第二次 API 开放浪潮：从封闭回退到重新敞开

十年前，开发者随手就能调 Twitter、Facebook、Google Maps 的开放 API 拼出一个产品。后来那扇门一扇扇关上了——Twitter 收紧接口限额、Google 关掉 Reader 和一堆免费服务、Facebook 拿隐私当理由砍掉大量端点。开放 API 的黄金时代看起来结束了。

现在门又开了。但推门的力量变了——不是"社交驱动的 mashup 文化"，而是 AI。

第一波：社交驱动的开放

2007–2012 年是第一次 API 开放浪潮的巅峰。Flickr、Twitter、Facebook、Google Maps 都提供免费或低价的开放接口，开发者靠拼搭几个 API 就能做出一个完整应用。那波浪潮的核心逻辑是：平台需要开发者帮它填充内容、扩大生态。开放 API 是获客手段。

但商业模式站稳之后，平台就不需要"免费劳动力"了。Twitter 2012 年开始限制第三方客户端，2018 年大幅收紧 API 定价；Facebook 在 Cambridge Analytica 事件后关掉了大量数据接口；Google 一年关掉好几个免费 API。开放变成了风险，封闭变成了理性选择。

第二波：AI 需要管道

这一次的逻辑完全不同。AI 模型——尤其是 Agent——需要实时、结构化的外部数据才能发挥作用。模型本身是封闭的，但它要连接外部世界，就必须有 API 作为管道。

于是我们看到了：

• MCP（Model Context Protocol）：Anthropic 推出的开放协议，让 LLM 通过标准化方式调用外部工具和数据源。已经有几十个 MCP Server 实现，覆盖 GitHub、Slack、数据库、文件系统等。
• OpenAI 的 Actions / Function Calling：GPT 模型可以通过 function calling 调用外部 API，开发者只需要描述接口 schema。
• Google 的 A2A（Agent-to-Agent）协议：让不同 Agent 之间互相发现和调用。
• 各家公司重新开放 API：Notion、Linear、飞书、Slack 都在强化 API 能力，因为它们意识到——如果不让 AI Agent 接进来，产品就会被绕过。

第一波是"平台需要你"，第二波是"你需要平台，但平台也需要你帮它接入 AI 生态"。权力关系变了。

实际动手：用 MCP Server 把 API 接给 AI

下面是一个最小可运行的 MCP Server 示例，把一个简单的 REST API 包装成 AI Agent 可调用的工具。假设你有一个内部服务返回服务器状态，你想让 Claude 或其他 LLM 直接查询它。

先安装依赖：

pip install mcp fastmcp httpx

然后写一个 MCP Server：

# server_status_mcp.py
from fastmcp import FastMCP
import httpx

mcp = FastMCP("server-status")

@mcp.tool()
async def get_server_status(hostname: str) -> str:
    """查询指定服务器的运行状态。

    Args:
        hostname: 服务器主机名，如 'web-prod-01'
    """
    # 替换成你自己的内部 API 地址
    api_url = f"http://internal-monitor.local/api/status/{hostname}"
    try:
        resp = await httpx.AsyncClient().get(api_url, timeout=5.0)
        data = resp.json()
        return f"服务器 {hostname} 状态: {data['status']}, CPU: {data['cpu_percent']}%, 内存: {data['memory_percent']}%"
    except httpx.HTTPError as e:
        return f"查询失败: {e}"

if __name__ == "__main__":
    mcp.run()

启动服务：

python server_status_mcp.py

在 Claude Desktop 或支持 MCP 的客户端配置中加上这个 Server（claude_desktop_config.json）：

{
  "mcpServers": {
    "server-status": {
      "command": "python",
      "args": ["server_status_mcp.py"]
    }
  }
}

重启 Claude Desktop 后，对话中直接问"web-prod-01 服务器状态如何"，Claude 就会自动调用这个工具，拿到实时数据再回答你。

这就是第二次浪潮的典型模式：API 不再是给人写的，而是给 Agent 写的。人只需要描述意图，Agent 自己选工具、调接口、拼结果。

如果你是 API 提供方

如果你维护一个产品或内部服务，现在开放 API 的收益逻辑变了：

几个实用建议：

1. 给每个端点写清晰的工具描述。Agent 不读文档，它读 function schema 的 description 字段。描述要具体到参数含义和返回结构。
2. 设计细粒度的权限和限额。Agent 调用频率远高于人类，按 token 或按工具调用计费比按用户计费更合理。
3. 优先暴露读接口。写操作先限制，等 Agent 行为可观测后再逐步开放。
4. 支持 MCP 或 Function Calling schema 格式。不用你自己写 SDK，只要提供 OpenAPI spec，社区和工具链会自动生成 MCP Server。

闭关再开，但门上加了锁

第一次浪潮的教训很清楚：无限制的开放最终会被商业理性收回。第二次浪潮不会简单重复——这次开放是被迫的（AI 需要管道），但也是可控的。MCP、A2A 这些协议本质上是在门上加了一层标准化锁：接口开放，但调用方式、权限、可观测性都有协议约束。

对开发者来说，机会在于：每一个有数据但还没开放 API 的服务，都是潜在的被绕过者。帮它们接上 MCP 或 function calling，就是帮它们进入 AI 生态——也是给自己创造新业务。

对 API 提供方来说，选择也很简单：现在主动开门，还是等 Agent 用浏览器绕过你？