Anthropic vs MCP

Claude 背后的模型公司，重点关注模型发布、Claude Code、安全、政策与企业能力。

Model Context Protocol 生态，覆盖服务器、客户端、spec 变更与 agent 工具连接。

METR 获得员工级内部工具访问权且 Anthropic 放弃否决发布权，只允许在客户数据、律师-客户特权和模型架构等预定义类别下要求脱敏，这使外部评估的独立性和透明度明显提升。

免费权重但要求标注"Built with Muse Spark Open"，年收入超 2000 万美元的 API 服务商需另签协议——这个商用门槛是使用该模型做产品的团队必须提前算清的成本项。

调查令超过 50 页问题清单并可能传唤第三方受害方，意味着面向美国用户的 AI 产品在事故披露、营销表述和 agent 行为审计上要开始留存可举证材料，否则可能按虚假披露面临按日累计罚款。

Rivian 已自建车载 Agent 调度框架并区分本地与云端模型，但车辆级控制权不会交给 Agent，第三方模型接入需要与各家实验室协调打通底层链路。

蒸馏收入占比 5% 到 7% 意味着第三方实验室每季度为此付出数亿美元调用成本，削减后这些依赖 Claude 输出做训练的团队将面临数据来源收紧和成本结构变化。

为使用 MCP 客户端的开发者提供从需求、设计到任务的顺序化规范创建与审批工作流，并支持 11 种语言，但仓库作者因个人原因暂时离开，更新可能延迟。

插件名称成为不可变的 slug，重命名需通过 renames 映射自动迁移，这直接影响第三方插件作者和已安装用户的升级路径。

把技能拆成按需加载的 SKILL.md 文件夹，能让智能体在上下文占用很小的情况下携带大量技能，跨产品复用的做法比硬编码提示词更适合团队维护。

把训练、推理、评测等环节的具体框架用法封装成技能文件后，使用 Claude Code 或 Cursor 的开发者可以按类别安装，让智能体在自主研究时直接调用 vLLM、TRL、Megatron-Core 等工具的生产级配置，省去反复翻官方仓库和 issue 的时间。

对做逆向的工程师来说，这等于让 Claude Code、Cursor 这类 MCP 客户端直接操作反编译结果和 IDB，但项目官方已建议改用 Hex-Rays 官方 IDA MCP Server，长期维护性要打问号。

把设计规范写成 Agent 可读的 Markdown 集中文件，是给非确定性的生成式设计加一道可控约束，使用 Figma Make 和画布 Agent 的团队对接方式会随之改变。

Codex CLI 能直接读取 Claude Code 的插件市场文件并原生安装技能，但斜杠命令不生效，需要产品经理把手动工作流改用自然语言描述来触发。

对于自托管 LibreChat 的团队，新增的 Agent 管理 API 和附加工作区让自动化管理 Agent、文件与技能成为可能，但高度实验性需谨慎部署。

对已经在用 FastAPI 的团队，这个库省掉了从 OpenAPI 手写 MCP 适配层的工作，还能直接复用自己的 Depends 鉴权，接入成本极低。

对想在命令行里跑编码代理的开发者来说，这个工具把模型选择权完全交给用户自己配置 provider 和 key，省掉了中间层。

把多个编码代理和多家模型提供商的配置、路由、密钥池、重试与日志收拢到一个本地应用，省去为每个客户端单独维护模型配置文件的麻烦。