MCP 要死了吗

背景

最近，关于 AI Agent 如何与外部系统交互的讨论非常热烈，尤其是围绕 MCP 和 CLI 的争论。很多人认为 MCP 因为成本高、效率低而即将被淘汰。但就在四月二十二日，MCP 的”亲爹”Anthropic 发布了一篇重磅博客，为我们揭示了一个全新的视角。本文将深入解读这篇文章，探讨 MCP 的现状挑战以及它真正的未来。

一、社区对 MCP 的三大”罪状”

1.1 成本太高

根据 ScaleKit 的严格测试，在相同操作下：

方案	成本对比
CLI	基准成本
MCP	17倍于 CLI

这意味着使用 MCP 的成本是 CLI 的 17 倍，这是一个巨大的差距。

1.2 上下文占用严重

Perplexity 的 CTO 直言他们内部正在远离 MCP，原因惊人：

1	MCP 占用了高达 72% 的宝贵上下文窗口

对于需要长上下文的复杂任务，这几乎是不可接受的。

1.3 Schema 过于臃肿

以 GitHub 的 MCP 为例：

数据项	数值
工具数量	43 个
单工具描述 Token	4026 Token
每次交互	全部 43 个工具定义都要发给模型

每次交互都要把 43 个工具的”说明书”全部发给模型，光工具定义就占用了大量 Token，这无疑是巨大的浪费。

二、官方回应：三种连接方式，各有其场

面对这些批评，Anthropic 并没有直接反驳，而是给出了一个更宏观的框架。

2.1 Agent 连接外部系统的三种方式

方式	适用场景	优势	劣势
直连 API	简单场景	直接、快速	扩展性差，陷入 M×N 集成噩梦
CLI	本地环境	高效、灵活	无法在云端运行
MCP	云端环境	标准化、跨平台	成本较高

2.2 Anthropic 承认 CLI 的优势

Anthropic 大方承认：CLI 在本地环境确实高效。但他们强调了一个关键趋势：

1	越来越多的生产级 Agent 正在云上运行

在云端环境中：

没有本地文件系统
无法执行 CLI 命令
如 Claude 网页版、移动端 App

MCP 的价值就体现出来了：它提供了一个标准化的远程连接层，能统一服务于各种客户端。

2.3 MCP 的全新定位

Anthropic 为 MCP 找到了一个全新的、也是它最该待的地方：

1	云端 Agent 的标准化接入层

无论是网页版的 Claude，还是集成在 VS Code 里的 Cursor，都可以通过一个统一的 MCP 服务器来访问后端服务。这个定位非常清晰。

2.4 市场数据印证

时间节点	MCP SDK 月下载量
早期	1 亿
当前	3 亿

短短几个月内下载量翻了 3 倍，这说明开发者们正在积极拥抱这个标准。

三、核心解法一：Tool Search（工具搜索）

Anthropic 提出了两个核心技术解法来解决 Token 消耗问题。

3.1 传统方式的痛点

1
2
3

传统方式：
每次交互 → 把一整本厚厚的说明书（全部工具定义）塞给模型
         → 巨大的 Token 消耗

3.2 Tool Search 的思路

1
2
3

Tool Search 方式：
模型先告诉系统它想做什么 → 系统去"书架"上找到对应的那几页说明书
                         → 只把相关工具定义发给模型

核心理念：工具应该围绕用户意图来组织，而不是简单地按 API 来划分。

3.3 效果数据

指标	效果
工具定义 Token 减少	超过 85%
工具选择准确率	保持不变

这种”按需加载”的方式能直接砍掉超过 85% 的工具定义 Token，而且工具选择的准确率并没有降低。

四、核心解法二：程序化工具调用

第二个解法思路非常巧妙，它改变了工具返回结果的处理方式。

4.1 传统方式的问题

1 2	传统方式：工具返回大量原始数据 → 直接涌入模型的上下文 → 上下文爆炸

4.2 程化调用的思路

1
2
3

程序化调用方式：
模型在安全的代码沙箱里写一小段代码 → 处理数据（过滤、计算、整合）
                                    → 只把精炼后的结果返回给模型

核心理念：别让模型当搬运工，让它写代码。

4.3 效果数据

任务类型	Token 减少幅度
复杂任务	约 37%

根据官方数据，这个方法在处理复杂任务时能额外减少约 37% 的 Token 消耗。

五、两个解法的综合效果

拿之前 ScaleKit 的测试数据来算一笔账：

5.1 原始差距

1 2	原始情况下： MCP Token 消耗 = CLI 的 32 倍

这是一个巨大的鸿沟。

5.2 应用解法后

方案	Token 消耗估算
原始 MCP	约 32000 Token
Tool Search 后	约 10000 Token
CLI	约 1000 Token

差距从 32 倍缩小到约 7 倍。

5.3 成本合理性分析

虽然 MCP 还是比较 CLI 更贵，但这个差距已经不再是不可逾越的了。在云端环境下，MCP 带来的：

标准化
安全性
跨平台能力

其价值完全可以覆盖这部分成本差异。

六、实战案例：Cloudflare 的聪明做法

理论说再多不如看一个实际案例。Cloudflare 是 MCP 的深度用户。

6.1 他们面临的挑战

1	需要通过 MCP 开放约 2500 个 API 端点

如果按传统方式，这简直是一场灾难。

6.2 聪明的解决方案

Cloudflare 的做法非常聪明：

设计	说明
对外暴露工具数	只有 2 个
工具名称	`search` + `execute`

6.3 工作流程

1
2
3

Agent 工作流程：
1. 用 search 找到需要的 API
2. 通过 execute 在服务端执行操作（像写脚本一样）

6.4 效果

指标	数值
工具定义 Token	约 1000 Token

这个案例完美诠释了 Anthropic 的理念：MCP 服务器应该像 CLI 一样设计，让 Agent 通过代码来编排和控制。

七、MCP 与 Skills 的生态融合

除了解决技术问题，Anthropic 还在推动生态的融合。

7.1 MCP 与 Skills 的关系

角色	职责	类比
MCP	连接各种服务，提供”能力”	工具箱
Skills	告诉 Agent 如何使用能力完成任务	操作手册

7.2 Claude 数据插件案例

Claude 的数据插件是一个典型例子：

组成	数量
Skills	10 个
MCP 服务器	8 个

用户可以轻松地分析来自不同数据库的数据。

7.3 第三方服务商跟进

像 Canva、Notion 这些第三方服务商也开始效仿：

1	发布 MCP 服务器 + 配套 Skills

这标志着一个更加成熟和协同的 Agent 生态正在形成。

八、总结：未来的分工格局

Anthropic 的这篇博客，并非对社区批评的简单反驳，而是一次深刻的自我进化和战略澄清。

8.1 针对三大痛点的解决方案

痛点	解决方案
成本太高	Tool Search（减少 85% 工具定义 Token）
上下文占用	程序化调用（减少 37% 结果 Token）
Schema 臃肿	代码编排模式（Cloudflare 案例）

同时，Anthropic 也大方承认了 CLI + Skills 模式的价值，并将 Skills 正式纳入了官方最佳实践。

8.2 MCP 的主战场

1	云端和跨平台环境 → MCP 是目前唯一合理的标准化解决方案

8.3 未来的分工格局

环境	最佳实践
云端生产环境（面向用户的 SaaS）	MCP + Skills
开发者本地环境	CLI + Skills
简单任务	直连 API

不存在一个万能的解决方案，Agent 时代的连接层正在走向多元化和专业化。

附录：关键数据汇总

数据项	来源	数值
MCP vs CLI 成本差距	ScaleKit 测试	17 倍
MCP 上下文占用	Perplexity CTO	72%
GitHub MCP 工具数	官方 Schema	43 个
Tool Search Token 减少	Anthropic	85%+
程序化调用 Token 减少	Anthropic	37%
MCP SDK 月下载量	npm 数据	3 亿
Cloudflare 工具定义 Token	实战案例	1000

结论

MCP 并没有死，它只是找到了属于自己的战场。Agent 时代的连接层正在走向多元化和专业化。作为技术从业者，我们需要理解不同工具的适用场景，并根据自己的业务需求做出最合适的技术选型。

参考资源：