跳到主要內容

MCP 突破 9700 萬次下載：Model Context Protocol 如何成為 AI Agent 的 USB-C | MCP Hits 97 Million Downloads: How Model Context Protocol Became the USB-C of AI Agents

By Kit 小克 | AI Tool Observer | 2026-04-11

🇹🇼 MCP 突破 9700 萬次下載：Model Context Protocol 如何成為 AI Agent 的 USB-C

MCP 是什麼？為什麼它被稱為 AI 的 USB-C？

MCP（Model Context Protocol）是 Anthropic 在 2024 年底推出的開放協定，讓 AI Agent 能用統一介面連接各種工具和資料來源。截至 2026 年 3 月，MCP 月下載量突破 9700 萬次，從上線時的 200 萬次成長了 47.5 倍，成為 AI 開發者生態系最重要的基礎建設之一。

MCP 的生態系有多大？

目前 MCP 生態已超過 5,800 個公開伺服器，涵蓋四大類別：

  • 開發者工具：1,200+ 伺服器，支援 GitHub、Docker、PostgreSQL、MongoDB、Kubernetes 等
  • 商業應用：950+ 伺服器，整合 Salesforce、HubSpot、Notion、Slack、Stripe 等
  • 網頁與搜尋：600+ 伺服器，涵蓋瀏覽器自動化、搜尋引擎整合
  • AI 與自動化：450+ 伺服器，包含圖片生成、資料分析等

哪些大廠已經採用 MCP？

答案是：所有主要 AI 供應商都已加入。Anthropic、OpenAI、Google DeepMind、Microsoft、AWS 全數支援。2025 年 12 月，Anthropic 將 MCP 捐贈給 Linux Foundation 旗下的 Agentic AI Foundation（AAIF），由 Anthropic、Block、OpenAI 共同創辦，Google、Microsoft、AWS、Cloudflare 等參與支持。

採用時間軸

  • 2024 年 11 月：Anthropic 發布 MCP 開放標準
  • 2025 年 1 月：Claude Desktop 原生支援
  • 2025 年 4 月：OpenAI 宣布 GPT-4 相容
  • 2025 年 7 月：Microsoft 整合進 Copilot Studio
  • 2025 年 11 月：AWS Bedrock、Google DeepMind 採用
  • 2026 年 3 月：所有主要供應商全面支援

MCP 在正式環境遇到什麼挑戰？

隨著企業部署規模達到每日數百萬請求，MCP 的「成長痛」也浮現了。最主要的問題是 Streamable HTTP 傳輸在大規模運作時的瓶頸：有狀態的連線與負載平衡器衝突、水平擴展需要額外 workaround、沒有標準方式讓 registry 在不連線的情況下了解伺服器功能。

2026 年路線圖重點是什麼？

MCP 官方公布的 2026 路線圖聚焦四大方向：

  • 傳輸層可擴展性：讓 Streamable HTTP 能無狀態運行在多個伺服器實例上
  • 企業級功能：稽核軌跡、SSO 整合認證、閘道行為、設定可攜性
  • 治理演進：建立 Contributor Ladder，定義社群參與者到核心維護者的升遷路徑
  • 任務生命週期：補上重試語義、結果過期策略等生產環境缺口

對開發者的實際影響

MCP 最大的價值在於減少 60-70% 的整合開發時間。過去每接一個 AI 供應商就要重寫整合邏輯，現在只需建一個 MCP 伺服器，就能跨所有支援平台使用。SDK 支援 TypeScript、Python、Java、Kotlin、C#、Swift 六種語言，覆蓋主流開發場景。

但說實話，我實際測試下來，MCP 在本地開發很順暢，一旦要上正式環境就會遇到連線管理和擴展的痛點。2026 路線圖的改進如果能落實，才是 MCP 真正從「開發者玩具」變成「企業基礎設施」的關鍵。

常見問題 FAQ

MCP 和 API 有什麼不同？

API 是點對點的整合，每個工具都需要個別串接。MCP 是統一協定，一個 Agent 透過 MCP 就能連接所有支援的工具，類似 USB-C 統一了充電線的概念。

MCP 是免費的嗎？

是的，MCP 是完全開源的，已捐贈給 Linux Foundation 旗下的 Agentic AI Foundation，採用開放標準授權。

非 Anthropic 用戶也能用 MCP 嗎？

可以。OpenAI、Google、Microsoft、AWS 都已支援 MCP，它已成為跨平台的產業標準。

好不好用，試了才知道。

🇺🇸 MCP Hits 97 Million Downloads: How Model Context Protocol Became the USB-C of AI Agents

What Is MCP and Why Is It Called the USB-C of AI?

MCP (Model Context Protocol) is an open protocol released by Anthropic in late 2024 that gives AI agents a unified interface for connecting to tools and data sources. As of March 2026, MCP has hit 97 million monthly SDK downloads, growing 47.5x from its initial 2 million at launch -- making it one of the most critical pieces of infrastructure in the AI developer ecosystem.

How Big Is the MCP Ecosystem?

The MCP ecosystem now includes over 5,800 public servers across four major categories:

  • Developer Tools: 1,200+ servers supporting GitHub, Docker, PostgreSQL, MongoDB, Kubernetes, and more
  • Business Applications: 950+ servers integrating Salesforce, HubSpot, Notion, Slack, Stripe, and others
  • Web and Search: 600+ servers covering browser automation and search engine integration
  • AI and Automation: 450+ servers for image generation, data analytics, and workflow automation

Which Major Companies Have Adopted MCP?

The short answer: every major AI provider. Anthropic, OpenAI, Google DeepMind, Microsoft, and AWS all support MCP. In December 2025, Anthropic donated MCP to the Agentic AI Foundation (AAIF) under the Linux Foundation, co-founded by Anthropic, Block, and OpenAI, with backing from Google, Microsoft, AWS, and Cloudflare.

Adoption Timeline

  • November 2024: Anthropic releases MCP as an open standard
  • January 2025: Claude Desktop adds native MCP support
  • April 2025: OpenAI announces GPT-4 compatibility
  • July 2025: Microsoft integrates MCP into Copilot Studio
  • November 2025: AWS Bedrock and Google DeepMind adopt MCP
  • March 2026: All major providers fully support the protocol

What Challenges Has MCP Faced in Production?

As enterprise deployments scale to millions of daily requests, MCP's growing pains have become clear. The biggest issue is the Streamable HTTP transport bottleneck at scale: stateful sessions conflict with load balancers, horizontal scaling requires workarounds, and there is no standard way for a registry or crawler to discover server capabilities without first connecting.

What Does the 2026 Roadmap Look Like?

The official MCP 2026 roadmap focuses on four priority areas:

  • Transport Scalability: Evolving Streamable HTTP to run statelessly across multiple server instances
  • Enterprise Features: Audit trails, SSO-integrated authentication, gateway behavior, and configuration portability
  • Governance Evolution: Establishing a Contributor Ladder to define a clear path from community participant to core maintainer
  • Task Lifecycle: Addressing retry semantics for transient failures and expiry policies for completed results

What Does This Mean for Developers?

MCP's biggest practical value is a 60-70% reduction in integration development time. Instead of rebuilding custom integrations for each AI provider, developers create one MCP server that works across all compliant platforms. The SDK supports six languages: TypeScript, Python, Java, Kotlin, C#, and Swift.

Being honest though -- in my testing, MCP works smoothly for local development, but production deployments quickly run into connection management and scaling pain points. If the 2026 roadmap improvements land as planned, that will be the turning point where MCP goes from a developer toy to enterprise infrastructure.

FAQ

How is MCP different from regular APIs?

APIs are point-to-point integrations where each tool requires a separate connection. MCP is a unified protocol that lets one agent connect to all supported tools through a single interface, much like USB-C unified charging cables.

Is MCP free to use?

Yes. MCP is fully open-source and has been donated to the Agentic AI Foundation under the Linux Foundation, governed as an open standard.

Can non-Anthropic users use MCP?

Absolutely. OpenAI, Google, Microsoft, and AWS all support MCP. It has become a cross-platform industry standard, not limited to any single provider.

You never know until you try.

Sources / 資料來源

常見問題 FAQ

MCP 和 API 有什麼不同？

API 是點對點整合，每個工具需個別串接。MCP 是統一協定，一個 Agent 透過 MCP 就能連接所有支援的工具，類似 USB-C 統一充電線的概念。

MCP 是免費的嗎？

是的，MCP 完全開源，已捐贈給 Linux Foundation 旗下的 Agentic AI Foundation，採用開放標準授權。

非 Anthropic 用戶也能用 MCP 嗎？

可以。OpenAI、Google、Microsoft、AWS 都已支援 MCP，它已成為跨平台的產業標準。

MCP 支援哪些程式語言？

MCP SDK 目前支援 TypeScript、Python、Java、Kotlin、C#、Swift 六種語言，涵蓋主流開發場景。

MCP 適合用在正式環境嗎？

本地開發已很成熟，但大規模正式環境部署仍有連線管理和擴展的挑戰。2026 路線圖正在解決這些問題。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

ARC-AGI-3 發布：頂尖 AI 全部得分不到 1% | ARC-AGI-3: Every Top AI Model Scored Under 1%

By Kit 小克 | AI Tool Observer | 2026-03-30 🇹🇼 ARC-AGI-3 發布：頂尖 AI 全部得分不到 1% ARC-AGI-3 於 2026 年 3 月 25 日正式發布，這個全新互動式基準測試立刻震驚整個 AI 圈：Gemini 3.1 Pro、GPT-5.4、Claude Opus 4.6 等頂尖模型，全部得分不到 1%。這不只是一個數字，而是對當前 AI 能力極限最直接的一次公開測試。 ARC-AGI-3 是什麼？ ARC-AGI（Abstraction and Reasoning Corpus）系列由 Francois Chollet 創立，目的是測試機器是否具備真正的一般智能，而非死記硬背或過度訓練特定題型。 第三代與前兩代最大的不同在於： 它是完全互動式的 。AI 不是解題，而是要在一個沒有說明書的遊戲環境中自主探索、學習規則、設定目標、並完成長期任務。測試的四個核心能力是： 探索能力（Exploration） ：在未知環境中主動試探 世界建模（World Modeling） ：理解環境規則並形成心理模型 目標設定（Goal-setting） ：自行定義並追求有意義的目標 長期規劃（Long-horizon Planning） ：跨多步驟維持行動一致性 各大模型得分：讓人冷靜的數字 以下是目前已知的 ARC-AGI-3 各模型成績： Google Gemini 3.1 Pro Preview： 0.37% （目前最高） OpenAI GPT-5.4（High）： 0.26% Anthropic Claude Opus 4.6（Max）： 0.25% xAI Grok-4.20（Reasoning Beta）： 0.00% 人類基準線： 100% 差距不是些微落後，而是 接近零 。這個結果讓不少在 Hacker News 討論的開發者感嘆：「我們一直在測量的，根本不是智能。」 為什麼這次不一樣？ 過去的 AI 基準測試，往往在幾年內就被「攻克」——模型訓練資料越來越接近測試集，得分隨之飆升。ARC-AGI-3 試圖從根本上改變這個循環： 沒有預先給定的目標或規則，AI 必須自己發現 環境是動態的，每...
閱讀完整內容

MCP 突破 9700 萬次下載：AI Agent 的「USB-C」為何成為 2026 年最重要的標準？ | MCP Hits 97 Million Downloads: Why Model Context Protocol Became the Most Important AI Standard of 2026

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 MCP 突破 9700 萬次下載：AI Agent 的「USB-C」為何成為 2026 年最重要的標準？ 如果你最近在研究 AI Agent，幾乎不可能沒聽過 MCP（Model Context Protocol） 。這個由 Anthropic 提出、現在已捐給 Linux Foundation 的開放協議，在 2026 年 3 月已達到每月 9700 萬次 SDK 下載 ——距離它 16 個月前推出時的 200 萬次，成長了整整 47 倍 。 為什麼這件事值得關注？因為 MCP 正在成為 AI 工具生態的底層標準，就像 USB-C 統一了充電接口一樣。 MCP 到底解決了什麼問題？ 在 MCP 出現之前，每個 AI 應用想要連接外部工具（資料庫、API、本地檔案、第三方服務），都必須各自寫一套整合邏輯。這不只重複造輪，還讓每個 Agent 的能力範圍受限於開發者願意花多少時間手動接線。 MCP 的做法是：定義一個 標準化的通信協議 ，讓 AI 模型可以透過統一介面呼叫任何工具。開發者只需要寫一個 MCP Server，就能讓所有支援 MCP 的 AI（Claude、GPT、Gemini 等）直接使用。 現在有多少工具支援 MCP？ 目前已有超過 5,800 個公開的 MCP Server 主流 AI 提供商（Anthropic、OpenAI、Google、Microsoft）全部支援 企業端整合加速：Salesforce、Atlassian、GitHub 等都已發布官方 MCP Server 2026 RSA 資安大會將 MCP 安全性列為重要議題 對開發者來說，現在應該怎麼做？ 如果你在做任何跟 AI Agent 相關的開發，MCP 不再是「可以考慮」的選項，而是 必須了解的基礎建設 。幾個實用建議： 先看官方文件 ：modelcontextprotocol.io 有完整的 server/client 開發指南 找現成的 MCP Server ：mcp.so 和 GitHub 上有大量社群貢獻的整合包 注意安全問題 ：MCP 的 prompt injection 風險是目前最熱門的研究議題，上線前務必審查 Cla...
閱讀完整內容

LiteLLM 供應鏈攻擊：你的 AI 開發環境可能已被入侵 | LiteLLM Supply Chain Attack: Your AI Dev Environment May Be Compromised

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 LiteLLM 供應鏈攻擊：你的 AI 開發環境可能已被入侵 如果你最近幾天有用 pip install litellm ，請立刻停下來確認版本號。2026 年 3 月 24 日，PyPI 上的 LiteLLM 套件遭受嚴重的供應鏈攻擊，影響了全球數百萬 AI 開發者的工作環境。 事件發生了什麼？ 攻擊者隸屬於名為 TeamPCP 的威脅行為者，從 3 月 19 日開始，先入侵了 Trivy（一個廣泛用於 CI/CD 管線的開源安全掃描工具），竊取了維護者的 PyPI 憑證，最終在 3 月 24 日繞過官方 CI/CD 流程，直接將惡意版本上傳至 PyPI。 受影響版本： litellm 1.82.7 和 litellm 1.82.8 ，兩個版本在被發現後均已從 PyPI 移除。惡意版本在 PyPI 上存活約 3 小時（10:39 UTC 至 16:00 UTC），但 LiteLLM 每天下載量約 340 萬次，影響範圍仍相當廣泛。 惡意程式做了什麼？ v1.82.8 是最危險的版本：它植入了一個 litellm_init.pth 檔案， 只要 Python 直譯器啟動就自動執行 ，不管你的程式有沒有 import litellm。惡意程式分三個階段運作： 資料收集： 竊取 SSH 金鑰、.env 檔案、AWS/GCP/Azure 雲端憑證、Kubernetes 設定、資料庫密碼、shell 歷史記錄、CI/CD 密鑰、加密錢包檔案 加密外洩： 以 AES-256 加密資料，再用 RSA-4096 加密金鑰，傳送至偽裝成官方域名的 models.litellm.cloud 持久化後門： 如果偵測到 Kubernetes token，會嘗試在 kube-system 命名空間建立特權 Pod，並在 ~/.config/sysmon/sysmon.py 安裝系統級後門 如何確認你有沒有中招？ 執行以下指令： pip show litellm — 檢查版本是否為 1.82.7 或 1.82.8 ls ~/.config/sysmon/ — 檢查是否存在後門檔案 Kubernetes 用戶：檢查 kube-system ...
閱讀完整內容