企业中的 MCP：Block 的真实世界采用
在 Block，我们一直在探索如何让 AI 智能体在商业环境中真正有用。不只是用于演示或原型，而是用于真实的日常工作。 作为 Model Context Protocol（MCP） 的早期合作者之一，我们与 Anthropic 合作，帮助塑造和定义这项开放标准，它把 AI 智能体与真实世界的工具和数据连接起来。
MCP 让 AI 智能体通过一个共同接口与 API、工具和数据系统交互。它通过暴露确定性的工具定义来消除猜测，这样智能体不必猜测如何调用 API。 相反，它专注于我们真正想要的……结果！
当其他人还在试验时，我们已经在 Block 全公司推出了它，并且有真实的影响。
我们为什么在 Block 选择 MCP
我们不想构建一次性集成，或把 AI 硬接到某个特定供应商生态。 像大多数企业公司一样，我们的需求跨越工程、设计、安全、合规、客户支持、销售等等。 我们想要灵活性。
MCP 给我们这个。 它与模型无关，也与工具无关，允许我们的 AI 智能体与内部 API、开源工具，甚至现成的 SaaS 产品交互，全部通过同一套协议。
它也与我们的安全理念很契合。 MCP 允许我们定义哪些模型可以调用哪些工具，并让我们把工具标注为「只读」或「破坏性」，以便在必要时要求用户确认。
我们如何配置和保护 MCP
我们开发了 goose，一个开源、兼容 MCP 的 AI 智能体。数千名 Block 员工每天使用这个工具。 作为 CLI 和桌面应用都可用，goose 默认可以访问一组经过策划、已批准的 MCP 服务器。 大多数员工报告在常见任务上节省 50–75% 的时间，还有几个人分享，曾经要花几天的工作现在几个小时就能完成。
为了确保安全可靠的体验，内部使用的所有 MCP 服务器都由我们自己的工程师编写。 这让我们能把每个集成定制到我们的系统和用例，从开发工具到合规工作流。
我们使用最广的一些 MCP 包括：
- Snowflake，用于查询内部数据
- GitHub 和 Jira，用于软件开发工作流
- Slack 和 Google Drive，用于信息收集和任务协调
- 内部 API，用于合规检查和支持分诊等专门用例
除了工具访问，goose 还依赖大语言模型（LLM）来解释提示并规划行动。 我们使用 Databricks 作为 LLM 托管平台，使 goose 能通过安全、由企业托管的端点与 Claude 和 OpenAI 模型交互。 我们与模型提供商建立了包含数据使用保护的公司协议，并按照内部政策，限制 goose 被用于某些类别的敏感数据。
对于服务级授权，我们使用 OAuth 安全地分发令牌。 goose 被预先配置为与常用服务认证，令牌使用原生系统钥匙串安全存储。 目前，OAuth 流程直接在本地运行的 MCP 服务器内实现，这是一个实用但临时的方案。 我们正在积极探索未来更可扩展、更解耦的模式。
此外，一些服务器强制 LLM 允许列表，或限制工具输出在系统之间共享，以进一步降低数据暴露风险。
有真实影响的真实故事
goose 已经成为 Block 各团队的日常工具。 MCP 服务器作为灵活的连接器，员工以越来越有创意、越来越实用的方式使用自动化，以去掉瓶颈并专注于更高价值的工作。
我们的工程师使用由 MCP 驱动的工具来迁移遗留代码库、重构并简化复杂逻辑、生成单元测试、简化依赖升级，并加快分诊工作流。 goose 帮助开发者在不熟悉的系统中工作，减少重复的编码任务，并比传统方法更快地交付改进。
数据和运营团队使用 goose 查询内部系统、总结大型数据集、自动化报告，并从多个来源浮现相关上下文。 在很多情况下，这减少了对手动拉数据或与专家漫长来回的依赖，让洞察对每个人都更容易获得。
与此同时，设计、产品、支持和风险团队以去掉日常工作开销的方式使用 goose。 无论是生成文档、分诊工单，还是创建原型，基于 MCP 的工作流证明在工程之外也能适应。
这一转变正在帮助消除拖慢我们的机械工作。 随着更多团队试验，他们发现与 goose 协作的新方式，并重塑事情如何完成。
到目前为止我们学到了什么
在全公司推出 MCP 工具需要的不只是技术设置。我们投入了：
- 预装的智能体访问和默认服务器包
- 来自内部开发者关系团队的每周教育课程
- 内部沟通渠道，用来寻求帮助，以及分享和庆祝胜利
我们的一些收获：
- 我们让开始变得越容易——预装 goose、打包 MCP、自动配置模型——采用就越快起飞
- 人们一旦看到什么是可能的，就会更有创意，尤其是当他们能改编或在别人已经做过的基础上构建时
- 集中的上手和提示分享节省时间，并帮助扩展最佳实践
接下来
我们继续把用例扩展到传统工程团队之外。MCP 正在帮助打通营销、销售和支持工作流，而我们才刚刚开始。
我们也在投入：
- 基于上下文的更安全默认值和工具限制
- 用于更高风险操作的人在回路功能
- 鼓励来自全公司的开源 MCP 贡献
想了解更多？
如果你对 goose 或 MCP 好奇，查看 goose 文档或 MCP 规范。 我们很想听听其他人如何在规模上处理 AI 自动化。
