模型上下文協議（MCP）自11月問世以來，迅速吸引了大量用戶，其發展勢頭幾乎預示著它將成為行業標準的必然之選。然而，在這波技術浪潮中，受監管行業，尤其是金融機構，卻顯得相對謹慎。

金融機構對人工智能并不陌生，許多機構在機器學習和算法領域早已先行一步，甚至在推動機器人投資理念方面發揮了引領作用。盡管如此，面對MCP和智能體到智能體（A2A）的潮流，金融服務公司并未急于跟進。

實際上，許多受監管的機構，如銀行、金融機構和醫院，雖然已經開始嘗試使用AI智能體，但這些智能體多為內部開發。盡管這些機構擁有API接口，但任何集成工作都需要經過長時間的審查，以確保合規性和安全性。

Catena Labs聯合創始人肖恩·內維爾指出，盡管AI領域發展迅速，但目前仍處于早期階段，特別是在互操作性和通信相關的標準或最佳實踐方面，還缺少一些基本構建模塊。他比喻道，在網絡早期，電子商務之所以無法興起，正是因為缺少HTTPS等安全交易方式。同樣，現在需要這些基本構建模塊到位，才能推動AI技術的進一步發展。

隨著越來越多的企業和AI平臺提供商開始開發與外部智能體交互的多智能體系統，MCP服務器的重要性日益凸顯。MCP能夠識別智能體，并允許服務器確定其可訪問的工具和數據。然而，金融機構對于控制集成并確保信息安全的擔憂仍然存在。

美國銀行子公司Elavon的高級副總裁約翰·沃爾德倫在接受采訪時表示，雖然他們正在探索使用MCP，但圍繞這一標準仍有許多問題需要解決。他指出，目前還沒有出現許多標準解決方案，因此他們仍在探索多種方法，包括在不通過MCP交換的情況下連接兩個智能體。然而，這也引發了數據交換可追溯性的問題。

金融機構對AI模型和智能體的態度也存在差異。盡管許多金融機構已經對AI模型有所了解，但當涉及到將AI模型和智能體與當前的風險場景集成時，他們發現這具有挑戰性。Salesforce銀行業解決方案和戰略副總裁兼總經理格雷格·雅各比表示，一些金融客戶已經有了評估模型的流程，但他們發現大語言模型產生的非確定性結果對這些金融服務公司來說是一個存在性危機。

雅各比進一步指出，這些公司擁有風險管理框架，期望模型在提供相同輸入時能夠產生相同的輸出。任何差異都被視為問題，因此他們需要質量控制方法。盡管受監管公司已經接受了API及其測試流程，但大多數受監管實體仍然對開放性持謹慎態度，擔心推出他們無法控制的公眾面向技術。

然而，沃爾德倫并不排除金融機構未來可能支持MCP或A2A的可能性。他認為，從商業角度和需求來看，MCP是業務邏輯發展方向的重要組成部分。他的團隊目前仍處于評估階段，但表示將探索如何處理智能體到智能體的消息交換。

內維爾也在密切關注圍繞MCP和A2A等互操作性協議的討論。他相信，未來AI智能體將像人類消費者一樣成為銀行的客戶。他指出，盡管MCP提供了智能體識別功能，但仍缺少一些關鍵功能，如通信護欄和審計跟蹤。這些問題可以通過不同的標準來解決。

內維爾特別強調了身份驗證的問題。當智能體成為金融系統的一部分時，目前還沒有真正的方法對智能體進行“了解你的客戶”（KYC）程序。金融機構需要知道他們的智能體正在與持牌實體打交道，因此智能體必須能夠可驗證地證明這一點。他強調，一種能夠讓智能體可驗證地表明其身份、風險以及所代表實體的方式將是關鍵。

隨著技術的不斷發展，金融機構對于MCP和A2A的態度可能會逐漸發生變化。然而，在目前階段，他們仍然需要更多的保證和控制來確保技術的安全性和合規性。