Hacker News
The author argues that Anthropic's Model Context Protocol is unnecessary because LLMs are already proficient at using battle-tested command-line tools which offer better composability, debugging, and authentication.
AI 生成摘要
我認為 Anthropic 的模型上下文協定（MCP）已經走向終結，因為大型語言模型其實更擅長使用經過時間考驗的命令列工具，後者在組合性、除錯便利性及身分驗證上都更具優勢。
Anthropic 推出的模型上下文協定（Model Context Protocol, MCP）曾被視為讓大型語言模型（LLM）與外部工具溝通的新標準，但近期技術社群開始出現反思聲音。批評者認為，與其建立一套全新的複雜協定，不如回歸開發者早已熟悉的命令列介面（CLI），因為 LLM 在訓練過程中已吸收了海量的終端機操作知識，且 CLI 在可組合性與除錯便利性上具有天然優勢。
針對 MCP 是否走向終結，Hacker News 社群展開了激烈的辯論。支持回歸 CLI 的觀點認為，MCP 本質上是一種過度工程化的產物，許多開發者指出，簡單的 REST API 或現成的 CLI 工具就能達成相同目的，且後者在權限控管上更為細緻。例如，透過 shell 腳本，開發者可以輕易限制模型只能執行讀取指令，而 MCP 目前的權限模型往往過於粗放。此外，CLI 的透明度讓人類開發者能與 AI 使用相同的輸入與輸出進行同步除錯，避免了在 MCP 的 JSON 傳輸日誌中苦苦搜尋錯誤。
然而，另一派意見則強調 MCP 在非開發者場景下的不可替代性。對於不熟悉終端機操作的一般用戶，要求 AI 在其本地環境安裝並執行 CLI 工具存在極高的安全風險與操作門檻。MCP 提供了一種封裝良好的單元，能讓應用程式以更安全、標準化的方式連接到任意數據源。部分評論者提到，MCP 的 JSON-RPC 格式在權限與能力的單次請求中比傳統 CLI 更具標記（Token）效率，這在需要頻繁調用外部工具的代理人（Agent）架構中至關重要。
社群中也出現了折衷的看法，認為 MCP 與 CLI 並非互斥，而是工具調用的不同形式。有開發者分享了將 MCP 轉化為微服務並透過 sidecar 模式接入服務網格的經驗，認為這能結合兩者的優點：既能利用 MCP 的封裝性，又能讓代理人透過簡單的 curl 指令進行調用。儘管有人嘲諷 MCP 只是高層主管為了在投影片上增加「AI 優先」標籤的產物，但數據顯示支援 MCP 的企業數量仍在快速增長。最終，這場爭論反映了 AI 工具鏈的演進方向：究竟是該讓 AI 適應人類既有的基礎設施，還是為 AI 量身打造一套全新的溝通標準。
在討論中被提及的相關工具與資源包括：