MCP服务器：AI答案引擎时代的新可见性入口

从被爬取到被调用：AI可见性的范式转移

过去二十年，网站可见性等同于搜索排名——优化页面、获取外链、等待爬虫重新抓取。但答案引擎改变了竞争规则。ChatGPT、Perplexity和Google的AI Overviews会从检索到的段落中组装回答，而越来越多的时候，它们会直接调用工具。底层机制已经不同：模型不再给你的页面排名，它决定是否调用某个工具、引用某段内容，或者完全跳过你。

MCP（Model Context Protocol）正是让工具调用可以跨平台移植的协议。Anthropic在2024年11月推出该协议，OpenAI在2025年3月将其支持加入Agents SDK。这意味着什么？MCP服务器不是网站，而是一份智能体可以运行的函数菜单。当用户问“30年期固定房贷利率现在是多少”，智能体可以调用利率工具、拉取结构化数据并引用来源。如果竞争对手运行了这个工具而你没有，答案就是他们的。

这种转变伴随着真实的权衡。MCP服务器只在支持MCP的客户端内有效。ChatGPT的消费端应用不允许用户随意指向任何服务器，Perplexity目前也没有开放通用MCP客户端。所以MCP服务器是一个前瞻性押注，而非即时获得引用的开关。但智能体正在到来，它们会调用最容易调用的工具。

MCP（Model Context Protocol，模型上下文协议） 是 Anthropic 于 2024 年 11 月发布的一项开放标准，旨在为大型语言模型与外部工具、数据源之间提供统一的通信接口。在 MCP 出现之前，每个 AI 应用若要接入外部服务，都需要为每个服务单独编写适配代码，形成 M×N 的集成爆炸。MCP 将其抽象为客户端-服务器模型：AI 应用作为 MCP 客户端，外部服务作为 MCP 服务器，双方通过标准化的 JSON-RPC 协议通信。服务器声明自己提供哪些工具、资源和提示，客户端则根据用户意图决定调用哪个工具。这一协议被业界类比为“AI 世界的 USB-C 接口”——一次实现，多处调用。OpenAI 在 2025 年 3 月将 MCP 支持纳入 Agents SDK，标志着该协议从单一厂商标准向行业通用标准的演进，也让 MCP 服务器的分发价值显著提升。

MCP服务器到底暴露了什么

MCP服务器暴露三种原语：工具（tools）、资源（resources）和提示（prompts）。工具是带类型参数的函数，资源是可读取的数据（文件、数据库行），提示是客户端可以使用的模板。对可见性而言，工具最重要，因为它们让模型能够行动。

设计工具时，要像给一个从未见过你产品的聪明实习生写简报。名称应当匹配问题：get_shipping_estimate胜过shipping_v2。描述应当说明工具返回什么、何时该调用它。输出应当小而结构化、可引用。一个带有source_url字段和last_updated时间戳的JSON对象，对引用的帮助远大于一篇4000字的营销页面。

Schema.org扮演平行角色——它告诉爬虫页面是什么意思。MCP告诉智能体服务能做什么。两者你都需要。llms.txt文件让智能体无需猜测哪些页面重要就能发现你的公开内容。那个文件是地图，不是排名因素——但它降低了智能体错过关键页面的概率。

Schema.org 是 Google、Microsoft、Yahoo 和 Yandex 于 2011 年联合发起的结构化数据词汇表，提供了一套标准化的标签体系（如 Product、FAQPage、Recipe 等），让网页作者以机器可读的方式标注页面内容的语义。搜索引擎爬虫读取这些标注后，可以在搜索结果中展示富媒体摘要（rich snippets），例如评分星级、价格区间、常见问题折叠等。它的核心价值在于消除歧义：一段 HTML 文本对机器而言只是字符流，而 Schema.org 标注告诉机器“这是一个价格”“这是一条评分”。在 AI 答案引擎时代，Schema.org 的作用进一步延伸——它帮助检索系统判断某段内容是否是权威、结构化的事实来源，从而提高被引用为答案的概率。理解 Schema.org 与 MCP 的平行关系，是把握“页面语义标注”与“服务能力声明”如何协同支撑 AI 可见性的关键。

让MCP服务器可被引用的四个动作

1. 面向查询而非API编写工具描述

模型看到的是一份工具列表。如果你的描述写着“返回对象列表”，模型不知道何时调用它。如果写着“按州返回当前30年期固定房贷利率，附来源URL和时间戳”，模型就知道了。一个金融科技客户将getRates重命名为get_mortgage_rates_by_state后，模型匹配了更多查询。机制很简单：模型匹配的是词语。

2. 返回引用载荷

每个工具结果都应携带source_url、source_title和retrieved_at。这样模型才能引用你并回链。只返回一个裸数字，模型就没有可引用的内容，它会给出无归属的回答——或者归属给竞争对手。

3. 保持低延迟与优雅失败

智能体运行在超时机制上。一个耗时9秒的工具可能在中途被放弃。一个返回500错误的工具会教会模型避开你。尽可能缓存，返回简短错误并附上回退URL。

4. 为服务器做版本管理与签名

智能体需要信任工具。带有版本号和变更日志的签名清单消除了歧义。改动了字段名，就升版本。损坏的工具会被丢弃。

ChatGPT与Perplexity的真实状况

ChatGPT的消费端产品不是开放的MCP客户端。你不能粘贴一个服务器URL就期望它被使用。但OpenAI的Agents SDK支持MCP，这意味着基于OpenAI构建智能体的开发者可以把你的服务器接入他们的智能体。这是一条分发渠道：每个基于该SDK构建的智能体都是潜在调用者。

Perplexity构建了自己的检索栈，没有文档说明支持通用MCP。所以如果你的策略是“Perplexity明天会调用我的MCP服务器”，那是在猜测。更好的赌注是让你的公开页面答案就绪、让你的MCP服务器智能体就绪，两者喂养同一个答案引擎。

Google的AI Overviews和Gemini使用Google自己的检索与结构化数据。让页面有资格获得富媒体结果的那些事实，同样让MCP工具更容易返回。当你的页面说一个价格而你的工具说另一个，模型会犹豫。

OpenAI Agents SDK 是 OpenAI 于 2025 年 3 月发布的开发者框架，用于构建能够自主规划、调用工具、执行多步任务的 AI 智能体。与面向消费者的 ChatGPT 应用不同，Agents SDK 面向开发者，允许他们在自己的产品中集成智能体能力。SDK 内置了对 MCP 协议的支持，意味着开发者可以将任意符合 MCP 标准的服务器接入自己的智能体，让智能体在运行时发现并调用这些工具。从可见性角度看，这是一条间接但真实的分发渠道：如果你的 MCP 服务器被某个基于 Agents SDK 构建的智能体接入，那么该智能体的所有用户都可能触发对你的工具的调用。这与 ChatGPT 消费端“用户不能随意指向任意服务器”的限制形成对比，也解释了为什么文章强调 MCP 服务器是“前瞻性押注”而非即时开关。

一个实例：API文档公司的转型

设想一家销售支付API的公司。他们的文档很好，但ChatGPT一直引用竞争对手。解决方案不是再做一个落地页，而是建一个MCP服务器，包含三个工具：

• search_docs(query)返回前三条文档片段及规范URL
• get_code_example(language, endpoint)返回可运行代码片段及文档URL
• get_pricing(plan)返回当前定价及来源URL

当开发者问智能体“Payments API X中如何处理幂等性”，智能体调用search_docs，获取片段并引用文档。引用不是保证的——模型仍然在选择。但工具消除了摩擦。竞争对手的文档只是一个网页，你的文档是一个函数。

代价是：构建和维护MCP服务器需要工程时间。你要处理认证、速率限制、schema变更。但成本是有限的。一个描述良好的工具可以覆盖数百个查询。

测量陷阱：不要用排名衡量MCP成功

答案引擎里没有排名。要测量引用份额：你的域名在AI回答中作为来源出现的频率。测量工具调用份额：你的MCP服务器被调用的频率与竞争对手相比如何。测量答案准确度：模型是否正确引用了你的价格。

目前没有公开基准衡量MCP服务器在ChatGPT或Perplexity回答中被引用的频率。这不是回避该渠道的理由，而是自己做监测的理由。过期的页面产生过期的工具输出，过期的输出失去引用。

引用份额（Share of Citations） 是 AI 答案引擎时代替代传统搜索排名的核心指标。在传统搜索中，排名位置决定流量分配；但在 AI 答案中，模型从多个来源组装回答，并可能只引用其中一两个。引用份额衡量的是：在针对某一组查询的 AI 回答中，你的域名作为来源被引用的频率占所有引用来源的比例。它不关心你排第几，只关心你是否出现在最终答案的归属中。与之配套的“工具调用份额”则衡量你的 MCP 服务器在同类工具中被调用的比例。这两个指标都需要主动监测——目前没有公开基准提供这类数据，因此企业需要自行搭建追踪机制，例如定期向目标 AI 系统发起查询并记录引用来源，或为 MCP 服务器添加调用日志。没有测量，就无法判断投入是否产生回报。

常见问题

Q：在AI答案引擎中排名需要MCP服务器吗？

不需要。答案引擎仍然从开放网络检索。MCP服务器是支持工具调用的智能体的额外路径。如果你的页面结构良好且可引用，没有MCP也能赢得引用。但如果竞争对手暴露了工具而你没有，你在那条路径上就是不可见的。

Q：ChatGPT使用MCP服务器吗？

ChatGPT消费端应用目前不允许用户连接任意MCP服务器。OpenAI的Agents SDK支持MCP，所以基于OpenAI构建智能体的开发者可以使用它们。实际效果是：你的服务器可以被第三方智能体调用，而不是每个ChatGPT用户。

Q：MCP服务器和API有什么区别？

API是为知道你文档的开发者构建的。MCP服务器是为不知道的模型构建的。区别在描述和输出形态。REST API返回JSON；MCP工具返回JSON加上告诉模型何时调用的描述。那个描述就是可见性层。

Q：如何让MCP服务器可被发现？

在MCP服务器目录中注册它，在llms.txt文件中记录它，从开发者文档链接到它。使用清晰的工具名称和描述。发现遵循与任何开发者工具相同的模式：让它容易找到、容易尝试。

Q：应该先测量什么？

从你的前20个问题的引用追踪开始。然后如果你的服务器是公开的，添加工具调用日志。比较前后变化。如果引用上升，加倍投入被调用的工具。如果没有，先重写描述再重写服务器。