谷歌DeepMind的Philipp Schmid分享了Model Context Protocol（MCP）团队公开的6-12个月路线图。重点方向包括：支持带流式传输、服务器推送与中途调控的长运行工作负载；让本地服务器也统一使用 HTTP 协议（覆盖标准输入输出）；针对大型工具 / 技能目录的渐进式发现；为智能体提供标准化身份与委托权限机制；以及自动生成并严格依据规范校验的软件开发工具包（SDK）。这些进展进一步夯实了智能体协议的基础设施。

MCP从最初解决“让大模型安全、标准化地调用外部工具与数据”的问题，已经快速进化成Agent生态的核心协议层。这次公开路线图的意义远不止“功能列表更新”，它直接回应了当前智能体落地中最痛的几个瓶颈。

首先，长运行工作负载 + 流式输出 + 中途调控，是从 “工具调用” 迈向 “真正自主智能体” 的关键跨越。现实当中许多任务（复杂调研、迭代式代码生成、多步骤业务流程）无法通过单次请求‑响应完成，服务器需要主动推送进度与中间结果，客户端也能够在过程中进行干预。过去依靠客户端轮询的方式不仅效率低下，稳定性也差，如今协议层面提供原生支持，代表智能体可以更加稳定地执行长耗时任务，而不是频繁出现超时或者状态丢失的问题。

其次，本地与远程统一采用 HTTP 协议，再加上渐进式发现机制，都是工程实用主义的成果。开发者无需再针对本地标准输入输出和远程服务维护两套理解逻辑，大规模的技能或工具目录也不用一次性全部加载到上下文当中（既消耗词元，还会破坏缓存）。渐进式发现使得 “技能市场” 真正具备可扩展性，这与我们当下所见的 Skills、工具注册表的发展趋势高度契合。

最值得关注的是标准身份与委托权限。智能体不再只是“用户代理”，它本身需要可审计的身份，以及细粒度的权限委托（父智能体给子智能体、用户给智能体）。这直接指向企业级安全与合规，没有这一层，MCP很难真正进入生产环境。生成式SDK + 规范校验则大幅降低了实现门槛和兼容性风险，生态会更快繁荣。