MCP已死，CLI当立？技术争论背后的真相

2026年初，一场关于MCP（Model Context Protocol）未来的技术争论在AI社区引发热议。Perplexity联合创始人兼CTO Denis Yarats在公开场合表示，公司内部正从MCP转向APIs和CLIs；Y Combinator掌门人Garry Tan更是直接发声批评MCP存在context window膨胀、工具管理复杂等问题。这场争论迅速从技术圈扩展到整个AI领域，成为从业者关注的焦点。

开发者为何对MCP不满？

要理解这场争论，首先需要明确讨论对象的具体含义。此处的CLI并非传统意义上的命令行界面，而是指通过编写本地脚本或直接调用云端服务的方式来扩展AI Agent能力。MCP则是Anthropic在2024年推出的开放协议标准，旨在解决AI系统如何标准化连接外部工具的问题。两种方案代表了不同的技术路线：MCP强调标准化连接，而CLI则追求轻量化与灵活性。

企业级场景下的MCP价值

用户对MCP的抱怨主要集中在工程实践层面。首先是上下文膨胀问题：MCP的默认实现会将所有工具定义加载到上下文中，当工具数量从10个增加到50个时，token成本急剧上升。其次是手动管理负担：开发者需要自行开关MCP server、管理连接状态，这一过程对个人开发者而言过于繁琐。第三是中间层损耗：许多MCP server仅仅是将可直接调用的API又包装了一层，造成不必要的性能开销。相比之下，skill+CLI的组合采用按需加载机制，agent需要什么能力就加载什么工具，用完即走，效率更高。

MCP的另一面：被忽视的企业级优势

然而，如果仅凭上述问题就断言"MCP已死"，显然有失偏颇。在企业级AI应用场景中，MCP的优势才真正显现：它提供显式权限模型，每个工具的每个操作都可以单独授权；采用结构化输入输出，而非简单的字符串解析；具备统一的审计日志格式；支持沙盒化执行，工具运行在受控环境中。这些特性在Demo阶段可能显得"笨重"，但在生产环境中却是保障系统安全与可控性的关键。

两种路线，各有主场

纵观这场争论，本质上反映的是不同场景下的技术选型差异。在coding agent、C端应用等非严肃场景中，开发者和用户更在意成本与效率，轻量灵活的CLI/Skill方案更受欢迎；而在企业级、多租户、安全敏感的场景中，需要统一权限管理、治理审计和跨客户端标准化，MCP的协议标准化价值才能充分体现。此外，标准化带来的网络效应不容忽视——正如USB统一了设备连接标准，MCP也在努力构建AI工具连接的统一生态，这种生态价值远超单个工具的使用体验。

如有侵权，请联系删除。