在[5年前](https://www.bullshitprogram.com/en-us/the-seed-of-robot/)，我把 AI 比喻为一种智能化的 API 网关，提出一种分治的思想，将一个大问题转换为若干可解的小问题。

```go
func sum(arr []int) int {
if len(arr) == 1 {
return arr[0]
    }
mid := len(arr) / 2
leftSum := sum(arr[:mid])
rightSum := sum(arr[mid:])
return leftSum + rightSum
}
```

就像上面的递归求和函数——将数组一分为二，分别递归求和。

如今，这种思想正在 [MCP](https://modelcontextprotocol.io/introduction) 这种协议沿用。

在2025-04那段时间，我使用 `cline` 搭配 `Google gemini` 作为底层大模型“内核”,研究了一下大语言模型调用 MCP 这套完整协议。

但目前来看，MCP的实现方式还是有点丑陋的，并且有一些问题。
而且由于大模型自身的问题，会导致多余的 token 消耗。

## 现状

MCP 协议里面内置了一个服务发现系统，各个 MCP server 把自身的实现和调用方法注册到里面，然后在调用的时候加到提示词，作为参数去请求远程的 AI 服务器，让AI 找到正确的命令然后在本地执行。

比如 [Gemini Function Call](https://ai.google.dev/gemini-api/docs/function-calling?hl=zh-cn) 大概长这样：

```bash
curl -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-pro:generateContent?key=YOUR_API_KEY" \
  -H "Content-Type: application/json" \
-d '{
    "tools": [
      {
        "function_declarations": [
          {
            "name": "get_current_weather",
            "description": "Get the current weather for a given location",
            "parameters": {
              "type": "object",
              "properties": {
                "location": {
                  "type": "string",
                  "description": "The city and country, e.g. Shanghai, China"
                }
              },
              "required": ["location"]
            }
          }
        ]
      }
    ],
    "contents": [
      {
        "parts": [
          {
            "text": "What is the weather in Shanghai right now?"
          }
        ]
      }
    ]
  }'
```

整个过程可能非常繁复。比如，我们向AI下令“删除桌面上所有截图”的时候，最理想的指令是：

```bash
find /Users/zeusro/Desktop -type f -name "Screenshot*.png" -delete && find /Users/zeusro/Desktop -type f -name "Screenshot*.jpg" -delete
```

但实际的执行过程可能是：

1. 找到这个路径上面所有文件，获取相应路径
1. 删除截图图片1
1. 删除截图图片2
1. 删除截图图片n

![image](https://developer.qcloudimg.com/http-save/yehe-1475845/7cd5659fe933cd6696534a9db4c84f20.png)

这个计算过程取决于大模型自身的能力，如果是 gemini-2.0 这种是第一种情况直接一步到位的，而国内其他模型基本不开放免费API，我基本上不用。

```bash
input --> process --> output -->（评估）influence，考虑是否要执行下一次计算
```

人类，作为外部观察者，通过评估，观察计算产生的影响，补充提示词，诱导ai继续计算，一直修正，直到获取最终结果。

```zeusro
func 计算(){
    ai.找到合适的工具链调用()
    （可选）用户.评估潜在影响并决定是否要执行相应命令
    ai+mcp client(通常可以在ai客户端里面顺便集成mcp功能，比如vs code cline插件).调用mcp server()
    （可选）用户.评估最终影响()
        if 满足需求（）{
            return
            }
        else{
            用户.补充提示词，继续向ai提问()
            计算()
        }
}
```

以代码项目管理的层面去解读，AI与人的关系像是“开发”和“评审人员”，由评审人员决定是否要“并入”代码。

## local function 和 cloud function


在2020年的时候，我以打车作为例子，提出了`Cloud Function` 。

`Cloud Function` 指的是一种依赖云端软硬件资源来完成辅助计算的函数。

而与 `Cloud Function` 相对应的，是`Local Function`。

`Local Function` 指的是一种离线计算的函数。
狭义的`Local Function` 不需要网络就能进行，一般可以理解为操作系统的API；广义的`Local Function`指的是本地硬件的局部函数。
像是手机端北京时间的获取——虽然手机有内置时钟，但是时间需要周期地从国家授时中心同步。

这就有点像我们家里的闹钟——虽然给它电池就能转，但由于时间的偏移，我们也需要定期人工校准时间。

## `local function call` 和 `cloud function call`分离

![image](https://developer.qcloudimg.com/http-save/yehe-1475845/d1e720e701db23fa39021f02b52aaad3.png)

但在我看来， MCP 协议目前这种实现只能算是次选（过渡方案）。
实际上，我觉得现阶段更需要做的事情是“分离函数”，把函数分为 `local function call` 和 `cloud function call` ,对于  `local function call` ，
甚至不需要网络都能进行，像是“打开xx应用”，“给我grandma发短信”，像这类需求根本用不到云函数，“离线计算”就能进行。

AI 应该有一个预备的知识库，面对不同的操作系统时内置一些能够支持的api，而不是像现在这样，连删除个文件都要建一个 [file-system](https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem) 来实现。

实际上，目前各大国产系统的AI入口就是这样实现的。通过xx助理解析用户的语音指令，将他们翻译成具体需要执行的子任务。

## 结论

MCP 协议作为一种过渡设计，作用有点像是制定一种 AI API(面向AI的语言/操作系统无关接口)的 `app store`标准，完成这个任务之后就可以淘汰。


在5年前，我把 AI 比喻为一种智能化的 API 网关，提出一种分治的思想，将一个大问题转换为若干可解的小问题。

MCP协议的局限性

在5年前，我把 AI 比喻为一种智能化的 API 网关，提出一种分治的思想，将一个大问题转换为若干可解的小问题。
如今，这种思想正在MCP这种协议沿用。但在我看来，
MCP 协议作为一种过渡设计，作用有点像是制定一种 AI API(面向AI的语言/操作系统无关接口)的 `app store`标准，完成这个任务之后就可以淘汰。

上班摸鱼工程师

人工智能

网络与通信

开发工具

文章探讨了MCP协议在AI调用中的分治思想，通过递归算法类比AI任务分解，分析当前MCP实现存在的效率问题。重点讨论了本地函数与云函数的分离优化方案，提出AI应内置操作系统API知识库以减少冗余计算，为AI接口标准化提供新思路。

API 网关

服务器

云函数

短信

国内短信0.038元/条起，接入便捷，稳定可靠


4核4G3M云服务器 新用户低至38元/年！

11.11畅享AI算力 云启新增长

apigw

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

MCP协议的局限性-腾讯云开发者社区-腾讯云

MCP协议的局限性

MCP协议的局限性

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐