應用程式與大型語言模型 (LLMs) 互動的方式以及對企業的影響，特別是關於管理/模型計算平台 (MCP) 的情況正在快速演變。我們觀察這些變化對於指導我們的策略和建議客戶至關重要。
AI 領域的變化速度令人震驚。幾個月前看似小眾的技術挑戰，迅速被主要 AI 參與者的核心產品所吸收。
簡而言之：主要的 AI 供應商如 OpenAI 和 Anthropic (Claude) 正在越來越多地將之前由獨立的 MCP (管理計算平台/伺服器) 處理的功能直接整合到他們的服務中。這一趨勢由 OpenAI 的回應 API 和 Claude 的內建整合所顯示，顯著降低了用戶的使用門檻，但對於考慮建立自訂 MCP 基礎設施的企業提出了戰略問題。對於大多數企業，尤其是較小的公司，專注於利用這些整合平台而不是建立基礎的 MCP 橋樑，可能是更明智的前進道路。感知震動：平台整合正在加速
今年早些時候（大約三月），OpenAI 發布的回應 API 感覺像是一個早期信號。它暗示著朝著提供更多內建能力以管理互動和可能的狀態的方向發展，減輕開發者處理所有外部事務的負擔。
Anthropic 最近的 Claude 更新，整合了許多內建的整合（據報導約有 10 個類似 MCP 的服務），並允許用戶配置與他們的
自有MCP 伺服器的連接，強烈加強了這一方向。這些 AI 領導者的訊息似乎很明確：核心互動管理和潛在的基本自訂/計算功能正成為平台提供的一部分。這是一種自然的演變。對於普通用戶甚至許多企業來說，如果核心 AI 服務本身提供無縫、可負擔的整合或管理功能，使用獨立的、可能更複雜的工具（如需要特定設置的獨立桌面客戶端）或建立自訂基礎設施的吸引力就會減少。便利性和整合通常會勝出。
我們也看到像 Cloudflare 這樣的基礎設施參與者積極推廣解決方案，以簡化 MCP 伺服器的
部署，認識到需求。然而，部署的便利性並不否定從零開始建立一個的戰略問題是否正確。為什麼小公司在建立自訂 MCP 伺服器之前應該三思而後行
根據這些趨勢和 AI 市場的內在動態，從頭開始建立一個專用的自訂 MCP 伺服器對於較小的組織來說面臨重大挑戰：
高成本與複雜性：
- 開發和維護穩健、安全、可擴展且合規的基礎設施，能夠高效處理 AI 模型互動是一項不平凡的工程和財務任務。這需要專業的專長和持續的投資。快速變化與過時：
- 底層的 LLM 及其 API 正在以驚人的速度演變。今天建立的自訂 MCP 可能在幾個月後就過時或與新平台功能或模型不相容，需不斷且昂貴的適應。核心功能的商品化：
- 隨著 OpenAI、Anthropic、Google 等公司將更多類似 MCP 的功能直接整合，基本自訂 MCP 的獨特價值主張正在減弱。如果平台提供商提供類似的、可能更整合且潛在更便宜的解決方案，為什麼還要自己建立呢？資源耗損：
- 對於較小的公司來說，將有限的工程人才、時間和資本專注於建立像 MCP 伺服器這樣的基礎設施，意味著將這些資源轉移到開發他們的核心產品、獨特功能或市場策略上，這些地方可能有更強的競爭優勢。價值轉移：
- 競爭差異化正迅速從能夠建立連接用戶與 AI 的橋樑（MCP 伺服器）轉移。現在真正的價值在於你如何獨特且有效地使用那座橋樑。這關乎具體的應用、量身定制的工作流程、獨特的數據整合或你在 AI 平台上構建的專門用戶體驗。 想想短視頻的繁榮。最初，能夠拍攝、編輯和發布就是新穎的。很快，這些基本功能成為主要平台的標準功能。贏家不一定是那些建立最佳獨立視頻編輯器的人，而是那些使用現成工具創造引人入勝內容的人。同樣，管理基本 AI 互動的核心能力正在成為平台本身提供的基本條件。 較小的公司應該將重點放在哪裡？鑒於這一格局，對於大多數企業，尤其是較小的企業，更具戰略性的做法可能是：利用平台能力： 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:充分利用內建的整合、API（如OpenAI的回應API）以及核心大型語言模型提供者所提供的管理服務。
- 專注於應用層創新：建立獨特的應用程式、專門的工作流程或垂直特定的解決方案，將使用AI平台作為基礎。這就是真正的差異化所在。
- 開發智慧整合：利用可用的API和工具，將AI能力智能地連接到現有的商業流程和軟體中。
- 尋求專業夥伴：與專家（如Mercury Technology Solutions）合作，他們了解AI平台和商業需求，以設計和實施有效的客製化AI整合，而不必在核心基礎設施上重新發明輪子。
結論：明智地建立橋樑
AI世界的變化速度驚人。雖然管理和自訂與大型語言模型的互動的需求依然存在，但向平台整合解決方案的趨勢是不可否認的。建立一個客製化的MCP伺服器可能看起來對控制有吸引力，但對於許多人，特別是較小的公司，這可能會成為一個昂貴且迅速過時的繞道。
更明智的做法可能是將資源集中在建立獨特的價值在強大且不斷演變的主要AI平台之上。了解工具，利用它們的能力，並將精力集中在以新穎的方式解決特定客戶問題上。這就是在AI時代中可持續競爭優勢的所在。 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.
