MCP转变：为什么构建自己的AI桥梁可能是一个绕道

在应用程序与大型语言模型（LLMs）互动的方式及其对企业的影响，尤其是关于托管/模型计算平台（MCP）的背景下，快速发展的格局正在形成。我们观察到这些变化对于指导我们的战略和为客户提供建议至关重要。

AI领域的变化速度令人震惊。几个月前看似小众的技术挑战，正迅速被主要AI参与者的核心产品所吸收。

简而言之：主要AI提供商如OpenAI和Anthropic（Claude）正越来越多地将以前由独立MCP（托管计算平台/服务器）处理的功能直接集成到他们的服务中。这一趋势由OpenAI的响应API和Claude的内置集成所示，显著降低了用户的门槛，但为考虑构建定制MCP基础设施的企业提出了战略性问题。对于大多数企业，尤其是较小的公司，专注于利用这些集成平台而不是构建基础MCP桥梁，可能是更明智的前进道路。感知震动：平台集成正在加速

今年早些时候（大约在三月），OpenAI发布的响应API感觉像是一个早期信号。它暗示着向提供更多内置能力以管理交互和可能的状态的转变，减轻开发人员处理所有外部事务的负担。

Anthropic最近的Claude更新，整合了众多内置集成（据报道约有10个类似MCP的服务）并允许用户配置与他们的

自有MCP服务器的连接，强烈强化了这一方向。这些AI领导者传达的信息似乎很明确：核心交互管理和潜在的基本定制/计算功能正在成为平台产品的一部分。这是一种自然演变。对于普通用户甚至许多企业来说，如果核心AI服务本身提供无缝、经济的集成或托管功能，使用独立的、可能更复杂的工具（如需要特定设置的独立桌面客户端）或构建定制基础设施的吸引力就会减弱。便利性和集成往往占据上风。

我们还看到像Cloudflare这样的基础设施参与者积极推广解决方案，以简化

MCP服务器的部署，认识到需求。然而，部署的便利性并不否定从头开始构建一个的战略性问题是否是正确的选择。为什么小公司在构建定制MCP服务器之前应该三思而后行基于这些趋势和AI市场的固有动态，从头开始构建一个专用的定制MCP服务器对较小的组织来说面临重大挑战：

高成本与复杂性：

开发和维护强大、安全、可扩展和合规的基础设施，以有效处理AI模型交互是一项不容小觑的工程和财务工作。这需要专业的知识和持续的投资。

1. 快速变化与过时：基础LLMs及其API正在以惊人的速度发展。今天构建的定制MCP可能在几个月后就会过时或与新平台功能或模型不兼容，要求不断且昂贵的适应。
2. 核心功能的商品化：随着OpenAI、Anthropic、谷歌等公司将更多类似MCP的功能直接集成，基本的定制MCP的独特价值主张正在减弱。如果平台提供商提供类似的、可能更集成且潜在更便宜的解决方案，为什么还要自己构建呢？
3. 资源消耗：对于较小的公司来说，将有限的工程人才、时间和资本投入到构建像MCP服务器这样的基础设施上，意味着将这些资源从开发其核心产品、独特功能或市场策略中转移开，而在这些领域它们可能具有更强的竞争优势。
4. 价值转移：竞争差异化迅速从
5. 能够构建连接用户与AI的桥梁（MCP服务器）转移。现在真正的价值在于你如何独特而有效地使用那座桥梁。它关乎具体的应用、量身定制的工作流程、独特的数据集成，或你在AI平台上构建的独特用户体验。想想短视频的繁荣。最初，能够拍摄、编辑和发布是新奇的。很快，这些基本功能成为主要平台的标准功能。赢家不一定是那些构建最佳独立视频编辑器的人，而是那些使用现成工具创造引人注目的内容的人。同样，管理基本AI交互的核心能力正成为平台本身提供的基本条件。 小公司应该将重点放在哪里？ 鉴于这一格局，对于大多数企业，尤其是较小的企业，更具战略性的方法可能是：利用平台能力：on top of the AI platforms.

Think of the short-video boom. Initially, just being able to shoot, edit, and post was novel. Soon, those basic capabilities became standard features within major platforms. The winners weren't necessarily those who built the best independent video editor, but those who created compelling content using the readily available tools. Similarly, the core ability to manage basic AI interactions is becoming table stakes provided by the platforms themselves.

Where Should Smaller Companies Focus Instead?

Given this landscape, a more strategic approach for most businesses, especially smaller ones, is likely to:

• Leverage Platform Capabilities:充分利用核心 LLM 提供商提供的内置集成、API（如 OpenAI 的响应 API）和托管服务。
• 专注于应用层创新：构建独特的应用程序、专业的工作流程或特定行业的解决方案，使用AI 平台作为基础。这就是真正的差异化所在。
• 开发智能集成：利用可用的 API 和工具，将 AI 能力智能地连接到现有的业务流程和软件中。
• 寻求专业合作：与了解 AI 平台和业务需求的专家（如 Mercury Technology Solutions）合作，设计和实施有效的定制 AI 集成，而无需在核心基础设施上重新发明轮子。

结论：明智地搭建桥梁

AI 世界发展迅速。虽然管理和定制与 LLM 的交互的需求依然存在，但向平台集成解决方案的趋势不可否认。构建一个定制的 MCP 服务器可能看起来对控制很有吸引力，但对于许多人，尤其是小公司来说，这可能会变成一个昂贵且迅速过时的绕道。

更聪明的做法可能是将资源集中在构建独特的价值在强大、不断发展的主要 AI 玩家提供的平台之上。了解工具，利用它们的能力，并将精力集中在以新颖的方式解决特定客户问题上。这就是在 AI 时代找到可持续竞争优势的地方。 of the powerful, evolving platforms provided by the major AI players. Understand the tools, leverage their capabilities, and concentrate your efforts on solving specific customer problems in novel ways. That's where sustainable competitive advantage will be found in the age of AI.