大厂的“官僚化”迷思：为什么开发者正在抛弃 Anthropic 的 MCP 协议？

就在本周，AI 圈上演了极具撕裂感的一幕。

一边，Anthropic 宣布完成了高达 650 亿美元的 H 轮融资，投后估值逼近万亿美元。伴随着 Claude Opus 4.8 的发布，这家公司无疑正处于其历史的高光时刻。

但在另一边，Hacker News 的头版头条却被一篇名为《MCP is dead》（MCP 已死）的讨贼檄文霸占。这篇文章来自一线工程团队，无情地戳破了 Anthropic 试图一统天下的野心：他们耗费巨大精力推广的 MCP（Model Context Protocol，模型上下文协议），正因为其过度设计和极高的接入成本，被开发者们用脚投票无情抛弃。

当一家顶级 AI 实验室试图用构建操作系统的复杂度，来解决一个只需“函数调用”就能完成的问题时，大厂的“爹味”和“官僚化”迷思便暴露无遗。

一、技术考古：从 SOAP 到 MCP 的历史重演

历史不会简单地重复，但总是惊人地相似。

把时钟拨回 2000 年代初的 Web Service 时代。当时，微软、IBM 和 Sun 等巨头为了解决异构系统之间的通信问题，联合推出了被视为“工业级标准”的 SOAP 协议。

如果你经历过那个时代，一定还记得被 SOAP 支配的恐惧：为了发送一句简单的 hello，你需要包裹上层层叠叠的 XML 信封（Envelope），编写繁琐的 WSDL 契约，还要处理各种复杂的 Header 和安全校验。

最终，开发者们受够了这种大厂强加的“重型装甲”，转而投向了极简的 REST 和 JSON。

人类和机器都需要更低的心智负担。

遗憾的是，Anthropic 的 MCP 似乎忘记了这个教训。MCP 的设计初衷很好：为 AI Agent 提供一套统一的标准来读取本地文件、访问数据库或调用外部 API。

但看看 MCP 的实际设计吧。为了让大模型读取一个本地的 .txt 文件，MCP 强迫开发者实现一套完整的生命周期：

Initialize（握手与能力协商）
Ping（心跳保活）
Resource Discovery（列出可用资源）
Template Registration（注册资源模板）
最后才是真正的 Read 操作。

这简直就是现代版的 SOAP。它用构建分布式微服务的复杂架构，来解决一个仅仅需要一进一出的“读写请求”。

二、硬核剖析：为什么 Agent 不需要沉重的通信协议？

MCP 架构设计的核心谬误在于：它把大模型、本地工具和外部服务，抽象成了对等的分布式网络节点。

但在实际的高效 AI 开发流中（看看爆火的 Cursor、Cline 或是基于 CLI 的极简 Agent），最强大的 Agent 根本不是通过网络去调用成百上千个微服务 API。

真相是：Local-first（本地优先）与共生。

效率最高的 Agent，往往是直接挂载在你的本地文件系统上。你不需要一套复杂的“上下文协议”来告诉它数据库表结构是什么。你只需要给大模型一个可信的 Bash 执行环境和一个极简的 Virtual Filesystem（虚拟文件系统）。

当纯粹的 Function Calling 已经足够强大时，任何外衣都是累赘。

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 或纯 Function Calling 范式下，模型只需要输出：

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

几行 Python 代码接管标准输出（stdout），执行查询，把结果扔回给大模型。整个过程连 10 行代码都不用。

而在 MCP 体系下，你需要引入官方沉重的 SDK，定义复杂的 Schema，注册 Handler，处理各种状态回调和分页逻辑。这消耗的不仅仅是开发者的周末，更是无谓的 Token 和网络带宽。

三、大模型的“理解成本”与幻觉之源

除了开发者的厌恶，MCP 这类重型协议还在挑战 LLM（大语言模型）本身的物理极限。

大模型在进行推理时，最害怕的其实是复杂的层级嵌套。

在 Transformer 架构中，注意力机制（Attention Mechanism）的运作方式决定了：层级越深、格式包裹越厚的 JSON/XML，模型在提取核心有效信息时，注意力的衰减就越严重。

当模型的上下文窗口被大量毫无意义的 MCP 协议封包、握手状态、生命周期标志位塞满时，它用来思考业务逻辑的“脑容量”就被挤占了。这会直接导致模型遵循指令的能力下降，幻觉（Hallucination）率直线上升。

相反，极简、扁平的 JSON 结构，能最大程度降低大模型的“认知解码成本”，让它把每一分算力都用在刀刃上。

四、结语：避开基础设施的焦油坑

Anthropic 是一家伟大的公司，Claude Opus 4.8 也是目前最顶尖的模型之一。但这并不意味着由财力雄厚的大厂自顶向下设计的“标准协议”就一定是行业的未来。

当一个协议需要长达几十页的白皮书来解释如何跑通一个 Hello World 时，它就已经走在了被淘汰的路上。

AI 时代的工程箴言，其实依然是半个世纪前那个古老的 Unix 哲学： “提供小而美的工具，让它们通过纯文本进行组合。”

在为你的下一个 AI Agent 选择基础设施时，请果断抛弃那些试图控制你架构、引入复杂生命周期的重型协议。拥抱极简的 Function Calling，拥抱直接的文件读写。

因为在 AI 的世界里，少，即是多。