Copilot 不再只会打字：MCP Apps 正在把 VS Code 变成“可交互 AI 操作系统”

大多数人以为，AI 编程助手的天花板就是“更会写代码”。但在这场 GitHub 的分享里，Microsoft 和 GitHub 直接掀桌子：未来的 Copilot，不是多聪明，而是能不能在聊天里直接跑 UI、画火焰图、让你点着用。这正是 MCP Apps 想解决的事。

真正反直觉的一点：问题不在模型，而在“界面”

这场分享一开始就戳中了一个很多 AI 从业者都默认忽略的问题：为什么 LLM 明明这么强，我们却还在用“纯文本”跟它交互？

Marlene Mhangami 提了一个很真实的场景：早期用 MCP（Model Context Protocol）时，模型返回的几乎只能是文本。于是你会在 GitHub README 里看到满屏 ASCII art、emoji 拼出来的“架构图”。不是工程师审美突然变差，而是——工具给不了更好的表达方式。

这其实是 MCP 早期的硬伤：协议解决了“上下文怎么喂给模型”，却没解决“模型的结果该怎么被人用”。当你让 LLM 画一个系统架构、解释调用链、分析性能瓶颈，结果却只是一大段文字时，信息密度瞬间崩塌。

这也是为什么这次分享最重要的一句话不是“我们发布了新功能”，而是那个反直觉的判断：AI 工具的下一次跃迁，很可能不是模型能力，而是 UI 能力。

一句话讲清 MCP：它不是模型，是“上下文高速公路”

在进入 MCP Apps 之前，Liam 和 Marlene 花了一点时间快速对齐概念，这里有必要帮你压缩成“工程师能用”的版本。

MCP 是 Anthropic 发起的一个开放协议，核心目标只有一个：标准化“应用如何把上下文提供给 LLM”。注意，它不是模型，也不是 Agent 框架，而是一套连接规则。

在 VS Code 的世界里，MCP 主要由三层组成：
- Host（宿主）：比如 VS Code，本身并不提供能力，但负责把结果展示给用户。
- Client（客户端）：在 VS Code 场景下，通常就是 GitHub Copilot，负责和 MCP Server 建立一对一连接。
- Server（服务器）：真正干活的轻量程序，暴露工具、资源、Prompt，让 LLM 能“用得上现实世界的数据”。

关键点在于：MCP 把“模型会不会”与“系统能不能接”彻底拆开了。 这也是它能被 Shopify、Figma、Excalidraw 这种产品团队快速采用的原因——你不需要等模型升级，就能先升级体验。

MCP Apps：第一次让 LLM 的“输出”变成 UI

真正让现场气氛发生变化的，是 MCP Apps 的出现。

MCP Apps 做了一件非常“工程化”的事：允许 MCP Server 返回的不是文本，而是一个可交互的 UI 组件。这个组件以 HTML 资源的形式存在，由 VS Code 拉取后，渲染在一个 sandboxed iframe 里。

调用链路其实并不复杂，但意义巨大：
1. 用户在 Copilot Chat 里提问，比如“给我看性能分析”。
2. Agent 决定调用某个 MCP Server 的工具。
3. Server 执行分析后，不是返回一段解释，而是返回一个 UI resource reference。
4. VS Code 加载这个 HTML，在聊天窗口里直接渲染成图表、表单或画布。
5. 用户在 UI 里的操作，还可以反向再调用 Server，形成实时交互。

Marlene 用 Excalidraw 举了一个极具说服力的例子：同样是“解释 MCP 是什么”，以前是 emoji + 文本，现在是一张可以拖动、缩放、编辑的结构图。信息理解效率，几乎不是一个量级。

这也是 MCP Apps 的本质价值：它让 LLM 的结果，从“可读”升级为“可用”。

为什么 Shopify、Figma 已经上车？因为这是留住用户的武器

分享里点名了几家已经在用 MCP Apps 的公司，这背后其实有一个很清晰的商业逻辑。

以 Shopify 为例，Marlene 提到一个场景：如果用户在聊天里就能完成商品浏览、配置、甚至下单，为什么还要把人赶出对话界面？ MCP Apps 让“在 Chat 里完成一整件事”第一次变得现实。

Figma 和 Excalidraw 则代表了另一条路线：复杂信息的可视化。当设计稿、流程图、架构图都能作为 Chat 的“原生输出”，Copilot 不再只是助手，而是一个“交互入口”。

这也解释了为什么 VS Code 如此适合做 MCP Host：它本身就是一个高度可扩展的 UI 容器，而 Copilot 则成了统一的交互中枢。Liam 在现场展示的性能分析和火焰图 demo，本质上已经是在告诉大家：IDE 正在变成 AI App 的操作系统。

一个清晰的趋势：Agent 之后，拼的是“体验工程”

如果你把这场分享放到更大的 AI 叙事里，会发现一个非常明确的信号：

模型 → Agent → 交互形态。

当大家都能调用同样强的模型、搭出差不多的 Agent，真正拉开差距的，就变成了：
- 结果是不是一眼就懂？
- 用户需不需要复制粘贴？
- 能不能在一个界面里完成闭环？

MCP Apps 并不炫技，它解决的是一个长期被忽略、但极其“产品向”的问题。也难怪 GitHub 会选择把它深度集成进 Copilot 和 VS Code——这是他们最擅长的战场。

总结

如果你是开发者，这场分享至少给你三个明确的 takeaway：第一，别再只盯着模型能力，UI 正在成为 AI 应用的分水岭；第二，MCP 的价值不在“又一个协议”，而在它把上下文、工具和体验解耦；第三，如果你在做 Agent 或内部 AI 工具，MCP Apps 提供了一条低成本但高上限的交互升级路径。

可以预判的是：下一代 Copilot 类产品，比的不是“回答多聪明”，而是“能不能让你少想一步、少点一次”。当聊天窗口开始长出真正的应用形态，AI 才算真的走进了工作流。

关键词： MCP， MCP Apps， GitHub Copilot， VS Code， AI Agent

事实核查备注： 1. MCP 由 Anthropic 发起并作为开放协议发布的时间与表述；2. Shopify、Figma、Excalidraw 使用 MCP Apps 的具体范围；3. MCP Apps 在 VS Code 中通过 sandboxed iframe 渲染 UI 的实现细节；4. 演讲者姓名（Marlene Mhangami、Liam Hampton）及其职位归属；5. 视频发布时间与链接准确性