关于MCP的个人见解

什么是MCP

官方定义:MCP（Model Context Protocol 模型上下文协议）是一种让AI模型实时访问各种外部数据源（如数据库、文件、应用等）的通用连接工具。它就像一个万能适配器，让AI可以获取实时数据，而不仅仅依赖于训练时的数据。

个人理解

就是一个类似RestAPI一样的规范性的协议.底子还是以前的function call,但给function call加入了更多的规范,能够让外部的服务提供商更方便的对接大模型.

不看好的地方

不看好目前的调用方式,因为本质上还是在system的prompt中加入各种MCP的调用说明,再生成call代码调用,最后拿服务商返回的数据再进行一次上下文的生成.

1. function call已经加入到模型的训练阶段,MCP以后想加强这方面的功能,肯定也要在模型训练阶段,或者退一步讲,在微调的阶段就需要引入到模型内部.

2. 是当一个回答需要调用多个MCP服务的时候,现阶段的办法就是一直往上堆叠prompt,tokens数量直接爆炸.就个人使用下来,光一个高德的MCP服务,sys提示词就高达3k个tokens,而且上下文多次调用的时候,还是会加入进去的.所以在一个问题的时候,光sys prompt就消耗至少6k的tokens,甚至当存在一个问题需要n次调用的时候,tokens就直接爆炸了.这点还是存在很大的优化空间.

3. MCP的安全性问题,当然就目前而言,很多办法可以解决MCP服务商的prompt投毒问题;比如MCP服务商需要注册认证才允许上线.但还是存在其他安全隐患,这点跟function call存在的问题是一样的.

看好的地方

可以说MCP是function call 的plus版本,而且对服务商跟个人MCP开发来说,减少了很多阻碍,门槛降低了很多,个人开发者使用fastmcp这个包,几行代码就能做出来一个MCP的API,应用方向还有很大潜力.

而且有了MCP之后,相当于大模型增强了对外感知的手段,如果说function call 是面向过程的代码,那MCP就相当于面向对象的代码了.

MCP算是给出了一种标准化,利好开发者.

个人对未来的看法

集成MCP的微调小模型可能会更适合未来,服务商可以提供不仅仅是MCP服务,而是小模型的对接服务,能根据本地小模型(比如qwen3的0.6b模型、微软的1bit模型)对问题进行分流,将专业的问题分流跟不同的专业小模型,最后将各种回答集成好再发给云端的超大模型进行总结,这样降低成本之后才会有更多的适用范围.