把量子算力接到 AI Coding 生态的插座上——这件事的真正看点不是 MCP 协议本身,是它把"量子编程使用门槛"问题换了个解法,而且这个解法是开源、可复制、跨平台的。
补漏 1:MCP 不是新发明,但它是关键解耦层。本源量子的 QPanda3 Runtime MCP Server 支持的平台名单值得念一遍:Claude Code / Claude Desktop / Cline / Cursor / Windsurf / Amazon Q Developer / OpenCode / Continue——8 家全部支持,使用统一 HTTP Streamable 协议,Header 走 X-Api-Key 鉴权。提供 19 个标准化工具接口,包括 list_qpu_devices_tool / sample_tool / estimate_tool / batch_sample_tool / get_task_status_tool 等。换句话说,AI 调 QPU 不再是私有 SDK 适配,而是标准 MCP 调用——这把"国产量子云"和"全球 AI Coding 生态"焊在了一起。
补漏 2:QPanda3 Skill 开源地址藏了两个细节。仓库地址 https://github.com/OriginQ/pyqpanda3-SKILL 是 Apache 2.0 协议,纯 Markdown + YAML frontmatter,跟 Superpowers、Claude Skills 同一种格式。这意味着任何 AI 编程工具只要支持 Skill 规范,理论上都能直接加载——不需要改本源的代码,也不需要写适配层。开源协议选 Apache 2.0 而不是 GPL,关键在"允许商用闭源修改并分发",等于明示欢迎商业产品集成。
补漏 3:原帖讲了"四大能力",漏了性能与编排细节。QPanda3 Runtime 的关键设计是 Session 持续期间后续作业无需重新排队——一旦前一个作业完成,下一个作业立即在同一台量子计算机上执行。这个机制对 AI agent 场景是质的提升:agent 在迭代电路、调整参数时,不需要每次都排队等 QPU 资源。另外"多目标任务极速处理"接口支持同时优化多个观测量的组合,把多目标 VQE 这类典型算法的工作流压成"一调多跑"。
补漏 4:量子化学首期场景需要冷静看。Jordan-Wigner 变换 + 分子能量 + 势能面这些任务,经典近似(CCSD(T)、DFT)在小分子体系下其实够用,真机优势要到大体系、强关联体系才显著。所以本源选了量子化学,是"AI + 量子"打通用计算擦边球的合理起点,但商业落地价值要看后续量子机器学习、组合优化上线的速度——这两块才是真机相对经典算力的"硬差异化"战场。
补漏 5:从产业位置看,本源这一手补的是"国产量子软件生态"短板。此前本源的成果多在线下硬件侧(超导量子芯片 PSE-CZ 系列),而 QPanda3 + MCP 是纯软件、纯开源、纯工具链层面的动作——和 IBM Quantum 把 Qiskit 开源、Google 把 Cirq 开源是同一种"用软件换生态"的打法。区别在于:IBM Quantum Cloud 和 Azure Quantum 已经先一步接入 MCP 生态,本源现在接入等于"不落后"——但要真正领先,得看 VQE/QAOA 这类算法层面的 Skill 什么时候被开源社区贡献出来。
下一根钉子:盯 GitHub 上 OriginQ/pyqpanda3-SKILL 仓库 30 天内的 fork 数 + 外部 PR 数。如果 30 天内 fork>50、外部 PR>5,说明开发者社区真的开始接住这套规范;反之,它就只是本源内部 demo 工具,没有生态滚起来。