尽管模型上下文协议(MCP)自去年11月推出以来已积累大量用户，有望成为行业标准，但金融等受监管行业仍对其保持谨慎态度。这些行业在采用新技术前需要确保完全合规，而当前MCP在关键认证和审计功能上仍存在不足。
受监管行业的特殊考量
金融机构并非AI领域的后来者。许多银行早在机器人顾问时代就率先采用机器学习算法，推动了自动化投资理念的普及。然而，这并不意味着它们会立即拥抱MCP和代理间通信(A2A)技术。银行、医疗机构等受监管企业虽然已开始尝试AI代理，但主要限于内部使用。
Elavon公司高级副总裁John Waldron表示：”目前还没有太多标准化解决方案出现，我们仍在探索多种实现方式。如果两个代理技术相同但领域不同，我们甚至可能考虑不通过MCP交换来实现连接。但关键问题是：在没有额外信息暴露的情况下，如何确保数据交换的可追溯性？”
模型与代理的根本差异
金融机构对AI模型并不陌生，但将大型语言模型(LLM)和AI代理整合到现有风控体系中却面临挑战。Salesforce银行解决方案副总裁Greg Jacobi指出：”机器学习和预测模型因其确定性和可预测性，能够很好地适应风控框架。但当这些公司把LLM提交给模型风险委员会时，发现LLM产生的是非确定性结果，这对金融服务公司造成了生存危机。”
这些机构的风控框架要求模型在相同输入下必须产生相同输出，任何偏差都被视为问题。虽然受监管企业已广泛采用API，但大多数实体”对开放性感到担忧，害怕推出无法控制的公开接口”。
KYC认证的核心障碍
Catena Labs联合创始人Sean Neville认为，当前MCP最大的问题在于认证机制。当AI代理成为金融系统的一部分时，MCP或A2A都无法真正实现”了解你的客户”(KYC)认证。金融机构需要确认其代理是与持牌实体交互，因此代理必须能够提供可验证的身份信息。
Neville表示：”需要有一种方式让代理能够声明’这是我的身份、风险状况以及我所代表的实体’。这种所有不同代理框架都能理解的可验证身份将是关键。”MCP虽然是开源的，但仍处于持续更新阶段，目前缺乏通信护栏和审计追踪等关键功能。
未来发展方向
尽管存在挑战，业内人士仍看好MCP的发展前景。Waldron表示：”从业务角度和需求来看，我认为MCP是业务逻辑发展的关键部分。”他的团队正处于评估阶段，计划探索如何处理代理间的消息交换。
这些问题可能通过MCP、A2A或LOKA等全新标准来解决。随着技术完善和标准确立，受监管行业有望逐步接受开放式代理交换，前提是必须解决身份验证、风险控制和合规审计等核心问题。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/jian-guan-hang-ye-dui-kai-fang-shi-ai-dai-li-jiao-huan-chi
