日前，Anthropic 开源的模型上下文协议 (MCP) 酝酿了一项重要的技术革新——全面采用 Streamable HTTP 作为其核心数据传输方式，这个动议标志着 AI 模型与外部世界的数据交互进入了一个全新的高效时代。
这一举措不仅是对现有技术瓶颈的突破，更预示着未来 AI 应用将拥有更强大的性能和更广泛的应用场景。
背景速览：AI 模型交互的效率之困
在人工智能的浪潮中，大型语言模型正变得日益强大。然而，如何让这些模型高效地与外部数据、服务进行沟通，一直是开发者面临的挑战。
此前，MCP 主要采用 HTTP+SSE (Server-Sent Events) 进行数据传输，这种模式在特定场景下表现尚可，但在面对高并发、实时性要求高的复杂应用时，其效率和灵活性都略显不足。
值得关注的是，近期涌现出如 Manus AI 这样的通用型 AI 代理。这类创新应用旨在通过 AI 实现更智能的自动化任务，其背后需要底层协议能够提供稳定、高效的数据传输能力。传统的 SSE 模式在支撑此类对实时性和效率有极致要求的应用时，可能会遇到瓶颈。
与此同时，在刚刚落幕的 2025 年 GTC 大会上，NVIDIA CEO 黄仁勋多次强调加速计算和高效基础设施对于推动 AI 普及的关键作用。虽然 GTC 大会聚焦于最新的硬件突破和前沿技术，但高效的数据传输无疑是所有创新应用的基础。
聚光灯下：MCP Streamable HTTP 的核心优势
此次 MCP 评议的升级方向，在于以 Streamable HTTP 取代原有的 HTTP+SSE，这一转变带来了显著的技术优势：
更轻便的部署方案： Streamable HTTP 基于标准的 HTTP 协议，开发者无需搭建和维护特定的 SSE 服务器，极大地简化了部署流程，尤其是在流行的 Serverless 云平台上，可以实现更快速、更灵活的应用上线和扩展。
更广泛的网络兼容性： HTTP 作为互联网的基础协议，与各种网络基础设施（如 CDN、API 网关、负载均衡器）拥有天然的亲和力。MCP 采用 Streamable HTTP 后，可以更好地融入现有的技术生态，降低了跨平台、跨系统的集成难度，为构建复杂的 AI 应用提供了便利。
更高性能的数据传输： Streamable HTTP 能够提供更高效的数据传输能力，尤其在处理高并发场景时表现更佳。这对于需要处理大量实时数据的 AI 服务至关重要，例如金融风控、智能监控等。
灵活的技术选择： MCP 的升级并非意味着完全抛弃 SSE。协议允许服务器根据实际应用场景的需求，灵活地选择或升级到 SSE，这种设计上的灵活性为开发者提供了更多的选择空间。
应用场景展望：Streamable HTTP 将如何赋能 AI？
MCP 若最终采用 Streamable HTTP， 预计将在以下 AI 应用场景中发挥重要作用：
新一代智能代理： 诸如 Manus AI 这样的通用型 AI 代理，对响应速度和数据传输效率有着极高要求。Streamable HTTP 可以提供更流畅、更稳定的数据通道，提升用户与 AI 交互的体验。
实时数据分析与可视化： 在需要对海量数据进行实时分析和展示的应用中，Streamable HTTP 可以确保数据的及时高效传输，为决策提供更快速的支持。
互动性更强的在线应用： 例如在线教育、远程协作等场景，实时的数据同步是关键。Streamable HTTP 可以提供更低延迟、更可靠的数据传输，提升用户体验。
高性能语言模型应用： 当用户与大型语言模型进行复杂的对话交互时，Streamable HTTP 可以更有效地传输文本、代码等数据，提升应用的响应速度和整体性能。
行业观察：MCP Streamable HTTP 的战略意义
从更宏观的角度来看，MCP 拥抱 Streamable HTTP ，将不仅是一次技术升级，更是 AI 基础设施演进的重要一步。
在 GTC 2025 上，黄仁勋的发言已经预示了未来 AI 应用将更加注重效率和落地。MCP 的这一举措，正是顺应了这一趋势，通过优化底层的数据交互协议，为开发者打造更强大、更易用的 AI 应用提供了有力支撑。随着 Streamable HTTP 的普及，我们有理由相信，未来的 AI 应用将更加智能化、实时化和普及化。
相关Github地址：
https://github.com/modelcontextprotocol/specification/pull/206