MCP Apps 是一项稳定标准（版本 2026-01-26），支持 MCP 服务器在 Claude、ChatGPT 等 AI 聊天界面中直接展示交互式界面，包括图表、表单、地图、3D 场景与数据面板等。
你可以通过 npm 安装 @modelcontextprotocol/ext-apps SDK，使用相关 SDK 开发应用或搭建宿主环境，并可在本地或客户端中运行20 多个示例（如预算工具、PDF 查看器、实时监控面板等）。
借助该标准，你能够打造沉浸式、双向交互的 AI 工具，将丰富的可视化与交互控件直接嵌入对话中，从而大幅提升使用效率。
最近在开源社区里，有一个的项目：
modelcontextprotocol/ext-apps。
乍看这个仓库，很多人会误以为它只是一个普通的示例项目。但如果把它放到整个 Model Context Protocol（MCP）的体系里看，就会发现它其实在做一件很重要的事情：让 AI 聊天界面真正变成可以运行应用的界面。
过去几年，大语言模型的交互几乎只有一种形式——文本。你向 AI 提问，它返回一段文字，最多再附带一些代码块或者表格。即使 AI 在后台调用了工具、访问了数据库、运行了脚本，最终呈现给用户的仍然是一段文字描述。
这种模式在信息查询和简单分析上已经很强大，但一旦涉及更复杂的任务，比如数据分析、预算计算、监控仪表盘或者文档浏览，文本就显得有些局限。用户真正需要的往往不是一段解释，而是一个可以操作的界面。
MCP Apps 想解决的正是这个问题。
MCP 本身是一套协议，它定义了 AI 如何调用外部工具、访问数据以及和各种系统交互。而在这个基础上，MCP Apps 又往前走了一步：让这些工具不仅能返回数据，还能返回界面。
于是，AI 不再只是输出一段说明，而是可以在聊天窗口里直接呈现图表、表单、地图甚至 3D 场景。用户可以在对话中操作这些界面，修改参数、筛选数据、提交表单，而 AI 则根据这些交互继续执行任务。
如果说传统 AI 对话是这样的：
AI：根据你的数据分析，预算是 2000 美元。
那么 MCP Apps 带来的体验更像是这样：
在聊天窗口里直接出现一个预算计算器，你可以调整参数，实时看到图表变化；或者打开一个 PDF 查看器，边阅读文档边和 AI 讨论内容；甚至看到一个实时监控面板，像在看运维仪表盘一样查看系统状态。
这正是 ext-apps 仓库存在的原因。
这个项目实际上提供了 MCP Apps 的开发工具和示例环境。开发者可以通过 npm 安装 @modelcontextprotocol/ext-apps SDK，用它来构建自己的 MCP 应用，也可以直接运行仓库里的二十多个示例程序。
这些示例并不是简单的 demo，而是完整的小型应用，比如预算工具、PDF 阅读器、实时监控面板和数据可视化界面。通过这些示例，可以很直观地理解 MCP Apps 的能力：在 AI 对话中嵌入真正的交互式界面。
从技术角度看，这其实是在把“应用层”搬进聊天窗口。
AI 不再只是一个问答系统，而更像一个操作系统的入口。用户通过自然语言启动工具、调用服务，而工具的界面则直接出现在对话流中。图表、表单、地图、数据表格这些原本属于 Web 应用的元素，开始出现在 AI 聊天界面里。
这种变化的潜力非常大。
想象一下，一个数据分析师不再需要在多个软件之间切换，而是在 AI 对话中直接查看数据图表、运行分析脚本；一个运维工程师可以在聊天窗口里看到实时监控面板，并让 AI 自动诊断异常；甚至普通用户也可以在对话里完成预算规划、文件阅读或者项目管理。
在这种模式下，聊天窗口逐渐变成了一种新的应用容器。
随着越来越多 AI 客户端开始支持 MCP，比如 Claude Desktop 或 ChatGPT，这种能力很可能会变得越来越普遍。
开发者写的不再只是一个网页应用，而是一个可以嵌入 AI 对话的“AI 应用”。用户也不再需要打开几十个网站或软件，只需要和 AI 对话，就能调用这些工具。
从这个角度看，modelcontextprotocol/ext-apps 不只是一个示例仓库，它更像是一个新生态的起点。
当 AI 对话开始承载应用界面时，我们习惯的“软件形态”也许会发生改变。未来的很多工具，也许不再以独立网站或 App 的形式出现，而是以 AI 对话中的一个交互面板存在。
而 MCP Apps，可能正是通向这种未来的一块重要拼图。
Github：https://github.com/modelcontextprotocol/ext-apps
油管：https://youtu.be/7S8I4wgnrko