MCP 很容易被讲得很玄：好像接上以后，AI 就什么都能干。
我现在更愿意把它理解成一个工具连接协议。它不是万能钥匙，而是让 AI 应用用比较标准的方式，连接外部工具、数据源和服务。
它解决什么
AI 本身会说话、会推理，但它不能天然进入你的文件、数据库、日历、浏览器或远程服务。
MCP 解决的是“怎么连接”的问题。一个 MCP server 提供某类能力，AI 客户端按协议去调用。这样不同工具之间不用每次都重新发明一套接口。
它不解决什么
MCP 不负责教 AI 怎么完成复杂流程。
如果你要的是“按我的 SOP 处理文章”“按我的规则审计代码”“按我的格式生成分发包”，那更像 Skills、规则或工作流的职责。MCP 只是把工具门打开，怎么用工具还要有任务规则。
MCP 也不等于安全。
连接文件系统、浏览器、数据库、邮件、日历时，权限边界非常重要。能连上不代表应该全部开放。普通人用 MCP，最该先想的是作用域：当前项目可用，还是全局可用；本地可用，还是远程可用。
我的取舍
我会把 MCP 用在边界清楚的工具上：读取某类文档、调用某个服务、访问某个受控数据源。
如果一个 MCP server 需要太多权限、太多密钥，或者我说不清它会做什么，我就不会随便全局安装。
和 Skills 的区别
我自己的理解是：
- Prompt 是这次对话里的临时交代。
- Skills 是给 agent 的长期 SOP 和工具包。
- MCP 是连接外部能力的标准插座。
这三个东西可以配合，但不要混为一谈。真正稳定的 AI 工作流，往往是规则、技能、工具和权限一起设计出来的。