从实验性 AI 原型向现实世界中集成系统的转变，正暴露企业数据基础设施中一个关键缺口：上下文。随着企业致力于部署能够自主且智能行动的 AI 代理，他们发现仅凭原始数据和快速计算能力并不足够。

缺失的是让这些系统能够持续感知用户、任务、所用工具以及背后数据的能力。这就是 MCP(模型上下文协议)开始崭露头角的地方。

这一转变在数据库领域尤为明显。数据库不再仅仅是数据的存储场所，正逐渐成为 AI 理解其工作环境的关键组成部分。借助MCP支持，数据库可帮助AI代理以更连贯的方式访问并处理信息，减少猜测成分。

MCP由Anthropic于2024年底首次提出，它为AI模型与外部工具及数据源建立连接并保持相关上下文提供了标准化方式。

本质上，MCP旨在为模型赋予记忆能力。不仅记住最后一条消息，还保留相关上下文，例如用户所在的应用程序、正在处理的数据类型以及试图完成的任务。这样，模型无需每次提示都从头开始，而是可以基于已有信息启动。

甲骨文是最新加入这一趋势的公司之一。在其2025年7月的更新中，该公司在其数据库平台中引入了对MCP的支持。这使得AI代理能够直接从数据库中提取结构化上下文，包括模式、安全设置、最近的查询以及不同团队如何使用系统等信息。

“模型上下文协议正成为大型语言模型(LLM)驱动的代理与外部工具之间结构化通信的关键标准，”甲骨文公司高级软件工程师Supreeth Bare写道。“通过提供统一的上下文传递方式，MCP为构建智能、上下文感知型应用程序开辟了新的可能性。其标准化方法尤其适用于需要跨多个工具和数据源工作的代理。”

“在甲骨文的生成式人工智能平台中，MCP使代理能够以更高的自主性和精准度检索、理解并处理信息。”

Snowflake是积极探索MCP的领先企业之一。该公司已开源工具，允许开发者部署与Cortex服务连接的MCP服务器，使代理能在Snowflake环境内检索数据、运行分析或总结文档。这标志着AI代理与结构化及非结构化数据交互方式的标准化进程，无需依赖脆弱的集成方案。

Cortex Agents是这些努力的关键。这些代理可以处理多个查询，跨工具协调并逐步优化结果。借助 MCP 作为桥梁，Snowflake 使团队能够更轻松地使用现有数据测试多步骤 AI 工作流。虽然仍处于早期阶段，但这表明数据库平台正开始为需要更多权限(而不仅仅是读取权限)的代理腾出空间;它们需要参与实际任务。

DataStax 正在通过另一条路径进入 MCP 生态系统，强调 NoSQL 数据库如何融入Agentic AI 的未来。通过与 Claude 的合作以及 Cursor 等工具，该公司为开发者提供了使用自然语言与 Astra DB 互动的方式。用户无需编写查询或拼接 API，只需向代理提出请求，如创建表、填充数据或清理数据，代理便能自动执行相应操作。

MCP 为 Astra DB 提供了一种以模型可理解和推理的方式表达其功能的方法。这意味着代理不仅在检索数据，还在利用数据库作为更广泛任务的一部分来做出决策，而不仅仅是作为数据源。对于一家以实时、分布式系统为根基的公司而言，这是一种悄然但意义重大的转变，旨在将这些系统融入智能、自主的工作流程中。

尽管 Oracle、Snowflake 和 DataStax 等公司正在将其商业产品中集成 MCP，但 PostgreSQL 社区采取了自下而上的方式。目前尚无官方支持，但开发者已开始探索将 Postgres 集成到代理工作流中的方法。从 GitHub 项目到论坛讨论，社区正在构建轻量级适配器，使 AI 模型能够通过 MCP 标准与 Postgres 进行交互。

同样，向量数据库如Pinecone目前尚未正式成为MCP生态系统的一部分，但它们正围绕其边缘展开探索。这些专业数据库旨在帮助AI模型高效检索相关信息，通常在后台提供内存和搜索功能。

这一使命与MCP帮助代理更智能地理解和与外部工具交互的目标高度契合。如果MCP继续取得进展，向量数据库可能从被动的数据提取工具转变为代理工作流中的积极贡献者。