MCP Apps:拓展前沿——Ido Salomon 与 Liad Yosef

• Ido Salomon——MCP UI 的创建者，MCP steering committee（指导委员会）里 MCP Apps 的联合创建者兼维护者。Liad Yosef——和 Ido 一起做 MCP UI，同为 MCP Apps 规范的联合创建者和维护者，最近还联合创办了 Aura，一个专门研究 agentic web（智能体网络：不再靠浏览器、而是靠 AI 助理来消费的互联网）的研究实验室。开场自嘲：「这个演讲是我们昨天才赶出来的，所以内容可能已经过时了。」→ 详细 · Liad 自我介绍
• 定位现状一句话：MCP Apps 已经无处不在，只是你没意识到——今天你在 ChatGPT、VS Code、Slack 里用到的那些花哨 app，底层全都是 MCP + MCP Apps 规范。→ 详细

• 「文本是最自然的界面」，但要传递大量信息，文本恰恰是最糟糕的方式——谁都不想面对一整屏的文字墙。→ 详细
• 真正的杀招在下一句：这是企业不愿意做 MCP server 的头号阻力——他们不想被降级成一个纯文本数据库，不想在这个过程里丢掉品牌识别，更不想让自己辛苦打磨 UX 的数据最后只剩下一坨文字。换句话说，MCP 的生态扩张卡在了"接入等于放弃自己长什么样"这道门槛上。→ 详细
• 于是问题被反过来问：如果每个服务、每个品牌都能把自己的 UI 直接发进 chat 呢？那你一眼就能认出「中间这块是 Shopify，这块是 Hugging Face，这块是 Monday」。而且不能只是展示——还得能真的在里面跟 Hugging Face 交互，Hugging Face 那边也能真的对这个操作做出响应。这两句就是 MCP Apps 的全部立意。→ 详细

• 旧世界：你问一句，agent 去调 MCP server，最好的情况是拿回一段纯文本响应，「这显然不够好」。→ 详细
• 新做法没有发明新原语，而是复用 MCP 已有的 resource：server 注册一个带特定前缀的 resource，里面装的就是 HTML；发出的 tool call 关联到这个 resource。Ido 展示代码时反复强调「代码非常简单——就是那个装着 HTML 的 resource，齐活了」。这是这场演讲最值得记住的工程事实：能力升级发生在约定层，不在协议新增层。→ 详细
• host 侧：这个 resource 被 host 消费——「实际工程里通常是提前消费的，也就是预加载」，不是等到用时才拉。拿到 HTML 后，host 用 MCP UI SDK 渲染，而所谓 SDK 本质上就是一个 React component 或 web component，它接收两样东西：那个 resource + 一个 callback。callback 就是下面那套通信协议的实现。→ 详细
• 渲染发生在一个 sandbox（沙箱，把这段外来 HTML 关在隔离环境里跑，不让它碰宿主页面） 里——这是安全模型的落点：server 送来的是别人写的界面代码，所以它只能在沙箱里活着，且不能自己发网络请求给自家后端。→ 详细

• 以「给这首歌点收藏」为例：用户点下按钮时，app 不是直接给 Spotify 的后端发消息，而是给 host 发一条消息，大意是「嘿，用户点了个按钮，你处理一下，我建议你去调 Spotify MCP server 里的某个 tool」。→ 详细
• 注意用词是「我建议你」：app 只有建议权，「host 始终掌握着流程的控制权」，最终由 host 决定要不要真的去调那个 favorite tool。MCP Apps 标准化的就是这条链路。→ 详细
• 完整回路：点击 → 事件通过 callback 一路往上传 → 模型接到事件 → 它可以发出一个 tool call、去调一个 resource，或者做别的任何事，把整个 agentic loop 走完。所以界面上的一次点击，等价于往 agent 循环里注入了一次输入。→ 详细
• 另一种回流形态：点某一步不一定触发 tool，也可以把一条 prompt 送回模型——比如点漏斗里的某一步，就等于对模型说「给我解释一下这一步」，流程继续往前推。→ 详细

• 场景就是产品经理本人：想知道自己的漏斗（funnel，用户从进来到转化一路掉了多少人）现在什么状况。旧世界里 Claude 调 PostHog 的 server，拿回一段文字——「这段文字事实上没错，但没用」，「我得一行行读，可我不想读」。这句话是全场对现状最准确的判词：正确性不等于可用性。→ 详细
• 新世界里只要补一句「给我看看」，拿回的就是一个可交互的 widget，而且带 PostHog 品牌样式——「你其实是在 ChatGPT、Claude 这些地方里获得了 PostHog 的体验」。同一份数据，载体从"文字墙"换成"仪表盘"，理解成本从"逐行读"变成"扫一眼"。→ 详细
• 更妙的是第二层：他接着问「什么叫漏斗」——这个回答的界面不来自任何 server，是 Claude 自己用 MCP Apps 现生成的 generative UI，HTML 流式渲染出来，于是一次概念解释也变成了可交互的学习体验。同一条协议既能承载"厂商预制的界面"，也能承载"模型临时造的界面"。→ 详细

• 这是全场最有分量的一段：如果我在 Shopify 的 MCP app 里点了什么，掌控我这段旅程的就不再是 Shopify 了，而是 host。以后没有哪个应用还能控制用户旅程——「Amazon 没法再看到我的完整路径，所有东西都要经过 chat，因此是可审计的」。对平台方是失控，对用户是第一次把动线握回自己手里。→ 详细
• MCP Apps 把这件事写成了规范：定义了 app 对用户旅程的三个层级的控制权——最轻的一级，app 只是通知 chat「发生了某件事」；中间一级，app 建议 chat 去调某个 tool（就是上面 Spotify 收藏的那条）；最重的一级，app 直接请求 chat 去跑一条 prompt，把责任全部交出去。权限从"告知"到"建议"到"移交"，是一条清晰的信任阶梯。→ 详细
• 讲者对时间线的判断：「2025 年我们用了一整年把 MCP UI 标准化，而 2026 年将会是它成为全球 UI 标准的一年。」→ 详细

• 反例先讲清楚：为了安排一个纪念日，以前你得在浏览器里开 20 个标签页，挨个向 Google Calendar、Amazon、Booking、Booking 再一次、Amazon 再一次表达意图。而「那些界面上 99% 的东西我根本用不着，因为这些 UI 不认识我，它没有关于我的 context」——传统 UI 是给所有人做的最大公约数，所以对具体某个人几乎全是冗余。→ 详细
• 那就把 UI 拆成原子，由掌握你 context 的私人助理来组合。助理主动说「我看到你有个纪念日快到了」，然后不是把 Google Calendar 的数据念给你听，而是直接渲染出一块 Google Calendar 的界面。→ 详细
• 他专门算了三方账，这是这套东西能推得动的原因：对用户好——我认识 Google Calendar，我信任它；对 Google 好——品牌和识别度保住了；对 host 好——这些能力它不用自己再开发一遍。任何一方吃亏，标准都推不动。→ 详细
• 结论：「网站会碎成一块块小的 UI 片段，长在个人助理里面」，你整个流程都不用离开助理就能走完，助理甚至知道该去 booking.com 把那张地图拉过来——「这些我不需要自己操心」。→ 详细

• 一年前最早支持 MCP UI 的：ElevenLabs、Shopify、Postman、Goose。花絮——演讲当天 Block 就发布了基于 MCP Apps 的 agentic commerce（智能体电商）方案，而 Goose 这个当年第一个支持 MCP UI 的 client，如今已是 Block 产品的一部分。→ 详细
• 今天的支持面：Cursor、Copilot、GitHub、ChatGPT、Postman、Claude。最关键一条事实——你知道的 ChatGPT Apps 就是基于 MCP Apps 做的，OpenAI 官方推荐用它来做 ChatGPT Apps。→ 详细
• 时间线：MCP UI 是 Ido 去年 5 月做的开放协议（既规定 UI 怎么传，也规定应用怎么跟 host 通信）；几个月前与 Anthropic、OpenAI 一起做成 MCP 官方扩展 MCP Apps，上线当天 Claude 和 VS Code 就支持了。→ 详细

• 官方 SDK 与规范都托管在官方 model context protocol 仓库下的 MCP Apps repo，开放提 PR、挂着 issue 招贡献；MCP 委员会下另有一个每三周开一次会的开放工作组（Anthropic、OpenAI 和所有合作方都在内），明确目标是「让这份规范不只服务大厂的 app，也服务社区」。社区已长出插件、各种 agent 的集成，甚至有人开了做 MCP Apps 的课。→ 详细
• 一条很实际的建议：官方 SDK 由规范维护者本人直接维护，规范一改就立刻反映到 SDK，"新东西自动到手"——自己包一层就等于自己扛升级成本。→ 详细
• 补充背景（非演讲内容）：2026-07-28 版 MCP 规范已把 Apps 与 Tasks 正式列为官方扩展，讲者说的"官方扩展"到这一版才落地成规范条文。

• 被问得最多的下一步是可复用的 view。痛点很具体：像 Autodesk 这种 app 很重，整个 3D 渲染都塞在里面，「他们不想每次都把那个东西重新渲染一遍，因为又慢又低效」。→ 详细
• MVP 阶段只能每次重渲染，正在琢磨的解法是：让 server 传一个标识符过来，让模型能一直更新同一个 view——相当于给界面加上"身份"，从一次性快照升级成有状态的长驻组件。→ 详细

• 前面讲的都是"用户在 app 里做事，app 跟 host 说话"。反方向呢？如果用户说「帮我把这个表单填了」，chat 要能替用户去操作那块界面。→ 详细
• 参照物是 WebMCP（Google 那套关于 agent 怎么跟 web view 交互的标准），MCP Apps 把同一件事标准化成 app tools / view tools，「现在已经写进规范了，很快就会正式发布」。至此双向都通：界面能喂给 agent，agent 也能操作界面。→ 详细

• 他画了一条谱系：一端是预定义 UI（就是 MCP Apps 本身，像个黑盒 iframe——网页里嵌的独立小窗口，Autodesk 的界面就在里面渲染）；中间是声明式 UI（JSON render、A2UI 这类，app 只返回"UI 该怎么搭"的说明，真正搭出来的是 chat）；另一端是完全生成式 UI。→ 详细
• 关键取舍：MCP Apps 对"UI 是怎么生成出来的"不关心、不绑定，只管传输和通信——所以 Claude 里那个说一句就出界面的 Imagine，背后就是一个 MCP app。→ 详细
• 互操作已有文档：几天前发布了 A2UI 与 MCP Apps 的互操作指南——同一个 server 可以写一份 A2UI 发给 Gemini，同时包成 MCP app 发给 ChatGPT，反过来也一样。「写一次到处跑」是实的：同一套代码库既跑在开源客户端 LibreChat 上，也跑在 ChatGPT 里。→ 详细

• 「这不只是一项技术，也不只是一个很酷的功能，这是一种全新的应用分发方式。」→ 详细
• 三个数字，一个都别丢：ChatGPT 一家 8 亿周活用户 = 全球人口的 10%；整个 web 花了约 13 年才到这个用户量级；最近几个月的增长已经超过 10 亿——「光这一点，就相当于 Apple App Store 刚上线时可触达市场的 170 倍」。→ 详细

这是 18 分钟的大会演讲，没有 lightning round，收尾是三句话加一次号召。

• 怎么上手：直接把示例 clone 下来，去官方 model context protocol 仓库底下的 MCP Apps repo；如果你是做 host（客户端）的，同样去这个 repo，或者看 MCP 官网。现场给了二维码。→ 详细
• 参与方式：「欢迎大家去官方仓库看看」「去那个 repo 就能参与进来」——规范还在演进，「你还有很多时间、很大的空间去影响这个未来长成什么样」。→ 详细
• 收尾金句：「所以，拥抱这个新的 web 吧，它真的很棒。有了 MCP Apps，你只要写一次，就能到处跑。未来一片光明——虽然还没到贾维斯（Jarvis，钢铁侠那个全能助理）那种程度，但有了 MCP 和 MCP Apps，我们已经很接近了。」→ 详细

演讲没有留个人社交账号，只给了三个入口：

• MCP Apps 官方仓库（SDK + 规范）：在官方 model context protocol 仓库底下；现场投过二维码。→ 详细
• MCP 官网（做 host 的从这里入）。→ 详细
• MCP 委员会下的 MCP Apps 工作组：开放参与，每三周开一次会。另：Liad Yosef 新创办的研究实验室叫 Aura（研究 agentic web）。两人现场说「散场之后欢迎来找我们聊」。→ 详细