为什么MCP非常棒?

本系列之前的文章里,我们尝试了 Roo Code,并编写了一个自己的 MCP Server。在本文中,我想通过一个例子,来展示为什么 AI 可以让我摆脱琐碎的工作,为什么 MCP 很棒。

效果

我有一篇 markdown 文章,其中的图片在我的 VSCode 预览中都无法显示,原因大家都知道,我想将这些图片上传到我的私有图床,因此我在 Roo Code 中说:

请将该markdown中的图片上传到Cloudinary,并且将该图片的地址替换为Cloudinary的地址

于是 Roo Code 开始在我的文档中搜索以下形式的字符:

![](image-url)

然后将 image-url 的图片上传到 Cloudinary,将返回的 Cloudinary URL 替换原来的 image-url。

之所以我可以这么做,是因为我又写了个上传到 Cloudinary 的 MCP Server,大家有兴趣可以试用。

心路历程

我之前没有用专门的图床服务,主要原因是工作流程没有搞顺。我有几个选择:

  1. 不写工具,自己手工处理。
  2. 写一个工具,批量处理 markdown 文件中的所有图片。
  3. 写一个 VSCode 插件,可以选择需要上传的图片。

我用 markdown 写文章,但是并不是每次都需要私存我的图片到图床,有时只需要上传某个图片,我总是有一些特殊的需求。因此,第 3 个选择最合适,只是我不确定是否有了这样的插件,即使有了是否能和我的工作流结合,评估这些插件也是个不小的工作量。我自己也可以写这个插件,但是投入产出可能不成比例。

总之,最后我还是手工处理,因为手工处理可以应对 90% 的情况,但是总有 10% 的情况让我多花 900% 的工作量。

大语言模型和MCP

通过 Roo Code 和我自己开发的 MCP Server,我发现我解决了问题,也发现了问题。工具,都是用于弥合我的想法和具体操作之间的差距,但我的想法过于多变,这个变化未必有多巨大,但是足以让之前写的工具失效。

不过,大语言模型来了,我现在可以用自然语言描述我的需求,当大语言模型可以理解我的语言,也知道用什么工具来解决问题时,它不再沉迷于文字游戏,而成为真正的效率帮手,而 MCP 正是实现这一目标的关键一环。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注