一、背景与核心事件
MCP（Model Context Protocol） 由 Anthropic 于 2024 年 11 月推出，旨在统一大模型与外部工具、数据源的连接方式，被比喻为“AI 世界的 USB-C”。
一年后（2026年），MCP 并未迎来庆祝，而是被多家头部公司放弃或拒绝。
关键转折点：
- Perplexity CTO Denis Yarats 于 2026 年 3 月宣布放弃 MCP，转向 API 和 CLI。
- OpenClaw（GitHub 上全球第一的开源 AI Agent 项目，创始人已加入 OpenAI）从一开始就不支持 MCP，改用 Skills 系统 + CLI。
网友评论普遍支持这一转向，认为“早该如此”。
二、MCP 的三个致命缺陷
1. 线性上下文成本
MCP 将每个工具的名称、描述、参数 Schema 全部注入 Agent 的上下文窗口。连接 10 个服务、每个 5 个工具，数千 Token 在任务开始前已被消耗。
- 社区反馈：仅一个 Playwright MCP Server 就占用 200K 上下文窗口的 8%。
- Anthropic 自己的工程博客也在探索用代码交互代替工具调用，Token 使用量从 150,000 降至 2,000。
2. 使用摩擦大
- 初始化地狱：配置错误、环境变量遗漏、端口冲突，需反复重启和清空。
- 认证疲劳：需频繁处理 GitHub Token、数据库密码、云服务 Key，且常失效。
- 权限粗糙：缺乏细粒度控制，如“只读”或“只查某张表”。
3. 安全黑天鹅
MCP 引入新的攻击面：Prompt Injection 可通过工具返回的数据注入恶意指令。相比之下，CLI 沙箱执行的命令完全可审计，安全性更高。
三、行业倒戈案例
1. Perplexity（估值 180 亿美元的 AI 独角兽）
在实际使用中遭遇上述所有问题，最终选择“止损”，放弃 MCP。
2. OpenClaw（GitHub 第一 AI Agent 项目）
从一开始就拒绝 MCP，采用 Skills 系统 + CLI。核心区别对比：
| 维度 | MCP | OpenClaw Skills |
|---|---|---|
| 加载方式 | 预加载所有工具定义 | 按需加载 |
| 上下文成本 | 线性增长 | 最小化 |
| 知识注入 | 只定义工具接口 | 还包含领域知识 |
| 底层执行 | JSON-RPC | CLI/API |
一句话总结：MCP 解决了“能连接”，Skills 解决了“会使用”。
3. 三巨头全部拥抱 CLI
2025 年，Anthropic Claude Code、Google Gemini CLI、OpenAI Codex CLI 几乎同时发布。它们都直接执行 Shell 命令，没有一个选择 MCP。
四、CLI 凭什么赢
1. 透明与可组合
CLI 下的每条命令清晰可见，例如：
kubectl logs -n prod deployment/api --since=1h | grep ERROR | sort | uniq -c | sort -rn | head -20五个简单命令通过管道串联，完成复杂日志分析。管道是数据在进程间直接流动，MCP 是数据在模型上下文里反复折叠。
2. LLM 天生会用
主流 LLM 在大量 man 手册、Shell 脚本、Stack Overflow 中训练过，天生擅长使用 git、curl、grep 等命令。调用 MCP 的 jira_get_issue 类工具（可能不在训练数据中），不如直接给模型一个 jira issue view 命令。
3. 执行即理解
- MCP：把工具能力描述给模型看。
- CLI：让模型直接执行。
描述永远有损，执行是最好的理解——模型跑一条命令，看输出，再调整下一步，形成高效的 REPL 循环。
五、MCP 的未来：不会死，但会下沉
类比历史演变：
| 类比 | “协议层” | “直接操作层” |
|---|---|---|
| Web 服务 | SOAP/WSDL | REST/HTTP |
| 容器编排 | Mesos/DCOS | Docker CLI + K8s |
| AI 工具 | MCP | CLI + Skills |
每次，更简单、更直接的方案都赢了开发者市场。MCP 仍可能在企业 IT 集成、统一鉴权审计、跨组织边界标准等场景中发挥作用。但对于开发者日常工具交互，CLI 已胜出。
六、建议
- 工具开发者：优先提供 CLI，写好 –help 和文档，支持管道。
- AI 应用开发者：终端优先，考虑 Skills 模式，MCP 作为后备。
- 普通开发者：学好 Shell，拥抱 CLI Agent，别囤 MCP Server。
七、总结观点
技术世界有一条规律：看起来“落后”的方案，往往比看起来“先进”的活得更久。REST 活过 SOAP，Docker CLI 活过 Mesos，原因相同：不需要你学习新东西，只是让你已经会的东西变得更强。
不需要 JSON-RPC，不需要 Schema，不需要 Server。你说一句话，Agent 在终端里帮你搞定。
终端，是人类与计算机对话的第一个界面。当 AI 真正成熟的那天，它可能也是最后一个。