当 AI 学会自己打电话——MCP 协议，可能是 2026 年最安静的技术革命

今晚十一点，我在 Mac 上敲了一行字：

"cloudflare-api MCP 认证一下"

三秒后，AI 弹出一个 OAuth 链接。我点开浏览器，授权，回到终端。然后我说：

"帮我看看 Cloudflare 上有什么 Workers。"

十秒内，它返回了一份完整的 Workers 列表——包括账号 ID、项目名称、部署状态，全部精确无误。

没有写一行代码。没有翻一页文档。没有查任何 API endpoint。

这就是 MCP。

MCP 是什么

MCP，全称 Model Context Protocol，模型上下文协议。

这个名字听着很学术，翻译成人话就是：

让 AI 能直接调用第三方服务的标准化工具协议。

打一个比方。

以前你让 AI 帮你管 Cloudflare，相当于你跟一个英语流利但没有电话的助手说："帮我打给电信公司改个套餐。"他听懂了你的意思，但他没法打电话，只能写一封邮件给你，教你自己打。

MCP 做的事，就是给这个助手装了一部电话。

他听完你的需求，自己打电话过去，对方接线员验证身份，确认权限，执行操作。你全程只需要说人话。

MCP 的起源

MCP 协议由 Anthropic 在 2024 年 11 月正式发布，开源规范。

这件事的背景是：AI 模型越来越聪明，但手脚被绑着。GPT-4、Claude Opus 这些大模型可以写代码、做分析、理解复杂指令，但要操作外部世界——部署一个网站、查一个数据库、发一封邮件——它们做不到。中间隔着一道墙：API。

API 是给程序员看的。几百个 endpoint，各自有参数、有认证方式、有 rate limit。AI 模型能读 API 文档吗？能，甚至能自己写调用代码。但问题在于：读懂和稳定执行之间隔着一道鸿沟。

人类程序员犯错了可以 debug、看日志、逐步排查。AI 犯错了，整个调用链就崩了。它缺的不是理解力，而是结构化的、可执行的工具接口。

MCP 的核心正是补上这一环。但准确地说，MCP 本身不是什么黑科技，它的价值在于三件事同时成立：

1. 大模型原生支持函数调用（function calling / tool use）
2. 工具用结构化 JSON Schema 描述（name、description、parameters）
3. 通过 MCP 协议统一接入，各平台一个标准

缺一不可。模型不支持 tool use，协议再好也没用。协议不统一，每个平台各搞一套，开发者会疯。

AI 读到这些结构化描述，立刻知道"列出 Workers 用 workers_list"，"查日志用 query_worker_observability"，"改 DNS 用 dns_record_update"。

不是 AI 突然变聪明了。是基础设施终于跟上了模型的能力。

我们的经历：三个 Session 搞定 Cloudflare 全套

今晚的经历很有代表性，因为它完整展示了 MCP 的配置、认证和使用全流程。

第一步：写配置

第一个 session，我让 AI 在 ~/.claude.json 里添加 Cloudflare MCP 服务器。

Cloudflare 的 MCP 设计很有意思——它提供了两种风格：

风格一：Product-specific server（专科医生）

针对具体产品域，提供有类型约束的工具。Cloudflare 目前有十几个这样的 server：

风格二：Code Mode server（全科大夫）

cloudflare-api 走了一条完全不同的路——它不是把 2500+ 个 endpoint 都暴露成独立工具（那样会烧掉 117 万 token，直接撑爆上下文窗口），而是只提供两个工具：search() 和 execute()。

AI 先用 search() 在 OpenAPI 规范里找到对应的 endpoint，然后用 execute() 写一段 JavaScript 直接调用。代码跑在 Cloudflare 的隔离沙箱里。

整个 2500+ endpoint 的接入成本？约 1000 token。

这就是 Code Mode——用代码执行替代工具列表，token 效率提升三个数量级。

两种风格是二选一的关系，不是叠加。我最开始不懂，五个全加上了。后来才搞清楚：product-specific server 适合你只用某一块功能的场景，Code Mode 适合需要广覆盖的场景。同时挂五个反而浪费 context。这个坑，踩过才知道。

配置本身是几行 JSON。

第二步：OAuth 认证

重启终端后，MCP server 加载进来了。但它们还没有权限访问我的 Cloudflare 账号。

说白了，电话装好了，但对方接线员不认识你。

于是我对 AI 说"认证一下"，它自动找到了 authenticate 工具，生成了一个 OAuth 授权链接。我在浏览器里点了一下，用 Google SSO 登录 Cloudflare 账号，授权。回到终端，连接自动建立。

这个体验值得细说。OAuth 是安全的——不需要我把 API Token 交给 AI，不需要我在配置文件里写明文密码。AI 拿到的是一个 session 级别的临时凭证，权限范围由 Cloudflare 那边控制。

这和把钥匙交给别人的区别是：你不是给了它一把钥匙，你是让物业给它开了一次门。

第三步：验证

认证完了，我想看看到底通不通。

让 AI 跑了一个简单的查询：列出我账号下所有的 Workers。

AI 通过 cloudflare-api 的 execute() 工具，在沙箱里跑了这段代码：

async () => {
  const result = await cloudflare.request({
    method: "GET",
    path: `/accounts/${accountId}/workers/scripts`
  });
  return result;
}

这就是 Code Mode 的实际工作方式——AI 不是调了一个 workers_list 工具，而是自己写了一段 JS，通过 cloudflare.request() 调用底层 API。

十秒返回结果。Account ID 对的，Workers 列表对的。全通。

从配置到验证，三个 session，总共可能十分钟。

如果走传统路线——查 Cloudflare API 文档、注册 API Token、写请求脚本、调试参数、处理认证——同样的事至少要一个下午。

关键洞察：MCP 和 API 的经济学

接下来是今晚最有价值的一段讨论。

认证成功之后，我突然想到一个问题：从 token 经济的角度看，MCP 和传统 CLI + API，哪个更划算？

答案比想象的微妙。

传统模式

你写代码（一次性投入）
→ 代码调 API（每次执行 0 token）
→ 可以丢进定时任务无限跑

写一次，跑一辈子。每次执行不花一分钱。

MCP 模式

你说人话（每次都要 AI 参与）
→ AI 推理选工具（消耗 token）
→ 工具 schema 常驻 context（消耗 token）
→ 返回结果塞回对话（消耗 token）

每次执行都在烧钱。工具的 schema 描述本身就占了几百到几千 token，AI 还要推理该调哪个工具、传什么参数。

对比表：

补充一个重要演进：Code Mode 正在改写这张表。

前面提到 Cloudflare 的 cloudflare-api 用 Code Mode 把全 API 的 context 开销压到约 1000 token。如果用传统方式——每个 endpoint 暴露成一个 tool——光 schema 就要 117 万 token，直接超过绝大多数模型的上下文窗口。

Code Mode 代表的是一种趋势：MCP 的探索模式正在变得更便宜。但它改变的是性价比，没有改变根本逻辑——确定性操作落地成脚本仍然是最优解。

结论：MCP 当前最强的是探索能力，但正在向生产系统演化

正确的用法是分两步走：

第一步：MCP 探索
  → "Cloudflare 有哪些 Workers？"
  → "这个 Worker 的日志长什么样？"
  → "怎么创建一个 KV namespace？"

第二步：落地成脚本
  → 探索完了，把确定性操作写成代码
  → 丢进定时任务 / CI/CD
  → 0 token，永久运行

MCP 真正消灭的不是 API 调用，而是"我不知道该搜什么"这个成本。

以前的流程是：Google → 翻十篇文档 → 筛选 → 找到正确 endpoint → 写代码。中间那段人肉筛选，MCP 直接干掉了。

第三种模式：当 MCP 遇上 Amazon 广告

说到这里，我以为两种模式就能解释一切了。直到我想到了 Amazon Ads。

我们在 Amazon 上销售管理各种ASIN的ACos，日常工作之一是管广告——拉数据、分析表现、调整 bid。Claude Code 接入了 Amazon Ads 的 MCP server，可以直接用自然语言操作广告管理。

但这里有一个问题：这到底算 MCP 还是 API？

答案是：都不完全是。这是第三种模式。

Amazon 广告管理是一个判断循环：

拉数据        → 可以脚本化（API）
分析表现      → 需要判断（Claude）
做出调价决策  → 需要判断（Claude）
执行调价      → 可以脚本化（API）

四步里两步需要 AI 参与，两步可以自动化。它们交织在一起，每一轮循环都需要 Claude 的判断力。

这意味着你没办法把 Claude 完全抽出去变成一个纯脚本。每次循环都必须烧 token。

但这里烧的不是摩擦成本。你烧的是判断力。

传统 MCP（探索型）的竞争对手是 Google 搜索。Amazon 广告管理的竞争对手是你自己坐那盯盘的时间。

几千 token 值几分钱。你盯一小时广告值多少？

更重要的是，这个"判断在环路里"的模式正在加速进化。当前的实现是人类驱动——你说一句，AI 做一步。但 MCP + Agent + 记忆的组合已经在改变这一点。未来的版本更可能是：

你设目标（"把 ACOS 控制在 20% 以下"）
→ Agent 自己循环：拉数据 → 分析 → 决策 → 执行
→ 只在异常时通知你

这就是 Agent Loop——自主决策系统。人类从"逐步指挥"退到"设目标 + 审结果"。

用一张表把三种模式理清楚：

第三种才是 MCP 真正的终局形态。

谁在出 MCP

截至 2026 年 4 月，已经有官方 MCP 的平台包括：

2026 年 1 月，Anthropic 发布 MCP Apps，首批合作伙伴包括 Amplitude、Asana、Box、Canva、Clay、Figma、Monday.com、Salesforce。这是一个标志性节点——MCP 从"开发者工具"正式进入"企业 SaaS 生态"。

还有一些是社区做的非官方 MCP server——比如 Telegram、Notion、Linear。质量参差不齐，但协议是标准化的。

我个人判断，接下来大概率出 MCP 的：

• AWS Console — 不可能让 Cloudflare 独占这个生态
• Google Cloud Console — GCP 资源直接自然语言操控
• Shopify — 电商 API 全打通
• Vercel / Netlify — 前端部署
• Azure — 微软不会缺席

本质上就一句话：任何有 API 的平台，MCP 就是它的自然语言壳。

我的预测

短期（2026-2027）

MCP 会成为所有 SaaS 平台的标配功能，就像 OAuth 一样。不出 MCP 的平台会被视为落后。

开发者的日常工作流会变成：先用 MCP 探索，再用 API 落地。MCP 不会取代 API，就像导航不会取代方向盘——你还是要自己开车，但不用再看纸质地图了。

中期（2027-2028）

"判断在环路里"的第三种模式会成为主流。广告管理、内容审核、客户支持、财务分析——这些需要人类判断的重复性工作，AI 会通过 MCP 深度嵌入。

token 成本会持续下降。今天觉得"每次循环都烧 token"不划算的场景，两年后可能便宜到忽略不计。

长期

控制台（Console）会从主入口退居备用入口。

日常操作——查数据、改配置、发部署——会越来越多地通过自然语言完成。你不需要打开 Cloudflare 后台手动点按钮了。你不需要登 Amazon Seller Central 看报表了。

但 Console 不会消失。权限管理、账单审计、风险操作确认——这些场景需要可视化确认和合规留痕，不可能只靠一句自然语言。

更准确的说法是：Console 从操作界面变成审计界面。

从这个角度讲，MCP 不仅仅是一个协议。它是人机交互从图形界面（GUI）到自然语言界面（NLI）的转折点。

鼠标点击让普通人能操作电脑。MCP 让普通人能操作一切云服务。

门槛又降了一级。但安全门还在。

写在最后

回到今晚。

三个 session，20分钟，Cloudflare MCP 全部打通。我现在可以用自然语言管理我的所有 Cloudflare 资源——域名、存储、部署、日志、DNS。

这种感觉说实在的，有点像 2007 年第一次用 iPhone。

不是它做了什么惊天动地的事。是你突然意识到：以前那些你以为必须那么做的事，其实不用那么做。