模型上下文协议（MCP）发布时、 我的第一印象是'这不仅仅是一个统一的 API 规范'。 我们在国外观看了演示视频，并立即在团队内部创建了一个 MOC（概念验证）。 我们认为，这肯定会成为人工智能的 "第二操作系统"。
---
人们经常把 MCP 与 USB 相提并论。 从它是 "人工智能可以自由处理外部工具的通用端口 "的意义上来说，这当然没错。 但当你真正接触它时，它更像是"人工智能个人电脑 "，而不是 USB。
以前，ChatGPT 和 Claude 是在输入文本内完成的、 在输入文本内完成。 主要弱点是无法访问本地或远程外部上下文（context）。
没有记忆的人工智能每次都会从头开始重新思考。 不了解外部世界的人工智能最终只能 "再生"。
---
但多边协商程序已经超越了这一范围。 现在，外部环境也可以融入其中、 人工智能现在可以 "触摸 "自己的工作环境。**
这就是我尝试的配置。
- 克劳德代码。 - BigQuery（业务数据聚合） - GitHub（源代码库） - Notion（业务逻辑文档）
它们通过 MCP 连接、 克劳德代码与 ReAct（推理+行动）一起工作。
---
然后，人工智能开始自主工作。 它从 BigQuery 中读取模式、 引用来自 Notion 的逻辑、 GitHub 上的代码，提出修改计划。
令我惊讶的是，从那时起，人工智能在 15-20 分钟的**里完全脱离了我的控制。 我一边用 React 更新前端，一边重复尝试和出错。
---
这是我第一次感觉到人工智能有自己的'思维回路'。 它不仅仅遵循人类创造的规范、 它还结合外部信息做出自己的决定。
它不再是 "生成"，而是 "行动"。 人工智能突破了它的学习模式、 *这是它向世界伸出双手的***时刻。
---
记忆和长期学习方面的挑战依然存在。 不过，MCP+ReAct 已初步显示出 "自主 "的迹象。
人工智能可以获取全球背景信息，并 思考、测试和移动。 这是人类第一次看到 "自己思考的代码"。