如果你不用 MCP 会怎样？

本文译自 What if you don’t need MCP at all?。本文深入分析了 MCP 服务器的上下文开销问题，并展示了如何通过 Bash CLI 工具和代码来构建更灵活、更高效的 Agent 工具生态系统。

经过几个月的 Agent 编码狂热，Twitter 上仍然充斥着关于 MCP 服务器的讨论。我之前做过一些非常轻量的基准测试，看看 Bash 工具还是 MCP 服务器更适合特定任务。简而言之：如果你用心设计，两者都可以高效。

不幸的是，许多最流行的 MCP 服务器对于特定任务来说效率很低。它们需要覆盖所有基础，这意味着它们提供大量带有冗长描述的工具，消耗大量上下文。

扩展现有 MCP 服务器也很难。你可以 checkout 源代码并修改它，但然后你必须和你的 Agent 一起理解代码库。

MCP 服务器也不可组合。MCP 服务器返回的结果必须通过 Agent 的上下文才能持久化到磁盘或与其他结果组合。

我是个简单的人，所以我喜欢简单的东西。Agent 可以很好地运行 Bash 和写代码。Bash 和代码是可组合的。那么，有什么比让你的 Agent 直接调用 CLI 工具和写代码更简单的呢？这不是什么新鲜事。我们从一开始就一直在这样做。我只是想说服你，在很多情况下，你不需要甚至不想要一个 MCP 服务器。

让我用一个常见的 MCP 服务器用例来说明这一点：浏览器开发者工具。

我的浏览器 DevTools 用例

我的用例是和我的 Agent 一起处理 Web 前端，或者滥用我的 Agent 让它变成一个小小的刮削黑客小子，这样我就可以刮掉世界上所有的数据。对于这两个用例，我只需要一套极简的工具：

• 启动浏览器，可选使用我的默认配置文件，这样我就已经登录了
• 导航到一个 URL，在当前标签页或新标签页中
• 在当前页面上下文中执行 JavaScript
• 截取视口的屏幕截图

如果我的用例需要额外的特殊工具，我希望能快速让我的 Agent 为我生成并将其与其他工具集成。

Agent 常用浏览器 DevTools 的问题

人们会为我上面说明的用例推荐 Playwright MCP 或 Chrome DevTools MCP。两者都很好，但它们需要覆盖所有基础。Playwright MCP 有 21 个工具，使用 13.7k Token（Claude 上下文的 6.8%）。Chrome DevTools MCP 有 26 个工具，使用 18.0k Token（9.0%）。这么多工具会让你的 Agent 感到困惑，特别是与其他 MCP 服务器和内置工具结合时。

使用这些工具也意味着你会遇到可组合性问题：任何输出都必须通过你的 Agent 的上下文。你可以通过使用子 Agent 来某种程度上解决这个问题，但然后你会引入子 Agent 带来的所有问题。

拥抱 Bash（和代码）

这是我的极简工具集，通过 README.md 来说明：

# Browser Tools

用于协作站点探索的极简 CDP 工具。

## Start Chrome

```bash
./start.js              # 全新配置文件
./start.js --profile    # 复制你的配置文件（Cookie、登录信息）
```

在 :9222 上启动 Chrome 并开启远程调试。

Navigate

./nav.js https://example.com
./nav.js https://example.com --new

导航当前标签页或打开新标签页。

Evaluate JavaScript

./eval.js 'document.title'
./eval.js 'document.querySelectorAll("a").length'

在活动标签页中执行 JavaScript（异步上下文）。

Screenshot

./screenshot.js

截取当前视口，返回临时文件路径。

这就是我提供给我的 Agent 的全部内容。这是几个覆盖了我的用例所有基础的工具。每个工具都是一个简单的 Node.js 脚本，使用 [Puppeteer Core](https://pptr.dev/)。通过阅读那个 README，Agent 知道可用的工具、何时使用它们，以及如何通过 Bash 使用它们。

当我启动一个 Agent 需要与浏览器交互的会话时，我只是让它完整读取那个文件，这就是它高效工作所需的全部。让我们看看它们的实现，了解这实际上是多么少的代码。

### 启动工具

Agent 需要能够启动一个新的浏览器会话。对于抓取任务，我经常想使用我的实际 Chrome 配置文件，这样我就已经在所有地方登录了。这个脚本要么将我的 Chrome 配置文件 rsync 到一个临时文件夹（Chrome 不允许在默认配置文件上调试），要么全新启动：

```javascript
#!/usr/bin/env node

import { spawn, execSync } from "node:child_process";
import puppeteer from "puppeteer-core";

const useProfile = process.argv[2] === "--profile";

if (process.argv[2] && process.argv[2] !== "--profile") {
	console.log("Usage: start.ts [--profile]");
	console.log("\nOptions:");
	console.log("  --profile  Copy your default Chrome profile (cookies, logins)");
	console.log("\nExamples:");
	console.log("  start.ts            # Start with fresh profile");
	console.log("  start.ts --profile  # Start with your Chrome profile");
	process.exit(1);
}

// 杀死现有的 Chrome
try {
	execSync("killall 'Google Chrome'", { stdio: "ignore" });
} catch {}

// 等待进程完全结束
await new Promise((r) => setTimeout(r, 1000));

// 设置配置文件目录
execSync("mkdir -p ~/.cache/scraping", { stdio: "ignore" });

if (useProfile) {
	// 使用 rsync 同步配置文件（后续运行更快）
	execSync(
		'rsync -a --delete "/Users/badlogic/Library/Application Support/Google/Chrome/" ~/.cache/scraping/',
		{ stdio: "pipe" },
	);
}

// 在后台启动 Chrome（分离模式，以便 Node 可以退出）
spawn(
	"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome",
	["--remote-debugging-port=9222", `--user-data-dir=${process.env["HOME"]}/.cache/scraping`],
	{ detached: true, stdio: "ignore" },
).unref();

// 尝试连接，等待 Chrome 准备就绪
let connected = false;
for (let i = 0; i < 30; i++) {
	try {
		const browser = await puppeteer.connect({
			browserURL: "http://localhost:9222",
			defaultViewport: null,
		});
		await browser.disconnect();
		connected = true;
		break;
	} catch {
		await new Promise((r) => setTimeout(r, 500));
	}
}

if (!connected) {
	console.error("✗ Failed to connect to Chrome");
	process.exit(1);
}

console.log(`✓ Chrome started on :9222${useProfile ? " with your profile" : ""}`);

Agent 只需要知道使用 Bash 来运行 start.js 脚本，要么带 --profile，要么不带。

导航工具

一旦浏览器运行，Agent 需要导航到 URL，可以在新标签页或活动标签页中。这正是导航工具提供的：

#!/usr/bin/env node

import puppeteer from "puppeteer-core";

const url = process.argv[2];
const newTab = process.argv[3] === "--new";

if (!url) {
  console.log("Usage: nav.js <url> [--new]");
  console.log("\nExamples:");
  console.log("  nav.js https://example.com       # Navigate current tab");
  console.log("  nav.js https://example.com --new # Open in new tab");
  process.exit(1);
}

const b = await puppeteer.connect({
  browserURL: "http://localhost:9222",
  defaultViewport: null,
});

if (newTab) {
  const p = await b.newPage();
  await p.goto(url, { waitUntil: "domcontentloaded" });
  console.log("✓ Opened:", url);
} else {
  const p = (await b.pages()).at(-1);
  await p.goto(url, { waitUntil: "domcontentloaded" });
  console.log("✓ Navigated to:", url);
}

await b.disconnect();

执行 JavaScript 工具

Agent 需要执行 JavaScript 来读取和修改活动标签页的 DOM。它写的 JavaScript 在页面上下文中运行，所以它不需要和 Puppeteer 本身打交道。它只需要知道如何使用 DOM API 写代码，而它当然知道如何做到：

#!/usr/bin/env node

import puppeteer from "puppeteer-core";

const code = process.argv.slice(2).join(" ");
if (!code) {
	console.log("Usage: eval.js 'code'");
	console.log("\nExamples:");
	console.log('  eval.js "document.title"');
	console.log('  eval.js "document.querySelectorAll(\\'a\\').length"');
	process.exit(1);
}

const b = await puppeteer.connect({
	browserURL: "http://localhost:9222",
	defaultViewport: null,
});

const p = (await b.pages()).at(-1);

if (!p) {
	console.error("✗ No active tab found");
	process.exit(1);
}

const result = await p.evaluate((c) => {
	const AsyncFunction = (async () => {}).constructor;
	return new AsyncFunction(`return (${c})`)();
}, code);

if (Array.isArray(result)) {
	for (let i = 0; i < result.length; i++) {
		if (i > 0) console.log("");
		for (const [key, value] of Object.entries(result[i])) {
			console.log(`${key}: ${value}`);
		}
	}
} else if (typeof result === "object" && result !== null) {
	for (const [key, value] of Object.entries(result)) {
		console.log(`${key}: ${value}`);
	}
} else {
	console.log(result);
}

await b.disconnect();

截图工具

有时 Agent 需要对页面有一个视觉印象，所以我们自然想要一个截图工具：

#!/usr/bin/env node

import { tmpdir } from "node:os";
import { join } from "node:path";
import puppeteer from "puppeteer-core";

const b = await puppeteer.connect({
  browserURL: "http://localhost:9222",
  defaultViewport: null,
});

const p = (await b.pages()).at(-1);

if (!p) {
  console.error("✗ No active tab found");
  process.exit(1);
}

const timestamp = new Date().toISOString().replace(/[:.]/g, "-");
const filename = `screenshot-${timestamp}.png`;
const filepath = join(tmpdir(), filename);

await p.screenshot({ path: filepath });

console.log(filepath);

await b.disconnect();

这将截取活动标签页当前视口的截图，将其写入临时目录中的 .png 文件，并将文件路径输出给 Agent，然后 Agent 可以反过来读取它并使用其视觉能力来”看到”图像。

好处

那么与我上面提到的 MCP 服务器相比，这有什么优势呢？首先，我可以在需要时引入 README，而不是在每个会话中都为它付出代价。这与 Anthropic 最近引入的技能功能非常相似。除了它更加临时化，并且可以与任何编码 Agent 一起工作。我需要做的就是指示我的 Agent 读取 README 文件。

旁注：在 Anthropic 发布他们的技能系统之前，包括我自己在内的很多人都已经使用过这种设置。你可以在我的”Prompts are Code”博客文章或我的小 sitegeist.ai 中看到类似的东西。Armin 之前也谈到过 Bash 和代码相比 MCP 的力量。Anthropic 的技能添加了渐进式披露（喜欢），并且它们让非技术受众可以跨几乎所有产品使用它们（也喜欢）。

说到 README，与上面提到的 MCP 服务器的 13000 到 18000 Token 相比，这个 README 有惊人的 225 Token。这种效率来自于模型知道如何写代码和使用 Bash。我通过严重依赖它们现有的知识来节省上下文空间。

这些简单工具也是可组合的。Agent 可以决定将它们保存到文件以供以后处理，而不是将调用的输出读入上下文，可以是它自己或代码处理。Agent 还可以在单个 Bash 命令中轻松链接多个调用。

如果我发现工具的输出 Token 效率不高，我可以直接更改输出格式。这是很难或不可能做到的，取决于你使用什么 MCP 服务器。

而且为我的需求添加新工具或修改现有工具 ridiculously 容易。让我来说明。

添加选择工具

当 Agent 和我试图为特定站点想出一个抓取方法时，如果我能够直接通过点击它们来向它指出 DOM 元素，通常会更高效。为了让这变得超级容易，我可以直接构建一个选择器。这是我添加到 README 中的内容：

## Pick Elements

```bash
./pick.js "Click the submit button"
```

交互式元素选择器。点击选择，Cmd/Ctrl+点击多选，Enter 完成。

这是代码：

（由于篇幅原因，代码部分在此省略，与原文一致）

每当我认为我直接点击一堆 DOM 元素比让 Agent 弄清楚 DOM 结构更快时，我可以告诉它使用选择工具。它超级高效，并允许我立即构建抓取器。如果站点的 DOM 布局发生变化，调整抓取器也很棒。

如果你难以理解这个工具的作用，别担心，我会在博客文章的结尾放一个视频，你可以看到它的实际操作。在我们看那个之前，让我向你展示一个额外的工具。

## 添加 Cookie 工具

在我最近的一次抓取冒险中，我需要那个站点的 HTTP-only Cookie，这样确定性抓取器就可以假装是我。执行 JavaScript 工具无法处理这个，因为它在页面上下文中执行。但我告诉 Claude 创建那个工具、将其添加到 readme 并开始工作，花了不到一分钟。

![扩展](../../assets/images/no-mcp-extension.webp)

这比调整、测试和调试现有 MCP 服务器容易得多。

## 一个人为的例子

让我用一个人为的例子来说明这套工具的用法。我着手构建一个简单的 Hacker News 抓取器，我基本上为 Agent 选择 DOM 元素，基于这些元素，它然后可以编写一个极简的 Node.js 抓取器。这就是实际操作的样子。我加速了几个 Claude 平时很慢的部分。

真实世界的抓取任务看起来会稍微复杂一些。而且，对于像 Hacker News 这样简单的站点，这样做也没有意义。但你懂我的意思。

最终 Token 统计：

![Token](../../assets/images/no-mcp-tokens.webp)

## 让它跨 Agent 可重用

这是我如何设置的，以便我可以与 Claude Code 和其他 Agent 一起使用它。我在我的主目录中有一个文件夹 `agent-tools`。然后我将各个工具的仓库，比如上面的浏览器工具仓库，克隆到该文件夹中。然后我设置一个别名：

```bash
alias cl="PATH=$PATH:/Users/badlogic/agent-tools/browser-tools:<other-tool-dirs> && claude --dangerously-skip-permissions"

这样所有脚本都可用于 Claude 的会话，但不会污染我的正常环境。我还为每个脚本添加完整的工具名称前缀，例如 browser-tools-start.js，以消除名称冲突。我还在 README 中添加了一句话告诉 Agent 所有脚本都全局可用。这样，Agent 不必仅仅为了调用工具脚本而更改其工作目录，在这里和那里节省了一些 Token，并减少 Agent 被不断的工作目录更改弄糊涂的机会。

最后，我通过 /add-dir 将 Agent 工具目录作为工作目录添加到 Claude Code，这样我就可以使用 @README.md 来引用特定工具的 README 文件并使其进入 Agent 的上下文。我更喜欢这一点而不是 Anthropic 的技能自动发现，我发现它在实践中不能可靠地工作。这也意味着我又节省了几个 Token：Claude Code 将它能找到的所有技能的所有 frontmatter 注入到系统提示词（或第一个用户消息，我忘了，见 https://cchistory.mariozechner.at）

总结

构建这些工具 ridiculously 容易，给你所需的所有自由，并让你、你的 Agent 和你的 Token 使用高效。你可以在 GitHub 上找到浏览器工具。

这个一般原则可以应用于任何有某种代码执行环境的框架。跳出 MCP 框框思考，你会发现这比你必须遵循 MCP 的更严格结构强大得多。

然而，伴随着强大的力量而来的是巨大的责任。你必须自己想出一个如何构建和维护这些工具的结构。Anthropic 的技能系统可能是做到这一点的一种方法，尽管那对其他 Agent 来说不太可转移。或者你遵循我上面的设置。