É muito necessário desmistificar o MCP, mas também não devemos ignorar o seu valor como tecnologia de transição.
Escrito por: Haotian
Aprendi que a análise das dificuldades relacionadas ao MCP está bastante precisa, atinge o ponto crítico e revela que a implementação do MCP é um caminho longo e não tão fácil. Deixe-me expandir um pouco mais:
O problema da explosão de ferramentas é real: o padrão do protocolo MCP leva a uma proliferação de ferramentas que podem ser conectadas, e o LLM tem dificuldade em selecionar e usar efetivamente tantas ferramentas, além de que nenhum AI pode ser especialista em todas as áreas profissionais ao mesmo tempo; isso não é um problema que a quantidade de parâmetros pode resolver.
2）Descrição da lacuna documental: ainda existe uma grande lacuna entre a documentação técnica e a compreensão da AI. A maior parte da documentação da API é escrita para humanos, não para AI, carecendo de descrição semântica.
3）A fraqueza da arquitetura de dupla interface: o MCP, como middleware entre o LLM e a fonte de dados, precisa lidar tanto com solicitações a montante quanto com a transformação de dados a jusante, o que torna esta concepção de arquitetura intrinsecamente deficiente. Quando a fonte de dados explode, é quase impossível ter uma lógica de tratamento unificada.
As estruturas de retorno variam imensamente: a falta de uniformidade nos padrões leva a uma confusão nos formatos de dados, o que não é um simples problema de engenharia, mas sim o resultado da ausência geral de colaboração na indústria, que requer tempo.
Janela de contexto limitada: independentemente de quão rapidamente o limite de tokens cresce, o problema da sobrecarga de informações sempre existe. O MCP gera uma grande quantidade de dados JSON, o que ocupa muito espaço de contexto e comprime a capacidade de raciocínio.
6）Flattening of nested structures: Complex object structures may lose hierarchical relationships in textual descriptions, making it difficult for AI to reconstruct the associations between data.
A dificuldade de conectar vários servidores MCP: "O maior desafio é que é complexo encadear MCPs juntos." Essa dificuldade não é infundada. Embora o MCP como protocolo padrão seja unificado, na realidade, as implementações específicas de cada servidor são bastante diferentes, um processa arquivos, outro conecta-se a APIs, outro opera bancos de dados... Quando a IA precisa colaborar entre servidores para completar tarefas complexas, é tão difícil quanto tentar juntar Lego, blocos e peças magnéticas.
A aparição do A2A é apenas o começo: o MCP é apenas a fase inicial da comunicação AI-to-AI. Uma verdadeira rede de Agentes de IA requer protocolos de colaboração e mecanismos de consenso de nível superior; o A2A pode ser apenas uma iteração excelente.
Acima.
Esses problemas refletem, na verdade, as dores do período de transição da IA de "biblioteca de ferramentas" para "sistema ecológico de IA". A indústria ainda está presa na fase inicial de simplesmente entregar ferramentas à IA, em vez de construir uma verdadeira infraestrutura de colaboração em IA.
Portanto, é necessário desencantar o MCP, mas também não devemos subestimar o seu valor como tecnologia de transição.
Apenas bem-vindo ao novo mundo.
Ver original
O conteúdo serve apenas de referência e não constitui uma solicitação ou oferta. Não é prestado qualquer aconselhamento em matéria de investimento, fiscal ou jurídica. Consulte a Declaração de exoneração de responsabilidade para obter mais informações sobre os riscos.
MCP a caminho está cheia de dificuldades, quais são os desafios que enfrenta?
Escrito por: Haotian
Aprendi que a análise das dificuldades relacionadas ao MCP está bastante precisa, atinge o ponto crítico e revela que a implementação do MCP é um caminho longo e não tão fácil. Deixe-me expandir um pouco mais:
2）Descrição da lacuna documental: ainda existe uma grande lacuna entre a documentação técnica e a compreensão da AI. A maior parte da documentação da API é escrita para humanos, não para AI, carecendo de descrição semântica.
3）A fraqueza da arquitetura de dupla interface: o MCP, como middleware entre o LLM e a fonte de dados, precisa lidar tanto com solicitações a montante quanto com a transformação de dados a jusante, o que torna esta concepção de arquitetura intrinsecamente deficiente. Quando a fonte de dados explode, é quase impossível ter uma lógica de tratamento unificada.
As estruturas de retorno variam imensamente: a falta de uniformidade nos padrões leva a uma confusão nos formatos de dados, o que não é um simples problema de engenharia, mas sim o resultado da ausência geral de colaboração na indústria, que requer tempo.
Janela de contexto limitada: independentemente de quão rapidamente o limite de tokens cresce, o problema da sobrecarga de informações sempre existe. O MCP gera uma grande quantidade de dados JSON, o que ocupa muito espaço de contexto e comprime a capacidade de raciocínio.
6）Flattening of nested structures: Complex object structures may lose hierarchical relationships in textual descriptions, making it difficult for AI to reconstruct the associations between data.
A dificuldade de conectar vários servidores MCP: "O maior desafio é que é complexo encadear MCPs juntos." Essa dificuldade não é infundada. Embora o MCP como protocolo padrão seja unificado, na realidade, as implementações específicas de cada servidor são bastante diferentes, um processa arquivos, outro conecta-se a APIs, outro opera bancos de dados... Quando a IA precisa colaborar entre servidores para completar tarefas complexas, é tão difícil quanto tentar juntar Lego, blocos e peças magnéticas.
A aparição do A2A é apenas o começo: o MCP é apenas a fase inicial da comunicação AI-to-AI. Uma verdadeira rede de Agentes de IA requer protocolos de colaboração e mecanismos de consenso de nível superior; o A2A pode ser apenas uma iteração excelente.
Acima.
Esses problemas refletem, na verdade, as dores do período de transição da IA de "biblioteca de ferramentas" para "sistema ecológico de IA". A indústria ainda está presa na fase inicial de simplesmente entregar ferramentas à IA, em vez de construir uma verdadeira infraestrutura de colaboração em IA.
Portanto, é necessário desencantar o MCP, mas também não devemos subestimar o seu valor como tecnologia de transição.
Apenas bem-vindo ao novo mundo.