为什么大厂突然放弃MCP？

大家好，我是陈哥。

最近AI圈又有了新变化，MCP口碑开始发生反转。包括Perplexity CTO、Y Combinator核心团队在内的一众行业大佬，都公开表态要放弃MCP，优先采用CLI+API的轻量化方案开发Agent。

为什么大家从使用MCP转向使用CLI？两种方案到底适合什么场景？普通开发者该怎么选？

本篇文章过长，建议大家收藏后观看。

一、MCP和CLI是什么？

MCP（Model Context Protocol），简单理解就是一套AI工具调用的统一标准协议。它的初心很好，就是想做一套通用中间层，不管什么工具，只要接入MCP，大模型就能统一识别、调用和管理，主打“一次接入、全域通用”。

CLI（命令行工具），就是大家最熟悉的传统命令行模式。它可以直接通过指令调用工具并执行脚本，从而完成交互。

理论上，大家应该更倾向于去使用MCP而不是CLI。

二、为什么大家不再用MCP了？

Scalekit进行了75个基准测试，发布了一份benchmark报告：使用统一模型（Claude Sonnet 4），MCP的成本比CLI最多高出32倍。

严重的Token浪费，这是第一个也是最主要的原因。

MCP为了实现所谓的全量标准化，会强制把所有工具的完整定义、参数描述、身份验证流程、协议规范等，全部加载进大模型上下文中。

哪怕你只需要用到一个简单的查询功能，系统也会加载整套工具库的全部数据。

在Scalekit的实验中，对于执行“这个仓库是什么语言”这个简单的任务，CLI只需要1,365个Tokens，但MCP需要44,026个。

MCP每次对话都要注入43个工具定义，就相当于每次开门，都要把整栋房子的结构图全部看一遍。工具越多、场景越复杂，Token浪费的问题就越严重。

第二个原因是架构冗余复杂，开发运维成本极高。

MCP不是简单接口对接，原本用CLI一行命令就能搞定的操作，接入MCP后，需要搭建服务、配置协议等，开发工作量直接翻倍。

我身边有开发说，用MCP开发，80%的时间都在维护协议和服务，只有20%的时间在做核心业务。

它就像一套过度繁琐的行业标准手册，想要拧一颗螺丝，就得先通读整本手册，严重拖累开发效率。

而且MCP没有统一安全体系，每新增一个MCP服务，开发者都要重新做一遍账号、权限、密钥校验，每个服务单独维护一套身份权限。

这不仅增加开发负担，还会埋下大量安全隐患，完全违背了简化开发的初心。

第三个原因是存在原生架构安全漏洞，无法根治。

OWASP中国发布的MCP安全白皮书指出，MCP存在模型错误绑定、上下文欺骗、提示状态操纵、不安全的内存引用以及隐蔽信道滥用等问题。在涉及智能体AI、模型链、多模态编排和动态角色分配的场景中，这些风险会更加显著。

换句话说，攻击者可以篡改上下文内容，诱导 Agent 越权执行高危操作。这个风险根植于协议底层，无法通过简单配置或者版本更新修复，对于企业级Agent应用来说，是绝对无法容忍的隐患。

三、那是不是MCP彻底没用了？

MCP的适用场景只是被压缩了，但只要开发场景合适就可以用MCP。

这里给大家一句好记的选型准则：小规模重效率，选CLI；大规模重规范，选MCP。

接下来，我想讲讲日常开发中，大家容易踩的三个选型错误，帮大家精准避坑，实现两种工具的最优搭配。

错误 1：简单场景强行用 MCP

明明是普通简单的任务，用CLI就可以高效完成，开发者却硬要接入MCP服务器。

举个典型的例子：

当你用 MCP 服务器执行一个简单的任务时，哪怕你只需要用到S3功能，MCP也会在正式执行任务前，一次性将 4万 -8 万个Token都写入 AI 的上下文中。

在多步骤任务中，这个问题会被无限放大，直接压缩AI的的推理空间。一旦上下文被填满，AI仅调用 3-4 次工具，就会遗忘之前的操作步骤，出现逻辑断层。

此外，MCP 服务器采用远程运行模式。一方面，会出现TCP 超时、冷启动问题，导致任务执行过程中失败。

另一方面，规模化后，成本差异会非常显著：MCP 在 1 万次操作的情况下每月成本约为 55 美元，而 CLI 执行同等 GitHub 任务的成本仅为 3 美元。

所以，对于任何自带成熟官方 CLI 的工具，开发人员可以统一用 CLI 和 Skill 文件替换 MCP。

错误 2 ：专业合规场景误用 CLI

CLI一般使用预配置好的共享密钥凭证，并不适配多租户SaaS产品架构。简单来说，所有用户的AI会共用一套账号身份，会出现 A用户误操作干扰 B用户的数据的风险。

而且CLI也没有针对每个用户的审计跟踪，不满足一些企业的合规要求。HIPAA、PCI-DSS 和 SOC 2 要求记录“谁在什么时候做了什么”，而原始 CLI 根本无法回答这个问题。

因此，面向客户的业务流程或者高合规要求的集成场景，建议统一使用MCP。

四、为什么大家一夜间都在用CLI？

CLI之所以会成为当下AI Agent开发的主流选择，是因为它适配现阶段大家的需求：

    • CLI比较轻量化，按需调用、即用即走，大幅降低推理成本和响应延迟。
    • CLI可调试性拉满。作为沿用数十年的开发模式，CLI的日志、报错、排查链路极其完善，出问题能快速定位修复。
    • CLI可组合性极强。开发者可以自由组合指令来适配业务场景，更贴合一线落地场景。

最后，技术永远是实用主义至上，能用最简单的方式解决问题，就绝不叠加复杂架构。

你现在更喜欢用MCP还是CLI？欢迎在评论区聊聊你的真实体验。