Anthropic发布MCP Apps开放规范

摘要

Anthropic正式发布MCP Apps开放规范，这是继OpenAI三个月前推出ChatGPT Apps后的重要举措。Anthropic整合了独立的MCP UI项目，与OpenAI、Block、VS Code、JetBrains、AWS等行业巨头合作，共同建立了富生成式UI的开放标准。Claude.ai已官方支持这一规范。这一标准有望推动开源生态系统的发展，让不同应用之间实现互操作性，最终可能解决用户面临的众多订阅服务问题。

内容框架与概述

文章首先介绍了MCP Apps发布的背景，指出Anthropic在OpenAI推出ChatGPT Apps三个月后，正式吸收独立的MCP UI项目并推出开放规范。这一规范获得了包括OpenAI、AWS、VS Code、JetBrains等在内的主要行业玩家的支持，为富生成式UI建立了开放标准的基础。

文章随后回顾了AI Twitter上的重要讨论，涵盖Agent编排系统、推理模型发布、强化学习进展以及推理基础设施等多个主题。NVIDIA推出ToolOrchestra，提出用小型编排模型调用工具和专家模型的架构；阿里巴巴发布Qwen3-Max-Thinking推理模型，强调自适应工具使用和测试时扩展；腾讯推出专注于图像编辑的多模态模型；RL领域出现测试时训练突破和预训练阶段引入RL的新方法。基础设施方面，vLLM面临商业化压力，VS Code率先支持MCP Apps。

最后，文章强调了MCP Apps作为开放标准的重要性，指出这一规范 ratified by all the important players 后，为开源生态系统和应用互操作性奠定了基础，有望解决用户订阅服务过多的问题。

核心概念及解读

MCP Apps：Model Context Protocol的扩展，允许工具调用返回交互式UI组件，在聊天中直接渲染富界面，为AI应用提供统一的UI标准。

ToolOrchestra：NVIDIA提出的Agent编排架构，使用小型编排模型作为指挥，通过调用工具和更大型的专家模型来完成任务，声称8B参数的编排器即可达到前沿模型水平。

RLM（Recursive Language Model）：递归语言模式，通过引用传递文件和上下文，按需拉取最小所需内容，而非将所有内容填入上下文，实现更高效的上下文管理。

GRPO：一种强化学习训练方法，通过调整delta参数等技巧来提高训练稳定性，在大模型对齐和微调中发挥重要作用。

TTT（Test-Time Training）：测试时训练技术，结合强化学习在推理过程中动态调整模型，据报道在数学问题和代码生成任务中取得突破性进展。

原文信息

此摘要卡片由 AI 自动生成