先看一个数字。
111,713。
一位开发者八月下旬晒出来的账单,单位是 token.
他给自己的 Claude Code 装了 10 个 MCP 服务器。GitHub,Slack,Google Drive,Notion,Postgres,能装的全装上了。
然后他发现一件邪门的事,对话总是在第 15 条消息左右死掉.模型开始忘事,工具开始报错,回答越来越糊,最后糊成一锅粥。
他第一反应是怪自己,聊太多,上下文太长了。
于是他用 tiktoken 一个个去量。量完,他沉默了。
系统提示词,8,000 token。10 个服务器的工具定义,111,713 token。他自己敲下的第一句话,50 token.
也就是说,一个字还没说,200K 的上下文窗口已经被吃掉六成。
完整的账单一共十项,摘几行给大家感受下。
服务器 装它的理由 吃掉的 token 一周实际用了几次 Google Drive 读文档 47,293 1 Slack 读消息 14,672 0 Notion 知识库 13,780 2 GitHub 审代码看 PR 12,440 3 Filesystem 文件操作 3,847 15
盯着最后一列看。
Slack 装了一周,使用次数为 0,照样先吃掉 14,672 token。Google Drive 用了 1 次,吃掉 47,293,一次 4 万 7,抢钱都没这么狠.他算了笔账,一年光白烧在这些闲置工具定义上的钱,2,500 美元.
帖子底下瞬间炸出一堆同病相怜的人。有人说,我删掉 6 个服务器之后,对话从 15 条续命到 40 多条。还有人灵魂发问,GitHub 的 MCP 要 1.2 万 token,可 Claude Code 本来就内置了 gh 命令,我当年装它干嘛。
所以模型变笨了吗?
没有,模型一直坐在那儿。
只是它的脑子,在你开口之前,就已经被塞满了.
这事值得从头讲一遍。因为把时间线拉长你会发现,AI 圈这三年折腾的 function call,MCP,Skills,表面看是三次技术升级,底层其实是同一个问题被翻来覆去地求解。
那个问题就是,上下文窗口,是这个世界上最贵的地产。
01 先给模型装上手2023 年 6 月之前的开发者,日子过得相当憋屈.
那时候想让模型查个天气,下个订单,得在提示词里好言相劝,请你务必只输出 JSON 格式。模型心情好,给你吐一段标准的。心情不好,给你一段散文,开头还带一句好的,以下是您要的结果.
开发者只能在前面挂正则一层层剥,剥到怀疑人生。
2023 年 6 月 13 日,OpenAI 把 function calling 正式做进 API。你递给模型一份函数清单,模型自己判断该调哪一个,返回一段结构化参数,格式稳得像 ATM 吐钞。
从那天起,模型有了手.
效果立竿见影.此后一年,tool calling 成了各家大模型 API 的标配,agent 这个物种从概念 Demo 一路走进生产环境。所有人都激动于同一件事,模型能干活了。
但很快,新的麻烦浮出水面。
手是有了,可每只手都得单独接神经。你的应用想接 10 个工具,就要写 10 套对接逻辑。市面上有 M 个应用,还有 N 个工具,理论上就得有人写 M×N 套胶水代码。
全世界的工程师,都在写重复的胶水.
谁受得了这个。
02 AI 界的 USB-C于是,2024 年 11 月 25 日,Anthropic 拍出了答案。一个开源协议,Model Context Protocol,江湖人称 MCP.
图片来自 Anthropic 官方公告
官方的讲法很朴素。以前每个数据源都要单独定制集成,现在一个协议全打通。圈内给它起了个外号,AI 界的 USB-C,什么设备都能插,插上就能用。
原理不复杂。工具方把能力包装成 MCP server,应用方做成 client,中间一个标准接口.过去 M 个应用乘 N 个工具,等于 M×N 套胶水.现在变成 M+N 份实现,接入成本断崖式下降。
插头统一了,故事到这里听起来很圆满。
接下来一年,剧本走向狂飙。2025 年 3 月,OpenAI 宣布 Agents SDK 接入 MCP,死对头亲自用了起来。4 月,Google 跟进。12 月,Anthropic 干脆把 MCP 捐给 Linux 基金会,拉上 OpenAI 和 Block 一起成立基金会,Google,微软,亚马逊,彭博全部站台。
到今年 7 月,MCP 的 SDK 月下载量突破 4 亿次,一年翻了 4 倍,各家目录收录的服务器加起来超过 17,000 个.
教科书式的完美结局。标准统一,生态繁荣,大家从此幸福地生活在一起。
可惜,工程的世界没有童话.
MCP 统一的是插头,没人追问一句,每插上来一个插头,都要在模型的脑子里占一个座位。
而脑子里的座位,从来就是有限的.
03 上下文的物理学很多人对上下文窗口有个天真的误解,以为 200K 的窗口就是一个 200K 的大仓库,塞多少进去都能用。
真相分三层,一层比一层残酷.
第一层,窗口在开场就会被吃掉一大块。
开头那张 111K 的账单之外,还有更狠的.一位开发者在 Claude Code 的 GitHub issue 里晒过实测,连 7 个 MCP 服务器,开工前先烧 67,300 token,占掉 200K 窗口的三分之一。其中光 GitHub 一家就 1.8 万,哪怕这个会话压根不碰 GitHub.另有一个数据库服务器,106 个工具,光初始化就 54,600 token。
Anthropic 自己也认账。官方工程博客给过数字,58 个工具的定义,5.5 万 token,对话还没开始就没了.他们内部见过的极端案例,工具定义先吃掉 13.4 万。
你以为给模型的窗口是 200K,它真正能用的,可能只剩一半.
这还只是第一层。
第二层,注意力是零和游戏。
Transformer 的注意力机制,可以理解成一盏聚光灯。灯光总量是恒定的,台上站的人越多,每个人分到的光就越暗。token 翻倍,每个 token 头上的光就减半。
2023 年斯坦福那篇著名论文给这个现象起了名字,lost in the middle,迷失在中间。把关键信息放在上下文的开头或结尾,模型答得漂亮.放到中间,准确率暴跌 30% 以上,画出来是一条 U 型曲线。头尾清楚,中间糊涂。
更扎心的结论在 2025 年 7 月。向量数据库公司 Chroma 发了一份研究报告,题目就叫 context rot,上下文腐烂。
图片来自 Chroma 技术报告,四个旗舰模型在重复单词任务上随输入变长集体退化,完整报告测了 18 个模型
他们测了 18 个主流模型,GPT-4.1,Claude 4,Gemini 2.5,Qwen3,一个不落。任务刻意设计得极其简单,按理说闭着眼都能做对.结果 18 个模型无一幸免,输入越长,成绩越差,而且从第一个长度档位就开始退,退得悄无声息。
看上面那张图.旗舰模型在重复单词这种小学生任务上,随着输入变长,分数齐刷刷滑向地板。
所以窗口标称 200K,不等于可用 200K.行话叫 effective context,有效上下文,真实数字远比广告页小。
第三层,滑动窗口会把你挤出去。
多轮对话聊着聊着窗口满了,怎么办。客户端开始压缩,摘要,截断,丢掉旧内容,给新的腾地方。这就是滑动窗口,也是无数人噩梦的开始。
有人翻出 Claude Code 的 issue 区抱怨,CLAUDE.md,规则文件,记忆索引,技能清单,MCP 的 schema,每一轮都原样重发一遍.压缩还往往拖到窗口用到六七成才启动,在那之前,token 已经按轮计费地烧掉了。
Reddit 上一位网友的形容流传最广,前十步是天才,窗口一满,agent 就开始漂移.像一条金鱼,游两圈就忘了自己要去哪儿。有研究团队拿 20 万轮模拟对话测过多轮效应,性能平均掉 39%,输出不可靠程度涨 112%。
三层叠在一起,就复现了开头那一幕。工具定义先吃掉半个窗口,剩下的对话在注意力稀释里越聊越糊,滑动窗口再把最早的关键指令挤出去。最后连工具都选不准了,国外一份技术核查报告给过对比数字,工具集精简时模型选对工具的概率有 43%,工具塞爆之后只剩 14%。
八次里错七次,这活没法干。
于是 AI 圈给这门新学问起了名字,context engineering,上下文工程。Karpathy 的定义被引得最多,用刚好够用的信息,喂饱模型的下一步。Shopify 的 CEO Tobi Lutke 说得更直接,prompt engineering 这个词可以退休了,核心手艺从来都是给模型搭好上下文。
记住这个词。因为下一场革命,就是冲着它来的。
04 先上菜单,再进厨房2025 年 10 月 16 日,还是 Anthropic,发布了 Agent Skills。
先看它长什么样,简单到让人怀疑人生.
图片来自 Anthropic 官方工程博客
一个 Skill 就是一个文件夹,里面躺着一个 SKILL.md。文件开头几行元数据,名字加一句描述。正文是详细说明,旁边可以挂脚本和参考文件。
没有协议,没有服务器,没有握手。就这么朴素。
真正的杀招在加载方式,官方术语叫 progressive disclosure,渐进式披露。
图片来自 Anthropic 官方工程博客,Level 1 常驻仅约 100 token,Level 2 触发才读,Level 3 按需翻阅
三层结构。第一层,每个 Skill 的名字和描述,开机就预载进系统提示,一个大约 100 token.第二层,SKILL.md 正文,模型判断这个技能跟当前任务相关了,才读进来,上限 5K。第三层,挂着的脚本和参考文件,用到哪页翻哪页,理论上不设上限。
对比一下就知道这设计有多狠。MCP 的玩法是,把 10 家餐厅的全部菜单,全部菜谱,外加厨师的毕业证书,先糊你一脸,然后请你点菜。Skills 的玩法是,先递一页菜名纸,一页 100 token。你点了红烧肉,厨房才把红烧肉的菜谱翻出来。
挂一百个 Skill,目录也就一两千 token 的量级。挂一百个 MCP 工具,五万 token 起步,上不封顶。
更妙的是,整个过程是动态的。看这张官方图。
图片来自 Anthropic 官方工程博客,平时只有几个小标签趴在系统提示里,用谁才叫谁
用户说,帮我填这个 PDF 表格。Claude 看到系统提示里趴着一个 pdf 小标签,自己动手去读 pdf 文件夹的 SKILL.md.读到一半发现里面提到 forms.md,再去读 forms.md,然后开工。全程像老练的图书管理员,要哪本取哪本,绝不把整个书库搬上桌。
还有一招更釜底抽薪,脚本外挂。Skill 里可以带可执行脚本,模型直接跑,脚本本体和中间过程都不进上下文,只有结果回来。一条部署流水线内部 50 个步骤,模型最后只看到一行字,部署成功.
2025 年 12 月 18 日,Anthropic 把 Skills 升级成开放标准,谁家的 agent 都能用。独立开发者圈的大佬 Simon Willison 早早站了台,他的评价后来被引用得最多,简单本身就是重点。
顺带一提,Anthropic 在 Skills 那篇工程博客的致谢里写着三位作者的名字,末尾还补了一句,我们仨是真的都很喜欢文件夹。
大厂写致谢写出这种松弛感,挺好。
看起来,故事到这该收尾了。MCP 管连接,Skills 管认知,一个负责手脚,一个负责脑子,各司其职,多美好。
等等。
如果 Skills 真有这么香,为什么 2026 年的热搜,是完全另一个画风?
05 MCP 死了吗今年 2 月底,一篇技术博客冲上 Hacker News 榜首,标题杀气腾腾,MCP is dead, long live the CLI,MCP 已死,CLI 万岁。
作者 Eric Holmes 的逻辑非常程序员。模型本来就会用 API 和命令行,你给它一页文档,让它现写调用代码,比塞给它一坨协议层干净多了。有团队实测过这种 code-first 玩法,token 消耗能砍 98%.
3 月,Perplexity 的 CTO 在一场活动上官宣,公司内部放弃 MCP,回归 API 加 CLI。理由之一就是老毛病,MCP 的工具定义要吃掉 40% 到 50% 的上下文。
Pieter Levels,独立开发圈的顶流,话说得最损,MCP 这个想法,跟 LLMs.txt 一样没用。连 Y Combinator 掌门人 Garry Tan 都发过一句,MCP 老实说挺烂的。咨询公司 Thoughtworks 更狠,直接把无脑 API 转 MCP 钉进技术雷达的 Hold 区,翻译过来就是,别干这事.
唱衰声最大的时候,另一组数字在闷头上涨。
六周前的 7 月 28 日,MCP 发布第五版规范,代号 2026-07-28。这版干了两件大事.协议核心改成无状态,服务器随便跑在边缘节点和 Serverless 上。认证全面对齐企业级 OAuth,能直连大公司的身份系统。Netlify 的工程副总裁评价,MCP 终于成了标准的 HTTP 工作负载。
同一个 7 月,Claude 的连接器目录收录 950 多个服务器.Block 说接入 MCP 之后开发时间省了五到七成。彭博把部署周期从几天压到几分钟。
死没死,数字说了算。SDK 月下载 4 亿,一年翻 4 倍。这要是叫死,活着得长什么样。
9 月 7 日,一篇被反复转发的长文给这场骂战下了个阶段性结论,也是目前最接近共识的一句,Skills 教会 agent 怎么做事,MCP 让 agent 能够做事。
翻译一下。个人开发者的单机场景,CLI 加 Skills,又快又省。团队和企业的多人场景,要权限,要审计,要供应商维护的集成,MCP 那点开销就是值得付的过路费。
就在昨天,9 月 10 日,还有消息传出 OpenAI 正在灰度一个开发者模式,让 ChatGPT 通过 MCP 接自定义连接器,目前只是 Beta 传闻,坐等官宣。一边是大佬们喊死,一边是对手全家接入,这个协议的戏剧性,够拍连续剧了。
更有意思的是,两边正在互相偷师.
MCP 这边,Anthropic 搞出了 tool search,工具按需搜索,不再全量预载.官方数据,7.7 万 token 的工具定义压到 8,700,砍掉 85%。最新版 Claude Code 已经把懒加载做成默认行为,工具描述一超过预算的一成,自动切换。
Skills 这边,规范还在补课。有论文扫了社区贡献的技能,26.1% 存在安全漏洞,这东西眼下还是野生的,供应链审查全靠自觉。
你看,进化没有终点,只有下一轮。
06 回头看,这三年到底在解决什么现在把三步棋摆在一张桌上.
2023 年,function calling 解决的是,模型能不能干活。能力问题。
2024 年,MCP 解决的是,模型怎么接上全世界的工具。连接问题.
2025 年,Skills 解决的是,接上之后,模型的脑子还够不够用。认知问题.
一层比一层深。第三层,终于撞上了那块真正的硬骨头。注意力是稀缺资源,窗口是有限地产,而且这个稀缺,不随参数规模消失。
窗口当然会越来越大,百万级现在就不稀奇,往后说不定千万级。但 Chroma 那张图早就把话挑明了,18 个主流模型在 1.5 万 token 的小儿科任务上都能集体翻车。窗口变大,解决的是装得下.装得下和看得清,从来是两回事。
这就是我的理解。从 function call 到 MCP 再到 Skills,表面是接口之争,内核是注意力经济学。每一代方案,都在回答同一个问题,怎么让模型把有限的那点注意力,花在刀刃上.
just-in-time,按需加载,用完即走。这套打法,大概率是未来几年 agent 架构的主旋律.
所以,下次你的 AI 聊着聊着开始忘事,开始答非所问,开始连工具都拿错,先别骂它蠢。
也先别急着换更强的模型.
去数一数,你往它的脑子里,塞了多少东西.