Việc gỡ bỏ sự huyền bí của MCP là rất cần thiết, nhưng cũng đừng bỏ qua giá trị của nó như một công nghệ chuyển tiếp.
Tác giả: Haotian
Học được rằng, phân tích những khó khăn về MCP này rất chính xác, chạm vào những điểm đau, tiết lộ rằng con đường thực hiện MCP còn dài và không dễ dàng, tôi xin mở rộng thêm:
Vấn đề bùng nổ công cụ là có thật: Tiêu chuẩn giao thức MCP, sự tràn lan của các công cụ có thể kết nối đã trở thành một vấn đề lớn, LLM khó có thể lựa chọn và sử dụng hiệu quả quá nhiều công cụ như vậy, và không có một AI nào có thể thành thạo đồng thời tất cả các lĩnh vực chuyên môn, đây không phải là vấn đề có thể giải quyết chỉ bằng số lượng tham số.
2）Mô tả khoảng cách tài liệu: Vẫn còn một khoảng cách lớn giữa tài liệu kỹ thuật và sự hiểu biết của AI. Phần lớn tài liệu API được viết cho con người, không phải cho AI, thiếu mô tả có ngữ nghĩa.
3）Điểm yếu của kiến trúc giao diện kép: MCP là phần mềm trung gian giữa LLM và nguồn dữ liệu, vừa phải xử lý yêu cầu từ phía trên vừa phải chuyển đổi dữ liệu từ phía dưới, thiết kế kiến trúc này có nhược điểm bẩm sinh. Khi nguồn dữ liệu bùng nổ, logic xử lý thống nhất gần như không thể.
4）Cấu trúc trả về rất khác nhau: Tiêu chuẩn không đồng nhất dẫn đến định dạng dữ liệu bị rối loạn, đây không phải là vấn đề kỹ thuật đơn giản, mà là kết quả của sự thiếu hợp tác toàn ngành, cần có thời gian.
5）Cửa sổ ngữ cảnh bị giới hạn: Dù giới hạn token có tăng nhanh đến đâu, vấn đề quá tải thông tin vẫn luôn tồn tại. MCP xuất ra một đống dữ liệu JSON sẽ chiếm nhiều không gian ngữ cảnh, gây áp lực lên khả năng suy diễn.
6）Làm phẳng cấu trúc lồng ghép: Cấu trúc đối tượng phức tạp trong mô tả văn bản sẽ mất đi mối quan hệ phân cấp, AI khó có thể tái tạo sự liên kết giữa các dữ liệu.
7）Khó khăn trong việc liên kết nhiều máy chủ MCP: 「Thách thức lớn nhất là việc nối chuỗi các MCP lại với nhau rất phức tạp.」 Khó khăn này không phải là vô lý. Mặc dù MCP là một giao thức tiêu chuẩn thống nhất, nhưng thực tế là cách triển khai cụ thể của các máy chủ khác nhau lại không giống nhau, một cái xử lý tệp, một cái kết nối API, một cái thao tác cơ sở dữ liệu... Khi AI cần hợp tác giữa các máy chủ để hoàn thành nhiệm vụ phức tạp, thì điều đó giống như cố gắng ép các mảnh Lego, khối xếp hình và miếng nam châm lại với nhau.
8）Sự xuất hiện của A2A chỉ là khởi đầu: MCP chỉ là giai đoạn sơ khai của giao tiếp AI-to-AI. Mạng lưới AI Agent thực sự cần các giao thức hợp tác và cơ chế đồng thuận ở mức độ cao hơn, A2A có thể chỉ là một sự lặp lại xuất sắc.
Trên đây.
Những vấn đề này thực ra phản ánh sự đau đớn trong giai đoạn chuyển tiếp từ "thư viện công cụ" sang "hệ sinh thái AI". Ngành công nghiệp vẫn đang ở giai đoạn sơ cấp trong việc chỉ đưa công cụ cho AI, chứ không phải xây dựng cơ sở hạ tầng hợp tác AI thực sự.
Vì vậy, việc loại bỏ MCP là rất cần thiết, nhưng cũng đừng đánh giá thấp giá trị của nó như một công nghệ chuyển tiếp.
Chỉ chào mừng đến với thế giới mới.
Xem bản gốc
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
MCP đi vào thực tế còn nhiều gian nan, phải đối mặt với những khó khăn nào?
Tác giả: Haotian
Học được rằng, phân tích những khó khăn về MCP này rất chính xác, chạm vào những điểm đau, tiết lộ rằng con đường thực hiện MCP còn dài và không dễ dàng, tôi xin mở rộng thêm:
2）Mô tả khoảng cách tài liệu: Vẫn còn một khoảng cách lớn giữa tài liệu kỹ thuật và sự hiểu biết của AI. Phần lớn tài liệu API được viết cho con người, không phải cho AI, thiếu mô tả có ngữ nghĩa.
3）Điểm yếu của kiến trúc giao diện kép: MCP là phần mềm trung gian giữa LLM và nguồn dữ liệu, vừa phải xử lý yêu cầu từ phía trên vừa phải chuyển đổi dữ liệu từ phía dưới, thiết kế kiến trúc này có nhược điểm bẩm sinh. Khi nguồn dữ liệu bùng nổ, logic xử lý thống nhất gần như không thể.
4）Cấu trúc trả về rất khác nhau: Tiêu chuẩn không đồng nhất dẫn đến định dạng dữ liệu bị rối loạn, đây không phải là vấn đề kỹ thuật đơn giản, mà là kết quả của sự thiếu hợp tác toàn ngành, cần có thời gian.
5）Cửa sổ ngữ cảnh bị giới hạn: Dù giới hạn token có tăng nhanh đến đâu, vấn đề quá tải thông tin vẫn luôn tồn tại. MCP xuất ra một đống dữ liệu JSON sẽ chiếm nhiều không gian ngữ cảnh, gây áp lực lên khả năng suy diễn.
6）Làm phẳng cấu trúc lồng ghép: Cấu trúc đối tượng phức tạp trong mô tả văn bản sẽ mất đi mối quan hệ phân cấp, AI khó có thể tái tạo sự liên kết giữa các dữ liệu.
7）Khó khăn trong việc liên kết nhiều máy chủ MCP: 「Thách thức lớn nhất là việc nối chuỗi các MCP lại với nhau rất phức tạp.」 Khó khăn này không phải là vô lý. Mặc dù MCP là một giao thức tiêu chuẩn thống nhất, nhưng thực tế là cách triển khai cụ thể của các máy chủ khác nhau lại không giống nhau, một cái xử lý tệp, một cái kết nối API, một cái thao tác cơ sở dữ liệu... Khi AI cần hợp tác giữa các máy chủ để hoàn thành nhiệm vụ phức tạp, thì điều đó giống như cố gắng ép các mảnh Lego, khối xếp hình và miếng nam châm lại với nhau.
8）Sự xuất hiện của A2A chỉ là khởi đầu: MCP chỉ là giai đoạn sơ khai của giao tiếp AI-to-AI. Mạng lưới AI Agent thực sự cần các giao thức hợp tác và cơ chế đồng thuận ở mức độ cao hơn, A2A có thể chỉ là một sự lặp lại xuất sắc.
Trên đây.
Những vấn đề này thực ra phản ánh sự đau đớn trong giai đoạn chuyển tiếp từ "thư viện công cụ" sang "hệ sinh thái AI". Ngành công nghiệp vẫn đang ở giai đoạn sơ cấp trong việc chỉ đưa công cụ cho AI, chứ không phải xây dựng cơ sở hạ tầng hợp tác AI thực sự.
Vì vậy, việc loại bỏ MCP là rất cần thiết, nhưng cũng đừng đánh giá thấp giá trị của nó như một công nghệ chuyển tiếp.
Chỉ chào mừng đến với thế giới mới.