推出了四个MCP后，我们发现MCP的落地速度已经赶不上吹牛速度

Zilliz Planet

于 2025-07-08 18:35:16 发布

阅读量668

点赞数 23

CC 4.0 BY-SA版权

最近半年，MCP（Model Context Protocol）成了AI圈里的热词，写文案、画图、调代码，各种视频演示天花乱坠、社交平台上热度也居高不下。

甚至有人会问，借助MCP以后是不是完全不用掌握任何专业操作，就能在生产场景使用Zilliz Cloud或者Milvus了？

在我们内部推出了四个MCP产品，也成为MCP的深度用户之后，我们的答案是，有这个可能，但不是现在。

四个MCP的链接如下：

Zilliz MCP Server项目地址：

https://github.com/zilliztech/mcp-server

教程链接：见本文最后

mcp-server-milvus项目地址:

https://github.com/zilliztech/mcp-server-milvus

CodeIndexer项目地址:

https://github.com/zilliztech/CodeIndexer

当前的MCP工具体系，在80%的情况下，都不适合用在实际的专业级生产（至于20%的例外是什么，我们会在后文详细解读）。

接下来，我们会结合我们的观察总结以及我们在Zilliz MCP 的实践来做一个分析。

01 为什么说MCP短期被过度炒作了？

这里我们先照例科普一下什么是MCP。

MCP即Model Context Protocol（模型上下文协议），是一种客户端-服务器的开放架构。可以理解为给大模型与工具都加上了标准化接口，从而实现一次开发，多个工具和模型兼容。过去为N个模型接入M个服务对接需要N*M次开发，通过MCP，可以只要N+M次开发就能解决问题。

这种接口标准化带来的优势很明确：开发成本降低，大模型的工具使用能力增加，过去一些繁琐专业的操作，可以借助大模型以自然语言交互的方式来完成。

看起来很完美。

但现实中，MCP距离落地专业生产场景，尤其对于那些对精确操作和强鲁棒性有要求的工业级工具链，仍有不小距离。

举几个现实中的例子就知道问题所在了：

机械设计中的SolidWorks：通常来说，在SolidWorks中设计一个复杂的联动组件，会涉及零件约束、干涉校验和参数关联，每一步的精准操作都至关重要。但很显然，让大模型配合MCP来进行建模和调参，模型或许可以理解这些术语，但很难精准地复现设计意图。
芯片设计的EDA流程：从RTL到后端物理实现，这一过程中涉及到数十个工具的串联，时序、功耗、面积等目标的多维优化，每一步都依赖着工程师的微操。这时候，MCP和大模型的结合能理解这些工具之间的因果链条，做实时的调优吗？答案是否定的。
RAG中的向量数据库应用：看起来，我们只要让大模型创建集合，然后查找就能完成任务。但问题是，创建多大的集合，选型有容量型、均衡型多种类型，到底用哪一个？

一方面，模型本身对于人类意图的精准理解，仍有局限，且对高质量提示词有相当大的依赖。

另一方面，专业软件背后是行业积淀与大量“know-how”的结果，其操作命令、按钮、操作逻辑本身已经包含了大量高级抽象，自然语言很难超越，大模型往往知其然（按钮的作用）却不知其所以然（如何组合按钮与参数给出最优组合排列）。

更直白来说，MCP本身很好，但大模型在精准理解人类意图环节就出了问题，或者大模型本身在执行过程中有幻觉，那MCP自然也无法满足需求。

既然排除了短期内用MCP完成精密复杂操作的可能性，那么，MCP当下的甜蜜点在哪里？

在我们看来，满足以下两个条件之一的MCP工具链会更早爆发：

而满足以上特点的场景，以下三种是典型代表：

创意挖掘、思路启发，比如：让大模型-MCP-工具，生成100个创意图，给创作者带来一些启发（结果混沌类型）。
可批量交付的简单场景，比如：让大模型-MCP-工具，挖掘全网最火的文章或者服装，提炼关键词（过程与结果唯一）。
复杂工具的轻度交互或快速上手体验，比如：Zilliz Cloud、PS、AE等专业工具，用户可以通过自然语言生成脚本、配置模板，降低学习门槛（结果混沌类型）。

总而言之，我们可以将MCP工具链当成一个24小时无休执行力超强的行业入门级实习生。至于专业级操作，还是需要专业的人来完成。