开发者抛弃Anthropic MCP协议背后：大厂官僚化迷思解析

这周，AI 行业呈现出了极其戏剧性的一幕，充满矛盾与反差。

一边，Anthropic 高调宣布完成 650 亿美元 H 轮融资，投后估值逼近万亿美元俱乐部。随着 Claude Opus 4.8 的正式发布，这家公司正享受着聚光灯下的高光时刻。

但另一边，Anthropic 试图一统天下的野心——他们全力推广的 MCP（模型上下文协议），却因其过度工程化的设计和高昂的集成门槛，遭到了开发者的集体冷遇，被事实上的行业共识所摒弃。

当一个顶级 AI 实验室试图用搭建操作系统级别的复杂度，来解决一个原本只需函数调用即可搞定的事情时，大型企业常见的傲慢路径依赖与官僚化思维暴露无遗。

...

一、技术考古：从 SOAP 到 MCP，历史在重演

历史不会简单重复，但押着相似的韵脚——这句话在软件开发领域尤其经得起检验。

把视线拉回 2000 年代初期，那个 Web Service 主导的年代。当时微软、IBM、Sun 等巨头，为了解决异构系统通信难题，联手推出了被视为企业级标准的 SOAP 协议。

只要经历过那个时代的开发者，想必对 SOAP 的沉重感记忆犹新：仅仅为了发送一句简单的 hello，你得封装层层叠叠的 XML 信封，编写繁琐的 WSDL 契约定义，还要应对各种复杂的 Header 与安全校验。

最终，开发者厌倦了这种大厂强加的重型架构，纷纷转投极简的 REST 与轻量 JSON 方案。

人类与机器都渴望更低的认知负荷与心智负担。

遗憾的是，Anthropic 的 MCP 似乎没能吸取这个深刻教训。初衷值得肯定——为 AI Agent 提供一套标准化接口来读写本地文件、访问数据库或调用外部 API——但在实际设计中，却又走上了那条古老而沉重的老路。

审视一下 MCP 的具体设计：为了让大模型读取本地一个 .txt 文件，它硬性规定开发者必须实现一整套生命周期流程——Initialize（握手与能力协商）、Ping（心跳保活）、Resource Discovery（资源发现）、Template Registration（模板注册），然后才是真正的 Read 操作。

这不就是现代版的 SOAP 吗？用构建分布式微服务的冗余架构，去解决一个仅仅需要数据一进一出的简单读写请求。

...

二、硬核剖析：为什么 Agent 发展不需要笨重的通信协议？

MCP 重型协议与极简 Function Calling 对比

MCP 架构设计中的核心谬误，在于错误地将大模型、本地工具以及外部服务，抽象为对等的分布式网络节点。

但在实际高效的 AI 开发流程中——参考一下当前极其火爆的 Cursor、Cline 或基于 CLI 的轻量级 Agent——最高效的 Agent 根本不需要通过网络去协调调用成百上千个微服务 API。

真正有效的方案是：本地优先（Local-first）与紧密共生。

效率最高的 Agent，通常是直接挂载在本地操作系统之上。开发者完全不需要一套复杂的上下文协议去告知模型数据库的表结构，只需要给大模型一个可信赖的 Bash 执行环境，外加一个极轻量的虚拟文件系统。

当纯粹的 Function Calling 本身已经足够强大且灵活时，任何额外的复杂包装都是负担。

假设我们需要让大模型返回一条读取数据库的指令。在极简的 JSON-RPC 或调用式 Function Calling 范式中，模型只需要输出：

复制{"action":"read_db","query":"SELECT * FROM users"}

几行 Python 代码就足以接管标准输出、执行数据库查询、将结果回传给大模型，整个链路不到 10 行代码就能跑通。

而在 MCP 体系内，你必须引入官方臃肿的 SDK，定义繁琐的 Schema，注册各类 Handler，还要处理多样的状态回调和分页逻辑。这消耗的远不只是工程师的周末时间，还有无谓的 Token 消耗与网络带宽浪费。

...

三、大模型的“理解成本”与幻觉之源

除了开发者的反感，MCP 这类重型协议也在挑战大语言模型自身架构的物理局限。

大模型在进行推理时，第一怕的就是复杂且嵌套过深的层级结构。

基于 Transformer 的注意力机制，层级越深、包装格式越厚的 JSON 或 XML，模型在从中提取核心有效信息时，注意力权重衰减得就越严重。

当上下文窗口被大量意义不大的 MCP 协议封包、握手状态字段、生命周期标志位侵蚀时，模型用于思考真实业务逻辑的“脑容量”便被挤占。这会直接导致模型遵循指令的准确率下滑，产生幻觉的概率随之飙升。

与之相反，精简且扁平的 JSON 交互结构，能够最大程度降低大模型的认知解码负荷，让它将每一分算力都用在刀刃上。

...

四、结语：躲开基础设施的焦油坑

Anthropic 是一家了不起的 AI 公司，Claude Opus 4.8 也确实是当前最顶尖的大模型之一。但这并不意味着财力充足的巨头从上层向下设计的标准协议，就一定是整个行业的前进方向。

当一个协议还需要长达几十页的白皮书才能解释清楚如何跑通一个 Hello World 示例时，它事实上已经被推到了被淘汰的边缘。

AI 时代的工程真知，其实仍然绕不开半个世纪前的 Unix 哲学：提供精致而小巧的工具，让它们通过文本流高效组合。

为你的下一个 AI Agent 选择底层基础设施时，勇敢地抛弃那些试图控制你的架构、强加复杂生命周期的重型协议，拥抱极简的 Function Calling，拥抱直接高效的文件读写。

因为在 AI 的工程世界里，少即是多，简单即是高效。

来源：互联网