MCP 正在悄悄重写 LLM 的使用方式

大模型并不缺聪明，而是一直“干不了活”。Ras Mic 在这期视频里给了一个残酷但真实的判断：LLM 单独存在几乎没用，真正的拐点是 MCP。它不是新模型，却可能是 AI 应用工程化的分水岭。

LLM 很聪明，但为什么一直不顶用？

视频里有一句话非常扎心，也非常真实：“LLMs by themselves are kind of useless.” 不是模型不强，而是它们被困在沙盒里。写代码、讲笑话、回答历史问题都不错，但一旦你想让它“帮你查数据库”“拉 GitHub issue”“读 Slack 消息”，工程噩梦就开始了。

传统做法是什么？每接一个服务，就对接一套 API。GitHub 一套、Slack 一套、Google 一套。参数、鉴权、速率限制、返回格式，全都不一样。结果是：LLM 还没开始发挥，人已经被 API 胶水工程折磨到崩溃。

Ras Mic 用了一个极其形象的比喻：每个服务商都在说不同语言，而 MCP 就是那个“统一翻译官”。你不再直接教 LLM 学日语、西班牙语、德语，而是让所有服务都先翻译成 MCP，LLM 只学一种语言就够了。

MCP 真正改变的是架构，而不是模型

很多人第一次听 MCP，会以为它是“更强的插件系统”。但视频反复强调了一点：MCP 是一层协议，不是一个工具。

它的位置非常关键——夹在 LLM 和外部服务 API 之间。以前是：

LLM → 你写的胶水代码 → 各家 API

现在变成：

LLM → MCP → 各家服务

这意味着什么？意味着“接入能力”开始标准化。只要服务提供了 MCP Server，任何支持 MCP 的客户端（IDE、Agent、应用）理论上都能直接用。

Ras Mic 在视频里说，现在我们正在进入一个新阶段：不是 LLM + Tools，而是 LLM + MCP。这听起来只是加了一个中间层，但对工程效率、可维护性、甚至团队协作方式，影响是指数级的。

一个真实示例：LLM 直接读数据库，不写一行 API

为了不让 MCP 停留在概念层面，视频后半段直接实操：用 Windsurf 作为 MCP Client，用 Convex 作为 MCP Server，现场搭了一个 Next.js 的公共聊天应用。

关键点不在“聊天室”，而在后面的那一步。

当 Convex 的 MCP Server 配好之后，Ras Mic 在 Windsurf 里直接问了一句：“我在 Convex 数据库里有什么消息？”

注意，这里没有：
- 写 REST API
- 写 GraphQL resolver
- 写中转函数

LLM 直接调用 MCP Tool，读取了 Convex 数据表里的 messages。

这就是视频里最炸裂的一幕：IDE 里的 LLM，天然拥有了数据库读取能力。 MCP 帮你把“我想查数据”翻译成了 Convex 能理解的动作，再把结果翻译回给模型。工程复杂度被压到最低。

为什么这件事值得每个 AI 从业者现在就关注

MCP 现在还不算“全民级”热点，但这正是它危险、也迷人的地方。

第一，它正在悄悄改变工具链，而不是发布会舞台。IDE、数据库、后端平台开始原生支持 MCP，这意味着未来 LLM 会默认“能干活”。

第二，它极度利好独立开发者和小团队。以前你要写一堆基础设施，现在可能只需要一个 MCP Server 配置文件。

第三，它会重新定义“AI 应用工程师”的价值。懂 Prompt 已经不够了，谁更懂 MCP 能力边界，谁就能更快做出产品。

Ras Mic 在视频结尾说得很直白：LLM 终于开始变得“不只是可爱，而是真正有用”。而 MCP，很可能就是那条分界线。

总结

如果你已经在用 LLM 写代码、做 Agent、搭应用，那 MCP 不是“要不要学”，而是“什么时候会被迫学”。它正在把 AI 从玩具推向基础设施层。最现实的行动建议只有一个：找一个你正在用的工具，看看它是否已经支持 MCP，亲手跑一遍。因为下一阶段真正拉开差距的，不是模型大小，而是你让模型连接世界的方式。

关键词： MCP， Model Context Protocol， 大语言模型， AI 工具链， AI 应用工程

事实核查备注： 需核查：1）视频发布时间是否为 2025-03-18；2）Ras Mic 在 Greg Eisenberg 播客中关于 MCP 的原话表述；3）Windsurf 与 Convex 是否均为视频赞助商；4）Convex MCP Server 提供的工具数量（视频中提到为 10 个）。