AI 大模型 MCP 协议的致命缺陷

推荐语

AI大模型的MCP协议，连接智能体的桥梁还是障碍？

核心内容：
1. MCP协议对AI大模型的作用与意义
2. MCP协议的局限性：本地运行和传输方式限制
3. MCP协议面临的挑战：用户鉴权、网络性能和安全性问题

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

最近这几天，朋友圈关于 MCP协议的文章那是铺天盖地，我就不在这儿啰嗦那些细枝末节了。

简单来讲，怎么用一句话概括 MCP 协议对 AI 智能体和 AI 大模型的作用和意义呢？

打个比方，就好像一个只会瞎吹牛的 AI，突然一下子就有了 1000 个能实实在在干活的 “小弟”，而 MCP 协议就是找来这些 “小弟” 的办法。

举个例子，你让 DeepSeek 这种 AI 大模型写个古诗，没问题。但你让它喊个外卖，不好意思，它没办法呼叫美团，美团也没有办法给 AI 提供接口让它操作叫外卖。

而 MCP 协议就像是在所有 AI 大模型和美团之间建立了沟通机制，这样你就能让 DeepSeek 帮你叫外卖到家了。

我接触 MCP 协议有段时间了，一开始觉得挺不错，前景似乎一片光明。但自己动手用起来，发现了一个致命缺陷 —— 它只能在本地计算机上运行。

目前，MCP 只支持 stdio 和 SSE 这两种传输方式。

这意味着，要么把代码下载到本地，要么在本地运行服务，提供一个 SSE 接口。
常见的 REST API 方式它根本不支持，官方也没给托管网址。
虽然我觉得官方从开源社区角度这么设计，是非常长远的思考和设计哲学，但是这么一来，对广大小白用户来说，MCP 协议、MCP 服务，就跟一堆运行不起来的代码没啥区别。

比如说，我想使用 MCP 协议，打开 Cursor 准备添加 MCP Server，结果一看，就两种选择。

(Cursor 添加MCP 服务，有SSE和Command两种方式，你知道是什么意思不？)

这可把人搞懵了，心里肯定犯嘀咕：是不是得填个网址啊？可找来找去又没地方填，这咋整？还要去运行 MCP server 代码？啥是 Git？啥是命令行？啥是 npm？啥是 node js？（省略 10 个啥是）

对新手开发者来说，让普通人执行一条简单的 bash 命令都难如登天，更别说让他们在一小时内启动并运行一个 Node JS 服务了。

虽然启动 nodejs 服务不算太难，但要是让他们做生产部署，去配置一个托管的 Kubernetes 集群，还要学习 Docker 容器部署，这成本高得吓人，难度也大大增加了。

要知道，在当今云时代，难倒大多数人的可能不是软件本身，而是软件的运维工具。

就好比大家都知道做菜很有意思，甚至可以说是一门艺术，但大部分人都懒得洗菜切菜，觉得这些前戏准备工作太麻烦。

MCP 协议的出发点其实挺好的。

要知道，在软件时代，软件之间的连接和对接，可把不少程序员和产品经理折腾得够呛。

数据要是不打通，就会催生出一堆麻烦方案，对接更是让人头疼，这问题可不小。

除了transport 网络方案， MCP 协议还有些别的毛病。比如用户鉴权、网络性能、安全性等问题。

不过我也看到，它的生态和相关工具发展得挺迅猛，这才是关键，生态发展起来才是真的好。

后续我会一直关注 MCP 的替代方案。要是大家有啥想法，欢迎在评论区留言分享。

虽说这事挺有挑战的，但有问题就有机遇，也期待能有更多 MCP 的替代方案出现。

毕竟，大模型就好比大脑，智能体就像脑干，要真正完成一个任务，还得有各种各样数都数不清的 “手脚” 和工具才行。