大模型终于能自己干活了——聊聊 MCP 这回事

用大模型用了大半年，我有个感受越来越强：它很能说，但不太能做。

你让它帮你查个数据库，它给你写段 SQL，写得还挺像那么回事。然后呢？然后你自己复制粘贴去跑，跑报错了再贴回来让它改。来来回回好几轮，活是你干的，它就动动嘴。

MCP 想解决的就是这个。

一句话说清楚

MCP 全称 Model Context Protocol，Anthropic 去年底放出来的，开源的。简单讲就是一套标准接口，让大模型能直接调外部工具——读文件、查数据库、调 API、跑命令，都行。

你把它理解成 AI 世界的 USB-C 就行。以前每个工具要单独给模型写对接，现在统一插口，插上就用。

为啥之前做不到？

其实也不是完全做不到。ChatGPT 早就有 function calling，Claude 也有 tool use。但问题是各家各搞各的，接口不统一。你给 OpenAI 写一套适配，换到 Claude 又得重来。工具多了以后维护起来很烦，像在给每个模型当翻译。

MCP 把这事标准化了。你写一个 MCP Server，暴露几个工具出来，任何支持 MCP 的客户端都能用。写一次，到处跑。

听起来没什么了不起对吧？标准化的事历史上发生过太多次了，每次都是"早该如此"，但每次也都真的改变了生态。HTTP 如此，REST 如此，USB-C 也是。

我实际跑了一下

周末花了个下午搭了个 demo，让 Claude 通过 MCP 直接读我本地的代码仓库。

装了个 filesystem 的 MCP server，配置文件里指一下目录路径，完事。然后跟 Claude 说"帮我看看这个项目的目录结构，找找有没有明显的问题"，它就真的去读了，不是瞎编的，是真的 ls 了然后打开文件看了。

说实话第一次跑通的时候有点震撼。不是技术多复杂，而是那个感觉——它真的在"看"你的代码，不是你在描述给它听。

后来又接了个数据库的 server，让它自己查数据回答问题。它会把自然语言转成 SQL，执行，拿到结果，再组织成回答给你。中间不需要你参与。

这跟以前那种"你问一句它答一句"的模式有本质区别。

但也别太兴奋

几个实际问题：

延迟。 每次调工具都是一轮 round trip，工具一多，响应就慢。让它查个数据库再读个文件再总结，等个十几秒很正常。聊天体验上会打个折扣。

安全。 这是我最担心的。你给它文件系统访问权限，给它数据库执行权限，万一它干点啥你不想要的呢？目前主要靠人在边上盯着，但生产环境里不可能这么搞。权限控制这块还得完善。

调试体验一般。 工具调用失败的时候，报错信息不太友好。你得自己去翻 log，搞清楚是 server 挂了还是参数传错了。生态还早期，工具链不成熟。

我的判断

MCP 本身技术上不复杂，协议文档也就几十页。它的价值不在技术深度，在于"有人把这事挑头干了，而且干得足够通用，大家都愿意跟"。

目前 Claude、Cursor、Windsurf 这些都支持了，OpenAI 也在跟进。社区里已经有上百个现成的 MCP server，连 GitHub、Slack、Notion 都有人做了适配。

会不会成为标准？我觉得大概率会。不是因为协议本身多完美，而是因为这个问题太真实了——所有人都在被"模型只能动嘴"这件事折磨，谁先给出一个能用的方案，大家就会跟。

至于它能不能让 AI Agent 真正落地到生产环境，那是另一个更大的话题了。MCP 解决的是"怎么连"，没解决"怎么靠谱"。后者难得多。

但至少，方向对了。

写于 2026 年 10 月，MCP 生态变化很快，文中情况可能随时过时。