ได้เรียนรู้แล้ว การวิเคราะห์ปัญหาเกี่ยวกับ MCP เหล่านี้มีความแม่นยำ ตรงจุด และเปิดเผยว่าการนำ MCP มาประยุกต์ใช้นั้นยากลำบาก และไม่ง่ายอย่างที่คิด ฉันจะขอขยายเพิ่มเติม:
1）ปัญหาการระเบิดของเครื่องมือเป็นเรื่องจริง: มาตรฐานโปรโตคอล MCP ทำให้เครื่องมือที่สามารถเชื่อมต่อได้มีมากมายจนเกินไป LLM จึงยากที่จะเลือกและใช้เครื่องมือจำนวนมากนี้ได้อย่างมีประสิทธิภาพ และไม่มี AI ใดที่สามารถเชี่ยวชาญในทุกสาขาวิชาได้พร้อมกัน นี่ไม่ใช่ปัญหาที่สามารถแก้ไขได้ด้วยจำนวนพารามิเตอร์
2）ช่องว่างของเอกสาร: ยังมีช่องว่างขนาดใหญ่ระหว่างเอกสารทางเทคนิคกับความเข้าใจของ AI เอกสาร API ส่วนใหญ่เขียนสำหรับมนุษย์ ไม่ใช่สำหรับ AI และขาดการอธิบายเชิงอรรถ.
3）จุดอ่อนของสถาปัตยกรรมสองอินเตอร์เฟส: MCP ทำหน้าที่เป็น middleware ระหว่าง LLM กับแหล่งข้อมูล ต้องจัดการกับคำขอจากต้นน้ำและแปลงข้อมูลจากปลายน้ำ การออกแบบสถาปัตยกรรมนี้มีข้อบกพร่องแต่กำเนิด เมื่อแหล่งข้อมูลมีการระเบิด การจัดการตรรกะเดียวแทบจะเป็นไปไม่ได้.
4）โครงสร้างที่ส่งกลับมีความแตกต่างกันอย่างมาก: มาตรฐานที่ไม่เป็นเอกภาพทำให้รูปแบบข้อมูลยุ่งเหยิง นี่ไม่ใช่ปัญหาทางวิศวกรรมที่ง่าย แต่เป็นผลจากการขาดการร่วมมือในอุตสาหกรรมโดยรวม ซึ่งต้องใช้เวลา.
5）ขอบเขตบริบทถูกจำกัด: ไม่ว่าจะมีการเติบโตของจำนวน token อย่างรวดเร็วเพียงใด ปัญหาข้อมูลล้นจะยังคงมีอยู่ MCP จะปล่อยข้อมูล JSON จำนวนมากซึ่งจะใช้พื้นที่บริบทจำนวนมาก ทำให้ลดทอนความสามารถในการอนุมาน.
6）การทำให้โครงสร้างซ้อนทับแบนราบ: โครงสร้างวัตถุที่ซับซ้อนในคำบรรยายข้อความจะสูญเสียความสัมพันธ์ของชั้น, AI ยากที่จะสร้างความสัมพันธ์ระหว่างข้อมูลขึ้นมาใหม่.
- ความยากลําบากในการเชื่อมต่อเซิร์ฟเวอร์ MCP หลายเครื่อง: “ความท้าทายที่ยิ่งใหญ่ที่สุดคือการเชื่อมต่อ MCP เข้าด้วยกันมีความซับซ้อน” ความยากลําบากนี้ไม่ได้ไร้เหตุผล แม้ว่า MCP จะรวมเป็นหนึ่งเดียวเป็นโปรโตคอลมาตรฐาน แต่การใช้งานเฉพาะของแต่ละเซิร์ฟเวอร์ในความเป็นจริงนั้นแตกต่างกันหนึ่งประมวลผลไฟล์หนึ่งเชื่อมต่อกับ API หนึ่งดําเนินการฐานข้อมูล เมื่อ AI จําเป็นต้องทํางานร่วมกันข้ามเซิร์ฟเวอร์เพื่อทํางานที่ซับซ้อนให้สําเร็จ ก็ยากพอๆ กับการพยายามบังคับเลโก้ อิฐ และแม่เหล็กเข้าด้วยกัน
8）A2A การปรากฏตัวเป็นเพียงจุดเริ่มต้น: MCP เป็นเพียงขั้นตอนเบื้องต้นของการสื่อสาร AI-to-AI. เครือข่าย AI Agent ที่แท้จริงต้องการโปรโตคอลการทำงานร่วมกันและกลไกการเห็นพ้องที่ระดับสูงขึ้น, A2A อาจเป็นเพียงการพัฒนาอันยอดเยี่ยมครั้งหนึ่ง.
เหนือ
ปัญหาเหล่านี้สะท้อนให้เห็นถึงความเจ็บปวดในช่วงการเปลี่ยนผ่านจาก “คลังเครื่องมือ” ไปสู่ “ระบบนิเวศของ AI” อุตสาหกรรมยังอยู่ในระยะเริ่มต้นที่เพียงแค่โยนเครื่องมือให้ AI แทนที่จะสร้างโครงสร้างพื้นฐานการทำงานร่วมกันของ AI อย่างแท้จริง.
ดังนั้น การขจัดเสน่ห์ของ MCP จึงเป็นสิ่งจำเป็น แต่ก็อย่ามองข้ามคุณค่าของมันในฐานะเทคโนโลยีชั่วคราวด้วย
ยินดีต้อนรับสู่โลกใหม่。
