开发者们发现，模型上下文协议（MCP）在运行时按需为AI编码代理提供高度相关的软件工程上下文方面表现出色。

毫无疑问，开发者对模型上下文协议（Model Context Protocol, MCP）的热情正在高涨。作为一种将AI助手与外部数据、工具和API连接的开放协议，自2024年底由Anthropic推出以来，针对DevOps、云等领域涌现出了数千个MCP服务器。

如今，开发者已将MCP服务器集成到应用程序中，并经过了实战检验，一些使用模式也逐渐显现。例如，根据Zuplo在2026年初发布的《MCP状态报告》，提供更好的AI上下文是使用MCP最常被提及的核心价值。该报告还发现，63%的MCP用户采用MCP服务器来访问文档或知识库等数据源。

在软件开发领域，上下文工程是指向AI编码代理提供相关数据和能力，以提高其输出的准确性和相关性的行为。它还涉及优化信息的广度以指导高效的处理。这些上下文可以包括编码风格、内部库、机构知识、生产数据以及来自Slack、Atlassian、Notion或GitHub等平台的外部数据。

"MCP支持上下文工程，因为它为AI系统连接各种业务工具创建了一种标准方式，"产品体验平台Pendo的首席执行官Todd Olson表示，"关键好处在于，代理会根据问题确定自己需要什么上下文，然后使用适当的MCP服务器实时获取该信息。"

随着AI辅助编码的兴起，MCP正在成为跨各种来源进行实时动态搜索和检索的大门，在上下文工程工作中发挥着重要作用。正如基础设施编排平台Spacelift的解决方案架构师Joey Stout所说，MCP是"氛围编程的救命恩人"。

MCP如何增强上下文工程

利用MCP，代理可以获取与当前任务紧密相关的结构化数据上下文。根据代码质量平台Sonar的集团产品经理Edgar Kussberg的说法，MCP加速了工程师日常必须例行进行的知识搜寻工作。

"当工程师需要回答一个问题时，他们不会单靠记忆，"Kussberg说，"他们会浏览代码仓库、仪表盘、CI系统、文档和安全报告，并根据需要从每个系统中提取信息。MCP赋予了AI代理同样的能力。"

许多最受欢迎的MCP服务器都在检索上下文信息以改进代理编码。例如，Context7的一个MCP服务器提供最新的文档，而文件系统的一个服务器则从本地机器的任何目录中提取数据。Sentry的MCP服务器访问生产问题和错误，SonarQube的服务器暴露安全问题，而Multiplayer的服务器则返回用户会话数据。

在这些情况下使用MCP的好处在于，它避免了在每个提示词中放入大量代码块的需要。相反，相关的编码上下文（如相关方法、依赖项或最近的更改）可以在运行时被调用。WaveMaker的代理平台工程负责人Venugopal Jidigam表示："MCP服务器组装并返回范围明确、结构化的上下文，模型随后利用这些上下文进行推理并做出准确响应。"

另一个常见的上下文收集例子是检索机构知识。"与其将这些知识硬编码到模型中，代理使用MCP在运行时检索相关文档或数据，"数据与分析平台提供商Incorta的首席机器学习工程师Ebrahim Alareqi表示，"这使代理保持轻量化，同时在需要时仍能访问特定于企业的上下文。"

其他人则赞扬MCP在为代理数据检索带来通用标准方面的作用。"MCP提供了让上下文工程变得实用的管道基础设施，"API平台提供商Merge的联合创始人兼CTO Gil Feig表示。他补充说，如果没有标准，团队最终会构建出经常中断的脆弱的自定义数据管道。

使用MCP进行上下文收集的好处

AI辅助编码面临一些挑战。最显著的是信任问题。绝大多数开发者不信任AI编码代理的输出——根据Sonar的2026年《代码状态开发者调查报告》，这一比例高达96%。第二个挑战是花在审查和调试AI生成代码上的时间增加了。2025年底的一项StackOverflow调查发现，近一半的开发者对处理"几乎正确但又不完全对"的AI解决方案感到沮丧。

上下文工程，以及为此目的使用MCP，有助于克服许多此类挑战。利用MCP服务器，工程师可以自动将相关日志或内部数据附加到提示词中，从而显著优化大语言模型的处理过程，避免无关输出。

最终结果是提高了准确性。"MCP允许系统动态获取模型所需的内容，如API、数据库、文件或领域知识，"数字产品工程公司R Systems的数据和AI负责人Neeraj Abhyankar表示，"这使得提示词更加精简，减少了幻觉，并确保模型在与任务相关的上下文中运行。"

另一个巨大的好处是更好的上下文窗口管理。在上下文工程中使用MCP可以实现与底层模型的更高效交互。"仅仅通过确保你使用了正确的东西，MCP工具就能为你节省数千个Token，"Spacelift的Stout表示。

Stout特别强调了GitHub MCP服务器："它现在可以直接从GitHub访问特定文件，并进行GitHub搜索，以及所有你在引用GitHub时期望的功能，"他说，"MCP使来自GitHub的检索变得好了一百万倍。"

使用MCP还增强了企业范围内的自主性和可扩展性。"团队可以停止依赖片面视图或传闻证据，而是从共同的理解出发运作，"Pendo的Olson表示。他说，这极大地减少了拼接工具、构建报告或拉入队友通常涉及的摩擦。

总而言之，专家表示，MCP在上下文工程中的好处是多方面的。标准化MCP有助于生成更精简、更明确和更相关的上下文，从而降低LLM产生幻觉的可能性，并优化代理的操作对象。这反过来可以减少验证和调试所需的手工测试，从而在此过程中挽回一些开发者的时间。

这些好处旨在共同解决AI生成代码和广泛的代理工作流中固有的许多核心问题。"MCP将AI开发从脆弱的提示词微调转变为可重复的工程，"WaveMaker的Jidigam表示，"结果是行为一致、数据暴露最少且可扩展的AI系统。"

用还是不用MCP？

专家一致认为，MCP可以超越检索增强生成（RAG），以更优化的方式提供更及时、更相关的内容。"传统的知识库和RAG流水线依赖于预索引的快照，"Sonar的Kussberg说，"在快速变化的环境中，这很快就会过时。"

正因为如此以及其他原因，MCP为开发者解锁了各种可能性。也就是说，该协议并非所有用例的灵丹妙药。在某些场景下，它面临着来自其他代理协议的竞争，而在另一些场景下，则面临简单的CLI或直接API访问的竞争。

投资组合中激增的MCP服务器也会大幅增加LLM的输入，需要采用严格的优化技术以避免达到Token上限。此类策略包括有意设计工具、渐进式披露、自动发现和其他新兴策略。

此外，还存在MCP相关的安全隐患。MCP协议本身的安全模型已经相当成熟，但实施者有责任强制执行正确的权限。"如果以正确的方式实施MCP，它可以让您强制执行策略驱动的访问控制，"Merge的Feig说。他补充说，这可以防止例如初级工程师访问他们无权访问的日志，即使代理拥有更广泛的权限。

为了提高在企业开发环境中使用MCP的信心，许多专家建议使用包含经过审查、治理并批准供内部使用的MCP服务器的MCP注册表。其他工具和实践，包括代理技能、代码模式以及新兴的确定性AI规范，也有望在为代理建立上下文方面发挥作用。

上下文为王

MCP的发展步伐正在加速。分析公司Bloomberry对1400个MCP服务器的分析显示，在六个月的时间里（从2025年8月到2026年2月）增长了232%。有趣的是，读操作的频率是写操作的两倍，这表明这些服务器正在执行大量的数据检索工作。

展望未来，预计上下文工程将继续巩固其作为一门软件学科的地位，而MCP则拥有将API转变为代理推理引擎的力量。正如Jidigam所说："类似MCP的抽象将成为标准基础设施，就像REST在早期时代所做的那样。"

其他人也持同样乐观的态度。"在上下文工程中，MCP成为代理用来访问上下文、工具和操作的控制平面，"Incorta的Alareqi补充道，"随着软件变得越来越由代理驱动，它将成为基石。"

根本的结论是：MCP已经在上下文工程中扮演了重要角色，并将继续如此。作为AI系统和数据之间的标准接口，MCP是运行时动态跨平台上下文检索的主要载体，允许工程师获取文档、API参考、策略、可用操作等。

然而，这并不意味着上下文工程已经达到了顶峰。Kussberg表示，展望未来，上下文工程将从获取信息演变为协调信息，并在此过程中整合多个MCP。他说，这将需要在执行标准、评估风险和更频繁地验证更改方面增加纪律性。