核心要点
- MCP 正在逐渐成为连接 AI 助手与企业系统的标准协议。
- MCP 支持 AI 在遵守组织权限的前提下访问实时业务信息。
- 将 AI 助手连接到学习平台，可以提供更为个性化、更具对话性的职场学习体验。
- 支持 MCP 的学习平台能够更好地融入不断发展的企业 AI 生态系统。
- 借助 goFLUENT（古浮兰）的 MCP 连接器，企业可以将个性化的语言学习体验集成到 AI 赋能的工作流程之中，让学习直接融入工作流程。
什么是模型上下文协议 (MCP)？
模型上下文协议 (MCP) 最初是由 Anthropic 推出的一项开放标准，旨在让 AI 助手以安全的方式连接到企业系统、应用和数据源。该协议支持 AI 工具访问经过批准的业务信息和工作流程，从而打造更加个性化且具备上下文感知能力的 AI 体验。企业无需针对每个 AI 平台构建自定义集成，而是使用 MCP，以标准化方式支持 AI 助手（如 ChatGPT、Claude 和 Microsoft Copilot）检索经过授权的信息并执行任务。
MCP 在 AI 助手与企业系统之间创建了一个标准化连接层，使 AI 助手能够访问经过授权的工具、数据和工作流程。
MCP 在 AI 助手与企业系统之间创建了一个标准化连接层，使 AI 助手能够访问经过授权的工具、数据和工作流程。
对于职场学习服务提供商而言，MCP 创造了一个机会，使它们能够将个性化学习体验直接嵌入员工日常工作流程，让学习变得更具相关性、更贴合情境、更易于获取。
为什么 AI 需要上下文信息
大型语言模型不会自动获取企业的私有知识，例如员工学习记录、公司术语、内部文档或业务系统等。如果缺乏这类上下文，AI 的回答可能会不完整或过于笼统。
随着 AI 应用加速普及，安全访问企业知识的重要性正日益凸显。微软发布的《2024 年工作趋势指数报告》显示，75% 的知识型员工已经在工作中使用 AI；而麦肯锡报告则指出，生成式 AI 在各业务职能领域的应用范围仍在持续扩大。
MCP 能够支持 AI 助手从企业系统中检索实时的、基于权限的信息，从而应对这一挑战。AI 不再只依赖训练数据，而是能够提供反映企业当前知识、政策和工作流程的回答。
“职场学习的最新发展方向，就是能够在恰当的时机，直接从员工的工作流程中提供要学的知识。MCP 这类技术可协助企业将 AI 助手与个性化学习体验连接起来，使学习与发展变得更可持续、更贴合需求、更容易获取”，goFLUENT CEO Christophe Ferrandou 表示。
MCP 安全性与企业治理
企业能否采用 AI，很大程度上取决于能否安全地访问业务数据。MCP 支持基于权限的访问，这有助于企业控制 AI 助手与企业系统的连接方式，从而支持 AI 以安全方式访问已获批的工具、信息和工作流程。
对于职场学习而言，在相应权限和企业安全、隐私机制支持下，AI 可利用相关员工数据提供个性化学习内容推荐。
MCP 如何改进职场学习体验
员工越来越希望能够在工作流程中完成学习，而不是通过独立的培训平台进行学习。通过 MCP，AI 助手能够直接连接职场学习系统，提供更具对话性、更为个性化的学习体验。
例如，一位员工正在准备西班牙语销售演示，他可以询问 AI 助手自己应该学习哪些内容。通过 MCP 连接，AI 助手能够评估员工语言能力、推荐相关课程、获取学习进度，并可针对即将进行的会议，为其推荐与具体业务密切相关的词汇。
通过将企业上下文信息与个性化推荐结合起来，AI 便能支持将学习融入日常工作流程，并根据实际需求提供持续的学习支持。
goFLUENT 如何使用 MCP 连接器
随着组织在企业内部全面采用 AI 技术，学习平台需要以标准化的方式融入到这些 AI 生态系统之中。MCP 无需依赖自定义集成，而是支持 AI 助手通过标准化接口以安全方式发现学习服务并与之交互。
goFLUENT 的 MCP 连接器可将个性化的语言学习融入 AI 赋能的工作流程。AI 助手能够根据语言能力推荐合适课程、获取学习进度、提供特定业务词汇、帮助员工准备会议或演示，并为持续的语言能力发展提供支持，而且用户无需离开正在使用的应用就可以完成这些任务。
这种方式进一步拓展了现有学习平台的使用场景，员工无论处于何种工作场景，都能随时获取语言学习支持，获得更具互动性的学习体验。
企业 AI 的未来
企业 AI 的未来不仅依赖于功能日益强大的语言模型，还取决于它们能否安全地访问企业知识和业务应用。除了 API 和检索增强生成 (RAG) 技术之外，MCP 也逐渐成为一项基础技术，用于构建相互关联且具备上下文感知能力的 AI 体验。
MCP、API 与 RAG 的区别
| 技术 | 在企业 AI 中的作用 |
| APIs | 连接应用并交换数据 |
| RAG | 检索相关信息以改进 AI 回答 |
| MCP | 为 AI 助手访问工具、系统和数据提供标准化方式 |
对于职场学习而言，这意味着企业培训将从固定的课程目录逐步转变为 AI 赋能的学习指导，并能根据每位员工的岗位职责、学习目标和沟通需求调整学习内容。如果企业能为这一 AI 生态系统准备好学习平台，就能更好地提供个性化、规模化且贴合实际需求的学习体验。
常见问题解答
什么是模型上下文协议 (MCP)？
模型上下文协议 (Model Context Protocol，简称 MCP) 是一项开放标准，能够支持 AI 助手通过标准化接口以安全方式连接到企业系统、应用和业务数据。通过向 AI 提供相关业务上下文，MCP 有助于 AI 结合相关业务上下文生成更具针对性的回答，同时兼顾企业安全和治理要求。
MCP 如何改善企业语言学习体验？
MCP 能够根据员工的岗位职责、语言能力、工作流程和沟通需求，为其提供个性化的语言学习体验。企业培训可以减少对单一通用课程的依赖，并结合具体工作情境提供学习支持，为员工提供相应的学习辅导、业务词汇、会议准备方案和沟通支持。
MCP 与 API 和检索增强生成 (RAG) 有何不同？
API 支持在应用之间交换数据，RAG 可帮助 AI 在生成回答之前检索相关文档。MCP 可与这两种技术形成互补，它提供了一种标准化方式，使 AI 助手能够安全地与多个企业系统、工具和上下文数据源进行交互。
MCP 能否为全球员工提供个性化的语言学习体验？
可以。MCP 支持 AI 系统根据员工的岗位职责、沟通场景、学习进度和业务优先事项调整学习建议，协助跨国企业大规模提供持续且贴合需求的语言能力发展项目。
在企业语言学习中使用 MCP 能获得哪些业务收益？
通过将 AI 赋能的语言学习支持嵌入日常工作流程，MCP 可帮助企业为全球员工提供更贴合工作场景的语言学习支持，并促进学习与业务需求之间的衔接。同时支持更便捷、更个性化的学习方式，并帮助学习内容更好地结合业务目标。
什么是 MCP 连接器？
MCP 连接器支持各类企业应用通过模型上下文协议 (MCP) 公开其数据和能力，让 AI 助手能够以安全且标准化的方式访问这些内容。
