1. Amadeus CTO泼冷水到底在说什么先别急着反驳最近旅游技术巨头Amadeus的CTO对MCP的火爆势头发表了一番偏审慎的评论结果在圈子里炸了锅。有人觉得这是传统大厂看不懂新技术有人觉得是既得利益者怕被颠覆但我把这番话来回读了几遍发现他泼的核心其实不是什么高深的反调就是一句大白话别把MCP当成AI的万能插座它没那么神。先说Amadeus是谁这家公司你可能没直接用过它的产品但你订机票、查酒店、走值机流程时背后大概率跑着它的系统。它服务全球几百家航空公司、酒店集团和旅行社是典型的B端基础设施玩家。这种公司做技术决策极其保守因为系统挂了不是闹着玩的。CTO在公开场合表示对MCP炒作过热的担忧代表的不只是他个人而是整个高可用、强治理、必须合规的行业阵营的心态。他原本的意思大致是MCP确实有价值但当下围绕它的热度与现实落地能力之间存在明显落差。翻译成圈内话就是——大家把MCP捧成了AI直接操作一切业务系统的钥匙但真正到了生产环境协议本身只是最薄的一层皮底下还压着鉴权、审计、数据主权、故障恢复这一大堆没人替你扛的问题。很多人在社交平台上嘲讽这位CTO老顽固但我恰恰觉得他这种泼冷水的姿态才是企业级技术人该有的状态。一个新协议出现第一反应不是太酷了马上全切而是如果我依赖它挂了算谁的——这问题问得比能不能跑通Demo重要得多。2. MCP到底做了什么又没做什么把协议拆开看在站队之前先把MCPModel Context Protocol这点事聊透。MCP是Anthropic在2024年底开源的一套开放协议解决的核心问题是AI模型怎么跟外部工具和数据源建立标准化的连接通道。类比来说USB-C统一了充电口MCP统一了AI调用工具的接口形态。以前每个Agent框架都要自己对接API、自己定义工具调用格式现在大家都按MCP这套规范来写server和client理论上一个MCP server可以被任何支持MCP的客户端复用。2.1 MCP的价值确实存在我最初接触MCP是给一个知识库项目接搜索能力。传统做法是自己写函数、配置、鉴权每个数据源几乎都要单独适配一遍。用MCP之后只要对方提供的是标准server客户端配置一下就能连上开发时间确实压缩了。再比如搜索热词里那些Playwright MCP、Figma MCP、蓝湖MCP本质上是社区把成熟工具包了一层MCP外壳让Claude、Cursor、Codex这类AI客户端能以统一方式调用它们。2.2 MCP没解决的问题才是关键但问题也恰恰藏在这里。MCP标准化的是连接方式和消息格式它没有标准化以下这些同样致命的东西权限粒度。一个MCP server连接上之后模型能调用到什么程度是只读还是可以写能操作哪个范围协议本身不强制细分全靠server端自己实现。审计追踪。模型调用工具的每一步有没有完整日志这个操作用户知不知情出事了能不能回溯MCP没规定又要靠外围补。上下文承载量。MCP解决的是AI和工具的通道问题但通道里能传多少信息、模型能记住多少中间状态消费者被上下文窗口卡得死死的。故障边界。某个工具超时、返回异常数据、连接中断整套Agent流程会怎么退化MCP只定义了通信规则没有定义容错机制。Amadeus CTO的审慎态度就是建立在这套认知上的。他做的是全球性的B端旅行交易系统接入AI操作意味着大量个人数据、支付信息和行程逻辑被暴露在Agent流程里。在这种场景中光说我们支持MCP协议完全不够关键问题是端到端的安全责任谁来背。3. 热词榜上的MCP生态繁荣是真的泡沫也是真的看完protocol本身再来看现在社交平台上刷屏那串MCP热词——Playwright MCP、Figma MCP、蓝湖MCP、BurpSuite MCP、IDA MCP、SAST MCP之类。把这一串名字摊开看能得出几个挺有意思的观察。3.1 围绕AI操作软件的想象与现实落差先说Playwright MCP这种工具确实解决了真实痛点。以前让AI操作浏览器要么注入脚本要么靠截图识别点击现在通过Playwright MCPAI可以直接在真实浏览器里执行导航、点击、填表、断言测试工程师再也不用自己一行行写selector了。我自己实测下来简单页面的端到端测试脚本生成速度确实有数量级提升。但问题在于看着AI唰唰唰操作浏览器很爽一旦页面结构一变、出现了弹窗遮挡、无头模式定位失败调试起来的烦躁程度一点不比手写脚本低。搜索词里那条很真实——mcp client for codex_apps timed out after 30 seconds这不就是我遇到过的典型问题MCP server和client之间的超时配置、任务排队、重试机制全都没有开箱即用一切还得自己调。所以AI替你写测试听起来比AI帮你跑测试高级但落地时你还是在干测试工程的老本行定位、修脚本、调稳定性。3.2 设计工具MCP的鸡肋与高光再来看Figma MCP和蓝湖MCP。这类MCP的卖点是让AI直接读设计稿理解图层、组件、标注然后生成前端代码或者准确切图。想法很好设计到前端的交付链路确实一直被低估。我试着用Figma MCP让AI抓取设计稿里的颜色变量和间距提取效果确实不错比自己截图给AI描述高效得多。但指望它直接切图可用还是天真了——设计稿里的自动布局、组件变体、响应式规则提取出来也只是一堆节点信息离真正能上线的干净代码差着十万八千里。你仍然需要一个前端工程师去理解设计意图、消除冗余、处理真实交互。MCP在这里能帮忙的是减少信息不对称不是替代设计工程师。3.3 安全工具MCP高价值与高风险并存那些围绕BurpSuite MCP、IDA MCP、Yakit MCP的探索技术含量是这次MCP热词里最高的。让AI辅助分析抓包数据、关联漏洞特征、甚至辅助逆向这种场景对Agent来说简直是量身定做——本身就是大量文本信息逻辑推理的工作。但这里必须多说一句风险。安全工具接入MCP意味着AI可能获得高权限操作入口如果整个链路被滥用或者prompt注入那就不是写错代码的问题了。包括像workbuddy mcp skill这类偏协同的工具权限设计稍微粗一点整个AI agent的信任模型就会崩。这部分恰恰是Amadeus CTO泼冷水最该泼的地方大家都光顾着说MCP让AI进入了安全圈没人说AI进入安全圈之后谁来看门。4. 开发者视角的MCP落地难题从超时到日志都是坑如果说CTO的冷水离普通开发者还有点远那我接下来聊的这些挖坑经历就跟你息息相关了。4.1 超时配置是第一个拦路虎接MCP server的第一次痛苦几乎都集中在那条timed out after 30 seconds上。MCP client默认请求超时很短长任务比如慢速SQL查询、大面积文件扫描根本跑不完。而且不同的MCP客户端超时参数还不统一在Claude Desktop里调的是server配置在Cursor里靠的是MCP server的启动参数在Codex里又是另一套环境变量。我试过为了一个大数据量的MCP查询把timeout从默认30秒调到300秒被各种资料坑了好几轮。也正因为这个问题真正落地MCP的团队第一件事绝不是接更多server而是建立监控和台账——记录每个MCP调用耗时、成功率和失败原因调优才变得有据可依。热词里那条mcp server端的日志如何使用自定义日志管理说明大家撞到的坑都一样。4.2 MCP server的日志和可观测性相当原始这绝对是现阶段最劝退生产环境的一点。很多MCP server跑在本地日志就一个终端窗口没有结构化输出、没有指标聚合Agent调了工具之后发生了什么完全没法方便地捞出来看。哪怕server端根本不支持自定义日志你也至少要想办法在client侧统一记录调用参数和结果摘要。我自己现在无论接什么MCP第一件事就是先确认日志输出方式决定是抓stdout还是要求server服务方暴露结构化日志接口。这是想上生产环境的先决条件。4.3 权限失控最细思极恐的隐患结合开头那位CTO的担忧MCP目前真正吃亏的环节是权限治理。MCP server与client之间交换的是消息不是经过严格IAM设计的角色授权。你接一个文件系统MCP它到底能读写哪些目录你接一个数据库MCPAI生成并执行SQL前要怎么审批这一个个问题在Demo阶段都能靠小心使用糊弄过去到生产环境就是事故导火索。打个比方USB-C把接口统一了但不代表你插任何一个设备都安全——接口标准只负责能插上不管该不该插。现在MCP生态就处在这个阶段。5. CTO泼冷水背后的经营视角大厂为什么不敢All inAmadeus CTO这个问题表面看是技术讨论实质是商业模式和经营责任的权衡。5.1 稳定性和创新之间隔着SLAAmadeus这类公司卖的是什么是稳定可靠的旅游交易能力。客户用它的系统要的不是偶尔开脑洞的技术炫技而是99.99%不跑单。MCP的热度再高如果引入AI Agent操作核心系统的风险无法量化管理者就不可能全量上。这不是Luddite心态是业务的基本盘。5.2 对开放协议的冷思考另一个他没明说但藏在话里的点是MCP协议本身还太年轻。它正在快速演进API版本不断调整各家支持的feature也各不相同。对一个二十年技术栈深度嵌入行业的企业来说跟随一个尚不稳定的协议做深度集成风险远大于收益。现在与其全面拥抱不如先在小范围试点、观察协议演进方向再决定大家要怎么站队——这是一套非常典型的投资组合思维等标准稳定了再大举入场才是理性选择。5.3 数据主权问题无法回避跨境电商和旅游这种行业数据必须在特定区域存储和处理这在金融、政务、医疗领域同样常见。MCP里AI通过server去拉数据这条拉取动作涉及的数据流向、存储位置、第三方暴露面在没有成熟治理工具的前提下很多To B客户根本不敢放数据出去。Amadeus身处全球业务环境欧洲总部多国合规对数据主权的敏感度远超一般互联网公司这也是他对MCP全民狂欢保持警惕的重要原因。6. 被泼冷水后怎么调心态不吹也不黑关键是边界感聊完技术、生态、企业视角最后说点实在的。MCP本身是挺好一工具问题出在社会对它预期管理得太离谱。我见过太多人刚学会配置一个MCP server就在畅想AI全自动干活月入百万了。这种虚假预期持续下去只会催生新一轮的技术泡沫反噬——预期崩塌后还会反过来说MCP啥也不行。6.1 用MCP的自洽场景判断法我给自己定了个简单判断方法接MCP之前先问三个问题。这次AI调工具有没有明确边界如果任务边界清晰比如读取某个文档的指定段落、运行某组测试那MCP非常合适。出了问题能不能回溯如果当前架构没有任何观测手段MCP接入越多事故清偿能力越弱先补观测再接入。这个任务全程由AI干我能接受它的错误率吗可接受就大胆测不可接受就老老实实做个半自动流程。6.2 实际上我在生产环境的配置策略如果你看完这篇文章决定还是要在自己的项目里上MCP我的实操建议是从一个、单域、低风险的MCP server开始别一上来就接十几个。先在非核心流程里跑满两周把超时、权限、日志的路都淌一遍再决定要不要逐步放开。我自己踩下来比较顺的组合是文件检索类MCP 知识库查询MCP 单一数据库只读MCP这三类需求边界清晰、收益明确、负外部性小。像那种允许AI直接改数据库、发消息、操作线上系统的MCP我一律先隔离在测试环境里评估。那位CTO说MCP被吹过头了我部分认同但我觉得更准确的说法是MCP本身没过誉过誉的是接入MCP等于彻底拥抱AI这套叙事逻辑。协议API的接口标准化离企业级能力交付还差着整个工程体系的距离。MCP真正厉害的地方是让AI的工具接入成本降到了历史最低但成本降低不等于风险减半。搞定这条逻辑你对MCP的态度就不会一会儿狂热一会儿唱衰了。它就是个连接器怎么用好还得靠你手里的工程手艺。