跳转至

Anthropic 最新博客：MCP 没死，它又来了

Ch07.016 Anthropic 最新博客：MCP 没死，它又来了

📊 Level ⭐⭐ | 14.0KB | entities/anthropic-mcp-revisited-tool-search-code-orchestration.md

Anthropic Mcp Revisited Tool Search Code Orchestration

Anthropic 最新博客：MCP 没死，它又来了

source: https://mp.weixin.qq.com/s/Sz2hzXiNCyf1YNzPbeUo5Q author: J0hn，AGI Hunt date: 2026-04-23 tags: #MCP #Agent #Claude #Tool-Search #代码编排 #Cloudflare #Skills

核心摘要

Anthropic 发布官方博客《Building agents that reach production systems with MCP》，回应社区对 MCP 三大批评（贵、schema 臃肿、不可组合），给出具体解法。核心结论：本地开发 → CLI + Skills；云端生产 → MCP + Skills；MCP 并未过时，正在成为云端 Agent 的标准化接入层。

01 社区批评回顾

过去一个多月社区对 MCP 的批评集中在三点： | 问题 | 数据 | |------|------| | Token 成本高 | CLI 在 token 消耗上便宜 10~32 倍，1 万次操作 CLI ~$3.2 vs MCP ~$55.2（17 倍差距） | | Schema 膨胀 | GitHub MCP 服务器 43 个工具定义，每次对话全塞上下文，单工具定义占 4,026 tokens | | 上下文污染 | Perplexity CTO：72% 上下文窗口被 MCP 占掉 |

02 Anthropic 的回应：三条路各有地盘

Agent 连接外部系统有三条路： | 路径 | 适用场景 | |------|----------| | 直连 API | 简单、一对一场景，但 M×N 问题严重（10 Agent × 10 服务 = 100 个集成方案） | | CLI | 本地和沙箱环境，天然自描述（--help）、可组合（jq/pipe），无上下文污染 | | MCP | 云端生产 Agent（Claude Cowork / Managed Agents / 移动端 / Web 端），无本地文件系统 | 关键数据：MCP SDK 月下载量从年初 1 亿 → 3 亿，用脚投票的人越来越多。

03 Token 解法

传统方式：43 个工具，55,000 tokens，全塞进上下文 Tool Search：Agent 先描述需求，系统运行时搜索匹配工具，只把相关几个拉进来

  • 工具定义 token 消耗减少 85% 以上
  • 工具选择准确率不下降
  • 关键原则：按意图分组工具，别按 API 分（意图级工具 vs 细粒度工具） 效果：GitHub MCP token 消耗：32 倍差距 → 约 7 倍差距（从 44,026 tokens 降到 ~10,000 tokens）

解法二：程序化工具调用

核心思路：别让模型当搬运工，让它写代码

  • 工具返回结果不在直接丢回模型
  • 在代码执行沙箱里处理：Agent 可循环/过滤/聚合
  • 只把最终结果返回上下文 效果：复杂多步工作流减少约 37% token 消耗

综合效果

MCP vs CLI 成本：从 32 倍差距缩小到约 7 倍。

04 Cloudflare 的实践：代码编排模式

Cloudflare MCP 服务器覆盖约 2,500 个 API 端点。 传统方式：2,500 个端点工具定义全塞上下文 → 不现实 Cloudflare 做法：只暴露 2 个工具：

  • search：找到需要的 API

  • execute：在服务端沙箱里执行脚本 整个工具定义只占约 1K tokens。 模式本质：Agent 用 search 找到 API → 写一段简短脚本 → 通过 execute 在服务端沙箱跑 这个模式叫「代码编排」。 与 CLI + Skills 的异同：

  • 相同点：Skill 告诉 Agent「怎么干」，CLI 提供「用什么干」，Agent 写代码调用，中间数据不经过上下文

  • MCP 版本：把 CLI 的哲学搬进 MCP 协议，跑在云端，走 MCP 协议而非本地命令行 Anthropic 的真正意思：好的 MCP 服务器应该像 CLI 一样设计。

05 Skills 转正

Anthropic 明确定义了两者关系： | 角色 | 职责 | |------|------| | MCP | 管「能力」——让 Agent 能连上 Snowflake、Databricks、BigQuery | | Skills | 管「编排」——告诉 Agent 该怎么用这些连接完成具体任务 | 典型案例：Claude 数据插件 = 10 个 Skills + 8 个 MCP servers，覆盖 Snowflake、Databricks、BigQuery、Hex 等 新趋势：Canva、Notion、Sentry 等第三方服务商已发布 MCP 服务器同时附带 Skills MCP 社区动态：正在开发 Skills 直接从 MCP 服务器分发的扩展，API 升级时 Skills 自动更新版本 Peter 在播客的观点（被 Anthropic 间接认可）："MCP 推动了很多公司去做 API，这是好的。我现在可以看一个 MCP 然后把它做成 CLI。"

06 MCP 的真正地盘

三问题的 Anthropic 回答

社区批评 Anthropic 回答
schema 臃肿 Tool Search 减少 85%
不可组合 程序化调用，让 Agent 写代码处理
token 贵 代码编排模式（Cloudflare 2 工具覆盖 2500 端点）

发展图景

本地开发环境 → CLI + Skills（轻量、快速、上下文干净）
云端生产环境 → MCP + Skills（标准化、跨平台、认证完备）
简单场景     → 直连 API（别瞎折腾）
MCP 没有死：它并非万能方案，但正在成为云端 Agent 的标准化接入层。

深度分析

  1. MCP正在重演SSH的成功路径：SSH早期也被批评臃肿、复杂，最终凭借「标准化+安全+跨平台」成为服务器管理的王者。MCP的M×N问题催生了协议层的抽象需求，Tool Search本质上是把「连接器发现」从编译期搬到运行时，这是工程进化的必然而非妥协。
  2. 代码编排是Unix哲学的云端复兴：Pipe、Jq、CLI在本地被验证了几十年，Cloudflare的search+execute模式本质上把这套哲学搬到了云端。关键洞察：Agent不需要知道工具的完整schema，只需要知道「做什么」，search机制承担了「能力发现」的角色——这是工具设计的范式转变。
  3. Tool Search和程序化调用的Token下降可以叠加：85%（工具定义压缩）+ 37%（工作流优化）不是独立事件，而是作用于token消耗的不同阶段——前者影响初始上下文建立成本，后者影响多轮对话成本。两者叠加意味着MCP在复杂任务上的相对劣势已大幅收窄。
  4. 「意图分组」原则颠覆了工具定义逻辑：传统做法按API能力组织工具，Cloudflare案例证明应该按Agent意图分组——2个工具覆盖2500端点不是奇迹，而是把「怎么找到正确的API」这件事交给search机制，而不是让Agent在海量的细粒度工具中做选择题。
  5. MCP vs CLI的分野本质是「数据位置」而非「场景简单/复杂」：CLI适合有本地文件系统、数据不出墙的场景；MCP适合数据在远程、需要跨平台复用的场景。Skills解决「编排」问题，MCP解决「连接」问题，两者分工比竞争更准确。

实践启示

  1. 设计MCP服务器时，优先实现「搜索优先」接口：参考Cloudflare的search+execute模式，将大量细粒度API包装为2-3个高层次意图工具（search/find + execute/run），即使你的服务有数百个端点，工具定义也能控制在1K tokens以内。
  2. 将工具按「意图」而非「API」重新分组：在设计工具定义时，不要直接暴露内部API，而是先问「Agent想完成什么意图」，然后把对应的多个API调用封装为一个意图级工具。这样Tool Search才能真正发挥作用，否则搜索只能找到细碎的API而非有意义的工具组合。
  3. 对于涉及多工具的工作流，采用程序化调用而非直接反馈：在代码沙箱中处理工具返回的中间结果（循环、过滤、聚合），只把最终结果返回给模型上下文。这不是MCP特有的优化，而是代码编排模式的核心——模型应该指挥代码执行，而不是自己当搬运工。
  4. 用「每任务总Token消耗」而非「每工具Token消耗」评估工具效率：Tool Search减少了工具定义的token，但MCP的真正瓶颈是多轮对话中的中间结果反馈。评估时应该看完整任务的token消耗，才能看清楚代码编排模式是否真的带来了收益。
  5. 在本地开发和云端生产之间建立清晰的工具边界：如果你的团队同时有本地CLI工具和云端MCP服务，应该让它们各自做自己最擅长的事——CLI用于快速迭代和敏感数据处理，MCP用于跨环境一致性和第三方集成。别试图用MCP替代本地开发工具，这是在用错误的工具做正确的事。

相关链接

  • Anthropic 博客原文：https://claude.com/blog/building-agents-that-reach-production-systems-with-mcp

相关实体