我们不需要MCP

AI编程博主都在争相分享使用 MCP 工具高效编程的案例，称其功能强大、效果惊人，给人一种“不会用 MCP 就落伍了”的感觉。我比较愚笨，摸索了几天反倒觉得，当下大部分编程爱好者尤其VibeCoding者，压根没必要去摸索 MCP 工具。

MCP 本质上是一种通信协议，可以类比为AI大模型的 USB 接口：它能让 AI 有一个标准接口连接其他设备，从而拓展能力。

听起来AI+MCP会有1+1>2的效果。实际上，大家只高调宣传了MCP功能的便利性，却很少提及其对开发环境的苛求：要想使用 MCP工具，大多数情况下你的电脑上必须先安装好 Python 环境或 Node.js 环境。也就是说，MCP 服务并不是“开箱即用”的，而是需要你手动配置好它所依赖的开发环境。光这点，就足以筛掉大部分非专业的程序员用户。即便我们可以一句话让 AI 编程工具（例如 Cursor、Trae 等）来帮我们安装这些命令和环境，但对于那些只是想用 AI 编程解决生活中的小需求、做个小工具的人来说，过程还是稍显复杂。

其次，要真正使用上 MCP 服务，需要一定的技术基础。很多MCP工具是注册后方能使用的。所以用户需要去官网申请API、Key等信息，最后还要将这些内容按 JSON 格式复制到对应位置。即便你小心翼翼，最后还是极大可能迎来node.js环境不兼容等奇葩报错。

最不能忍的是什么？费了这些功夫，可当下的大多数 MCP 工具，实际效果并不惊艳。我在实操中发现，功能稍微复杂一点的 MCP 工具，在 AI 调用时的“思考”过程就非常漫长，执行的准确率也偏低。这和前期的时间成本压根就成不了正比。据知名统计站点mcpevals.io统计，当前使用最多的MCP工具也都是一些轻量级或是基于原先成熟开源项目的服务。

硬着头皮在开发流中加上MCP工具，有种差生文具多的感觉。事实上，当前大部分的MCP工具所实现的功能都有其他传统方式平替，传统方案听起来麻烦但成熟稳定易上手，对于普通人而言，尝鲜MCP反倒会是误入歧途。这些问题，一惊一乍的自媒体朋友们都没有提及。

普通人学AI编程，就需要有持续的正反馈来激励自己。所以学习链路要尽量短，反馈要尽量快。MCP工具这一形态很好，但当前普遍存在效率低、选择少、效果差的问题，这种性价比极低的学习内容并不适合我。