Anthropic 詳解 MCP 生產級架構：SDK 月下載破 3 億，按需搜尋省 85% Token

讓 AI 連線業務系統，很多人最開始的做法都是直接寫死 API，或者讓它跑幾行 CLI 指令碼。但要是把 Agent 扔進生產環境、扔進雲端，這種臨時拼湊的方案很快就會踩坑。

Anthropic 最近發文拆解了 Agent 接入外部系統的三條路徑，並拿出了自家模型上下文協議（MCP）的一整套生產級設計規範。官方披露的資料很嚇人：MCP SDK 的月下載量剛剛突破了 3 億次，而年初這個數字還只有 1 億。Anthropic 官方目錄裡的 MCP 服務端也已經超過 200 個，每天有數百萬人通過 Claude 使用它。

除了亮眼的資料，官方這次講得很透：在生產環境裡，別再把你的 REST API 原封不動抄成工具了。

別把 API 照搬成工具，學會「按意圖打包」

很多人做 AI 工具整合，最容易犯的錯誤就是把後端介面一對一翻譯給模型。比如做個功能，讓模型先調獲取帖子、再調解析文本、再調建立工單、最後調關聯附件。

Anthropic 明確指出，這種寫法既浪費上下文又極易報錯。更聰明的做法是按意圖聚合，直接給模型一個把整條鏈路打包好的工具，一次呼叫搞定。而如果系統極其複雜，像 AWS 或 Cloudflare 那樣有成百上千個介面，就別去堆工具描述了。Cloudflare 的 MCP 服務端只用搜尋和執行兩個核心工具，外加一個沙箱，就用大約 1000 個 token 撬動了 2500 個介面。

官方還推薦用工具搜尋來按需載入。不用一上來把幾十個工具的定義全塞進上下文，而是在執行時檢索。實測這能把工具定義佔用的 token 砍掉 85% 以上。如果再配合沙箱環境做程式化工具呼叫，讓中間資料在程式碼裡迴圈過濾，最終進入上下文的 token 又能省下大約 37%。

讓工具長出介面，還能中途找人確認

除了調介面，MCP 正在把互動延伸到介面和許可權上。

比如新推出的 MCP Apps 擴充套件，允許服務端直接在聊天介面裡渲染圖表、表單或儀表盤。Anthropic 提到，帶互動介面的服務端留存和使用率明顯更高。它已經被 Claude.ai 和 Claude Cowork 支援。

另一個細節是啟發式互動（Elicitation）。當模型執行到一半需要使用者確認破壞性操作，或者補充缺失引數時，可以通過表單模式直接彈窗；如果是綁卡支付或 OAuth 登入等敏感操作，則能切到 URL 模式把使用者轉到瀏覽器完成，敏感憑證完全不經過客戶端。

針對雲端多客戶端的許可權痛點，新規範還支援了客戶端身份後設資料文件（CIMD）註冊，配合 Claude 託管代理中的保險庫，憑證存一次就能自動重新整理，免去了在每次呼叫裡傳來傳去的安全風險。

為什麼重要

對開發者和技術團隊來說，這篇文章最大的價值是把 Agent 接入從「駭客松玩具」拉回了「工程基準」。如果你的團隊正在評估怎麼把內部系統接給 AI，現在完全不建議再去寫專有的單點適配程式碼。直接上 MCP，一套服務端不僅能在 Claude 用，還能直接跨到 ChatGPT、Cursor 和 VS Code 裡，重用成本大幅降低。

從行業競爭來看，Anthropic 這一套打法極其務實。它沒有去卷單一模型多聰明，而是通過主導 MCP 協議，把自己變成企業 Agent 的連線中樞。月下載量從 1 億飆升到 3 億，說明開發者已經在用腳投票。現在再加上把技能（Skills）和 MCP 打包分發的標準，Anthropic 看起來是在給所有企業軟體定義一套通用的「AI 外掛市場」。

不過我們認為，這套架構落地也有隱患。雖然按意圖打包工具省了 token，但把多步業務邏輯寫死在單個工具裡，其實剝奪了模型自己靈活規劃的能力；而走沙箱寫指令碼跑程式碼的方式，又對沙箱安全性和環境隔離提出了極高的工程要求。如何在極致省 token 和給 AI 自由度之間找平衡，各家依然得交學費。