CTO 视角的 MCP 选型十问
Q1：MCP 现在上，会不会是给厂商当小白鼠？
不会，但要看边界。
MCP 协议本身已相对稳定（2024 年底发布，2025 年快速收敛），主流模型厂商和 IDE 均已支持。
现阶段适合接入的是“只读场景”和“低风险写场景”：搜文档、读知识库、生成摘要、查工单状态。
涉及批量删除、资金操作、合同签章等，建议继续走传统 API + 人工审批，不要急着交给 MCP Agent。
Q2：公有云 MCP 和私有化 MCP，怎么选？
一张表说清：
| 维度 | 公有云 MCP | 私有化 MCP |
|---|---|---|
| 上线速度 | 天级 | 月级（等适配） |
| 数据出网 | 有（需评估） | 无（全在内网） |
| 权限体系 | 依赖厂商 | 对接企业 SSO/AD |
| 审计合规 | 基础 | 可深度定制 |
| 适合阶段 | 试点验证 | 规模推广 |
建议路径：先用公有云 MCP 跑通 1–2 个非敏感场景，验证 ROI 和员工接受度；再等私有化 MCP 成熟后切内网。
Q3：MCP 会不会把权限体系搞崩？
会，如果偷懒。
常见错误：给 MCP Server 配一个“超级管理员账号”，AI 用这个账号访问一切。
正确做法：
- MCP 调用必须 按真人身份透传（impersonation）
- 每个员工通过 AI 读文件，权限和他自己登录网盘完全一致
- AI 不能拥有任何“人没有的权限”
一句话：AI 是员工的代理，不是超级管理员。
Q4：审计怎么做才算过关？
最低标准三条：
- 每次 MCP 调用记录：谁触发、哪个 Agent、调了什么工具、参数摘要
- 文件级审计：读了哪个文件、什么时间、是否下载/外发
- 会话级追溯：能从一次 AI 回答反查到它调用了哪些工具和数据源
如果你们的 SIEM 或日志平台接不进 MCP，先别上生产。
Q5：MCP Server 本身被攻破了怎么办？
MCP Server 是新的攻击面，必须当“生产服务”对待：
- 独立部署，最小权限运行
- 网络层隔离（只允许 AI 网关访问，不允许直连公网）
- 工具调用白名单（只允许声明过的工具，禁止动态加载）
- 定期更新 + 漏洞扫描
原则：MCP Server 的信任级别应该和你的核心 API 网关一致，不能当玩具。
Q6：一个 MCP Server 能接多个 AI 吗？
能，这也是 MCP 的核心价值。
同一个网盘 MCP Server，可以同时服务：
- 内部 Copilot（基于开源模型）
- 商用大模型 API（Claude / GPT / 通义）
- 自研 Agent 平台
关键是：MCP Server 只管“能力暴露和权限控制”，不管“用哪个模型”。换模型不换接口。
Q7：自研 MCP Server 还是买厂商的？
| 场景 | 建议 |
|---|---|
| 用主流 SaaS（网盘/OA/CRM） | 优先用厂商提供的 MCP Server |
| 核心业务系统（自研 ERP/数据中台） | 自研 MCP Server，代码自己掌控 |
| 中间状态 | 用开源 MCP 框架（如 mcp-python / mcp-typescript）包一层 |
自研门槛不高，一个基础 MCP Server 几百行代码就能跑。难的是权限、审计、限流、熔断这些生产级能力。
Q8：MCP 和现有 API 是什么关系？
不是替代，是封装。
MCP Server 底层还是调你现有的 API。它解决的是：
- 让 AI 能自动发现有哪些能力可用
- 让 AI 能按标准格式调用，不用每个模型单独适配
- 让权限和审计集中管理，而不是散落在 N 个 API 里
别重构 API，在 API 前面加一层 MCP 就行。
Q9：怎么衡量 MCP 项目成不成功？
别用“调了多少次”这种虚荣指标。
看三个真实指标：
- 员工复用率：有多少人在一周内用了 ≥2 次 MCP 功能
- 任务完成率：AI 通过 MCP 完成的任务中，不需要人工返工的比例
- 工单减少量：知识库/IT 支持类工单是否真的下降
上线 3 个月后这三个指标没起来，说明场景选错了，不是 MCP 的问题。
Q10：如果现在什么都不做，风险是什么？
不是技术风险，是组织风险。
当竞品员工已经用 AI 直接查客户档案、自动填周报、秒级检索合同的时候，你的团队还在手动翻网盘——这不是效率差一点的问题，是认知差一代的问题。
MCP 不是银弹，但它是目前让 AI 安全进入企业工作流最标准的路。
先小步快跑，再逐步收紧，比原地观望然后被迫追赶要从容得多。