然而，要让AI代理真正有用，它们需要突破训练数据的局限，与现实世界流畅互动，而这正是MCP的用武之地。
一个MCP实际应用的绝佳示例来自Anthropic的官方文档：
想象一个AI代理被赋予管理软件开发管道的任务。
通过MCP，这个代理可以：
-
从代码库中提取最新代码；
-
分析代码中的漏洞；
-
然后实时将报告推送回团队的项目管理工具。
以下（致敬@alexalbert__）是一个案例：我们可以看到Anthropic的Claude直接连接到GitHub，创建了一个新代码库，并通过MCP集成提交了一个PR（Pull Request）。
MCP让AI代理能够通过访问实时数据适应不断变化的情境，从而变得更加灵活和智能。
以下展示了MCP与GitHub、Web API、Slack、电子邮件等多种平台的集成和通信能力。
MCP为@davidsacks关于“获胜的代理（The Winning Agent）”可能具备的特性提供了答案：
或许，将代理连接到现实世界的基础设施才是真正的制胜法则！
通过标准化协议，开发者无需为每次新的集成重新“造轮子”，可以更快地构建代理型工作流（agentic workflows）。
代理型未来的核心在于，AI系统能够独立行动以实现复杂目标，无论是：
-
自动化业务流程，
-
管理供应链，
-
甚至协助科学研究。
MCP通过为AI代理提供与现实世界互动的基础设施，成为实现这一愿景的重要一步。
5）其他类似MCP的倡议Anthropic并不是唯一认识到标准化AI集成协议需求的企业。最近，一些大型协议和公司也推出或采用了类似MCP的框架，以支持代理型未来：
i）Perplexity MCP
ii）OpenAI Agents SDK MCP 就在昨天，OpenAI发布了其Agents SDK的MCP插件：
iii）Stripe MCP集成
……此外，越来越多的MCP服务器正在开发中，以使AI通信更加流畅：
一些独立于Anthropic的CEO们也开始认可MCP在推动AI代理未来发展中的重要性。