本文探讨了MCP（多模态能力插件）在实际应用中的体验变化。作者黄叔曾深度参与MCP开发，但近期使用频率降低。文章通过案例分析，展示了MCP的强大功能，如自动化任务执行和多模态内容生成，同时也指出了其面临的挑战，包括安装复杂、依赖特定环境、产品封装局限以及生态维护问题。尽管如此，作者仍认为MCP是通往AGI（通用人工智能）的必经之路，具有重要的战略意义。

主体就三个要点：

1.MCP太爽了

2.MCP太难了

3.MCP很重要

那故事要从黄叔马上会开源的第一个产品说起，是的，黄叔打算用一年时间开源20个产品！欢迎大家先关注起来。

01 全自动群聊内容总结

这是个啥呢？我们可能不少朋友见过别人在群里发各种群聊日报，是的，黄叔把这件事情用一个产品做了全自动：

1.可以针对每个不同的群聊定制总结Prompt（总结出来的可视化网页见上右图）；

2.支持一键批量总结多个群聊；

3.支持定时自动总结群聊；

这套产品实现的基础是Chatlog，我们今天的主题要从这个Chatlog开始讲起：

Chatlog是什么？简单说我们的微信本地数据库是会加密的，Chatlog 相当于一把钥匙，有了它我们才能更方便的取到微信聊天记录。

它提供了API和MCP两种方式：

黄叔最早是用 MCP 来接入的，但到后面，我转去了用它的 API。 也是先体验到了MCP的爽，然后才意识到MCP的难！

这里黄叔先埋个勾子，下面先来说说 MCP 的爽，然后提到 MCP 的难的时候，我会再 callback 回来讲讲为什么我用 Chatlog 的 API 而不是 MCP，大家在那个时间点就会更加理解了。

一、MCP的爽！

首先是流量，我们会发现MCP从2月底开始起量，到Manus进一步带火，一直到现在，MCP的微信指数都可以维持在一个很高的位置：

这说明公众和大厂对于MCP都是有共识的。

这里为了让大家理解MCP的爽，我再抽两个案例来说说哪里爽了；

案例1：用高德地图MCP，智能寻找”中间点”咖啡馆

痛点：和朋友约在两人都方便的中间地点，结果因为地名相似（”环宇荟”与”北城汇”）而跑错地方，尴尬得想找个地缝钻进去。

MCP解决方案：我只需告诉AI”我在哪，朋友在哪，帮我们找个中间位置、方便停车的咖啡馆”。然后AI就像个尽职的私人助理：

1.自动规划任务

2.调用高德地图MCP查询两个起点的精确坐标

3.计算出地理中点的经纬度

4.再次调用MCP，以中点为圆心，搜索半径5公里内所有咖啡馆

5.根据”好停车”等要求进行筛选排序

6.最终生成可视化网页，包含推荐咖啡馆列表

这个过程，MCP将一个复杂的多步骤现实问题，分解并自动化执行。

对比起来，如果没有MCP，这个问题大模型只能通过搜索来获取答案，因为拿不到具体的经纬度，AI就只能给出一个模糊的答案，这也是过去旅行规划一直做不好的一个重要原因。

案例2：三句话搞定”论文解读音频网站”

痛点：阅读长篇论文简直是种折磨，效率低到让人想哭。

MCP解决方案：我把论文链接丢给AI，然后只说了三句话，它就：

1.自动理解论文，生成摘要和章节目录

2.调用网页生成工具，创建可视化网站框架

3.遍历每个章节，生成文字解读稿，再调用MiniMax的语音合成MCP将文字转化为音频

4.将生成的音频链接嵌入网页，最终形成一个带目录、可跳转、可收听的论文解读网站

这个网站不仅能解读论文，甚至可以自动上网检索”任嘉伦新剧”的相关信息，生成图文并茂的音频资讯站。MCP就像超级胶水，将不同厂商的能力无缝粘合，创造出全新应用。

看视频：

同样，Claude和ChatGPT本身是无法生成音频的，所以音频的生成是需要依赖外部的MCP来获得。

从两个示意流程图可以看到，通过 MCP，可以做到原来单纯大模型做不到的事情。 然后Coding的工作量还变少了对吧！

那为何黄叔现在用的越来越少了？这就不得不说，MCP的难：

二、MCP的“难”

MCP如此强大，为何我又说用得少了？因为理想和现实之间，还有一条巨大的鸿沟

痛点一：安装部署复杂，技术要求高

对非技术”小白”用户，MCP的安装、配置和环境依赖（特定IDE、配置Server等）简直是”天书”。这直接把大多数普通用户拒之门外，就像在健身房门口放了个“先完成铁人三项才能进来锻炼”的牌子。

痛点二：依赖IDE或MCP Client

MCP的使用，是必须有MCP Client来Run的，对应的就是Cursor、Winsurf、Trae这类的IDE，或者是ChatWise这类，再不然就是得Agent。

总之，想快速使用MCP，意味着你得先有上面的前置环境。

痛点三：封装产品的局限性与底层模型依赖

即便使用已封装好的商业产品（如MiniMax Agent、扣子空间、纳米AI超级智能体等），MCP也只是其能力库中的一个工具。Agent对任务的规划路径具有不确定性，这意味着你每次运行，它选择的工具和步骤可能都不同，导致结果不稳定，难以满足精确的定制化需求。就像让一个三岁小孩帮你买菜，他可能带回来冰淇淋而不是蔬菜。

并且也依赖底层模型能力，不同的底模执行的效果也大相径庭，因为看前面的流程，除了MCP运行，还有大量其他工作是需要模型处理的。

现在可以CallBack回一开始说的Chatlog，如果我想用它，意味着我必须得打开Cursor，每次都要输入一遍自然语言，或者是提前准备好一个todo.md文件，受限于模型的上下文，也不方便一次做到多个群聊的总结，更做不到全自动总结。

还意味着，如果我想让更多朋友用，他们也需要提前安装Cursor？这显然不方便。

于是我用它的API，直接封装出一个网页，每一个不熟悉AI的人也可以对着网页，点一下就配置完了，每天也可以自动的给你分析出来。

这就是差别！

痛点四：好的MCP太少，非官方的MCP又会面临维护不及时的情况

优质插件非常稀缺：虽然在魔搭（ModelScope）这样的平台上MCP数量众多，但真正称得上”精品”的寥寥无几。这就像一个巨大的美食城，但真正好吃的店铺只有那么几家。生态的繁荣，需要更多高质量开发者参与建设。

分享的最后，魔搭也发起了MCP挑战赛，有奖金啥的，主持人也是又Cue回了黄叔，说希望能有更多黄叔觉得好的MCP出来，汗！

不过如果大家有好的MCP，也确实欢迎找我，给你好好地写一篇：）

个人维护难以为继：许多优秀MCP出自个人开发者，这带来一个致命问题——维护性。例如，我曾非常依赖一个”微信读书MCP”，它可以抓取我在微信读书App里的所有划线和笔记，并生成总结报告。但只要微信读书接口一更新，这个插件就立刻失效。由于是个人项目，开发者可能没精力或意愿跟进维护，导致这个优秀工具瞬间”阵亡”。

三、MCP的”重要”：通往AGI的必经之路

尽管面临重重困难，但我依然坚信，MCP是AI发展中不可或缺、至关重要的一环。

我们可以用一个形象的比喻来理解：

大模型是”大脑”：负责思考、理解和规划。

MCP是”手和脚”：负责执行大脑的指令，调用各种工具去完成物理世界或数字世界中的具体任务。

没有MCP，AI就永远只是一个被困在数字空间里的”大脑”，无法真正动手做事。就像一个聪明绝顶但四肢瘫痪的天才，再多的知识也难以改变现实世界。MCP的生态，就是AI能力的储备库，每一个强大的MCP，都代表着AI在某个垂直领域解锁了一项新技能。

结语：MCP的现在与未来

目前，我们正处在MCP发展的初期阶段。它就像一个潜力无限但略显笨拙的少年，一方面让我们惊叹于其展现的强大能力，另一方面又让我们为其生态的不成熟而感到困扰。

因此，在现阶段，对于追求稳定和易用性的应用场景，直接调用成熟的API或许是更优解。但这并不妨碍我们对MCP的未来抱有最高度的期待。因为只有当MCP的生态足够繁荣、足够健壮时，AI才能真正地”手脚并用”，成为我们生活中无所不能的超级助理。