Noamwa1. MCP的兴衰：从AI工具集成的终极标准到被质疑
去年这个时候，MCP（Multi-Component Protocol）还被业界奉为AI工具集成的黄金标准。作为一套工具调用协议，它确实解决了当时AI应用开发中的一个痛点：每个应用都需要自己实现一套工具调用逻辑，导致生态高度碎片化。MCP通过统一接口规范，让不同工具可以无缝集成到AI应用中，这在当时看来是个绝妙的解决方案。
但问题来得比想象中快。今年三月Perplexity的CTO Denis Yarats公开表示将放弃MCP，转回REST API和CLI。这一表态在开发者社区引发轩然大波，YC CEO Garry Tan更是直言"MCP sucks"。这种态度转变之剧烈，让人不禁要问：MCP到底出了什么问题？
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. MCP的核心问题解析
2.1 上下文窗口的沉重负担
MCP最致命的缺陷在于它对上下文窗口的过度消耗。实测数据显示，在20万token的模型上，仅三个服务器（GitHub、Playwright和IDE集成）的工具定义就占用了14.3万token，高达72%的上下文窗口被工具定义占据。这意味着agent还没开始工作，可用资源就所剩无几。
这种设计导致了所谓的"context rot"（上下文腐烂）现象：随着工具数量的增加，模型对关键信息的聚焦能力急剧下降。研究表明，当工具过多时，agent选择正确工具的概率会从43%暴跌至14%以下。根本原因在于MCP将所有工具描述在会话开始时全量加载，无论这些工具是否会被用到。
2.2 被动响应的架构局限
MCP的另一个结构性问题是其被动性。它本质上只是一个工具调用协议，缺乏对会话生命周期和任务流程的感知能力。在MCP架构中：
- 工具没有层级结构，每个工具都是一个扁平的函数签名
- 缺乏子命令支持，无法像CLI那样按需展开功能
- 无法指导agent如何使用工具，只能被动等待调用
相比之下，CLI工具天然支持层级命令结构（如git commit、git push），而新兴的Skills方案更是包含了完整的SOP（标准操作流程），能够指导agent先做什么、后做什么、遇到问题如何处理。
3. MCP与替代方案的对比分析
3.1 CLI的优势与适用场景
CLI工具在以下方面明显优于MCP：
- 资源效率：按需加载命令帮助（--help），避免一次性加载所有文档
- 交互体验：支持层级命令结构，操作更加直观
- 响应速度：本地执行，避免了网络延迟
特别是在开发环境集成场景下，CLI的表现尤为出色。开发者可以快速构建轻量级封装器来扩展功能，而不必处理MCP的复杂协议。
3.2 Skills方案的创新之处
Skills代表了工具集成的新思路：
- 渐进式披露：会话开始时只加载元数据（几十个token），需要时才加载完整内容
- 流程内嵌：将SOP直接写入Skill定义，指导agent如何使用工具
- LLM参与：允许agent的LLM参与工具内部决策，无需额外配置
这种设计解决了MCP的几个关键痛点，特别是在需要复杂决策的工具场景中。例如在信息检索场景，Skill可以让agent先进行粗筛，再自行判断哪些结果值得深入查看，最后只返回精炼后的信息。
4. MCP的生存空间与未来展望
尽管面临诸多批评，但MCP不会完全消失。它在以下场景仍具有独特价值：
- 企业级工具平台：需要统一权限管理和集中式日志的场景
- 跨系统集成：当工具需要与多个异构系统交互时
- 标准化遥测：需要统一监控指标的大型部署
目前看来，最可能的发展方向是形成CLI/RESTful/Skills的组合方案：
- CLI处理日常操作
- RESTful对接外部系统
- Skills管理agent行为知识
在这种架构中，MCP的角色将从"必须遵循的标准"转变为"可选的集成方案之一"。
5. 开发者应对策略
对于正在使用或考虑使用MCP的开发者，建议采取以下策略：
- 评估实际需求：如果是简单工具集成，考虑改用CLI
- 渐进式迁移：对复杂工具，可以逐步引入Skills概念
- 混合架构：在需要集中管理的部分保留MCP，其他部分采用轻量级方案
- 关注生态发展：特别是Linux Foundation对MCP的后续规划
最重要的是保持架构灵活性，避免被单一协议锁定。在这个快速演进的领域，能够快速适应新方案的能力比坚持某个标准更有价值。
6. 从MCP案例看技术选型原则
MCP的兴衰给我们上了生动的一课：
- 避免过度设计：解决方案的复杂度应该与问题规模相匹配
- 重视资源效率：在AI时代，token就是最宝贵的资源
- 保持协议轻量：核心协议应该做最少的事，把扩展性留给上层
- 拥抱渐进式改进：与其追求完美方案，不如快速迭代
这些原则不仅适用于工具协议设计，对任何技术选型都有参考价值。在AI应用开发这个新兴领域，保持开放心态和快速学习能力或许是最重要的生存技能。