此篇文章以近期在開發者社群引發熱議的MCP已死？論戰為切入點，試圖釐清在 AI 工具快速演進下，開發者該如何選擇最合適的技術組合。文章開頭透過Hacker News上爆紅的觀點對立，引出一個核心問題：當大型語言模型（LLM）能力持續提升，是否還需要像MCP（Model Context Protocol）這樣的中介抽象層？此篇文章指出，與其陷入要或不要的二元對立，不如回到本質思考：不同工具其實解決的是不同層級的問題。
在架構分析上，文章將 MCP、Skill 與 CLI 明確區分為三個層次：MCP 屬於能力層，負責讓 AI 能夠連接外部工具與資料來源；Skill 是流程層，用來定義 AI 應該如何執行任務；而 CLI 則是執行層，讓 AI 能直接操作既有的命令列工具。透過這樣的拆解，三者並非互斥，而是可以互補共存，形成更有效率的工作模式。在實測數據部分，文章提供具體 benchmark，指出 CLI 在 token 消耗、成本與成功率上皆顯著優於 MCP，甚至在某些情境下可達數十倍差距。文章進一步解釋這種落差來自 MCP 的Schema 膨脹問題，也就是每次呼叫都需載入大量工具定義，導致效率下降。不過，此篇文章也沒有全盤否定 MCP，而是補充透過架構優化（如 API Gateway）仍可改善其效能，只是代價是更高的系統複雜度。
在應用層面，文章提出一套實用的30 秒決策框架，幫助讀者快速判斷何時該使用 MCP、CLI 或 Skill。例如，個人開發者多半只需 CLI 搭配 Skill 即可完成大多數任務；但若涉及多用戶授權、跨平台整合或企業治理需求，MCP 則具備不可取代的價值。此外，文章也透過三種典型場景（個人專案、SaaS 服務、團隊內部工具）具體說明不同選擇的合理性。值得注意的是，此篇文章亦點出 MCP 潛藏的資安風險，包括未授權存取、Prompt Injection 與供應鏈攻擊等，並引用研究報告指出目前仍有相當比例的 MCP server 缺乏基本防護。透過這些案例，提醒讀者在導入新技術時，不能只看便利性，也必須審慎評估安全性。
總結來看，此篇文章的核心觀點並非宣判 MCP 的存亡，而是重新定位其價值：它更適合用於分發與治理，而非日常開發效率的提升。對多數開發者而言，最實際的策略仍是以 CLI 與 Skill 為主，並在必要時再引入 MCP。透過這樣的觀點重構，此篇文章為讀者提供了一個更理性且可落地的技術選擇框架。
閱讀完整文章：https://www.shareuhack.com/zh-TW/posts/mcp-vs-skill-vs-cli-guide
