不是我吹，MCP 真的很方便

最近圈子里最火的概念，MCP 肯定算一个。很多朋友在后台问我，这东西到底能给创业者带来什么实实在在的好处？正好我们自己团队这段时间深度用了一阵子，感受颇深。今天不扯虚的，就聊聊我们踩过的坑和尝到的甜头。

先说几个核心判断：

第一，MCP 是 AI 创作效率的翻跟斗，尤其对资源有限的小团队来说，价值巨大。第二，它通过接口标准化，大幅降低了各种 AI 工具和数据源之间的集成成本。第三，我们自己的产品墨问，就是通过 MCP 这把钥匙，轻巧地融入了不同的 AI 生态，变成了一个真正“随叫随到”的内容容器。

过去几年，墨问一直定位在创作工具这个小而美的领域。受限于团队资源，我们只有微信小程序，手机客户端和 Web 端迟迟没精力开发。说实话，心里挺急的。（也许很多小团队都有过这种无力感。）但现在，通过 MCP，局面完全打开了。在任何一个支持 MCP 的 AI 产品里，我们都能自由调用墨问的功能。

举几个实际场景。比如你是一位工程师，日常在 IDE（比如字节跳动的 Trae）里噼里啪啦敲代码。忽然想起来有个关键想法需要记下来。以前你得切出 IDE，打开微信，再打开小程序。以后不用了！只要配置好墨问的 MCP，你就能直接在 IDE 里把灵感存进墨问。整个过程就像跟身边的助手随口说了一句，完全无缝。这体验，确实很爽。

当然，MCP 具体怎么玩儿？简单列几种常用的玩法：

1. 上传一个文件，让大模型分析后，直接输出一篇格式精美的墨问笔记。
2. 和大模型聊完天后，把对话精华一键保存到墨问。
3. 拍一张照片，让大模型解读后，自动生成一篇笔记存入墨问。
4. 脑中间出现一个创意或写作主题，直接丢给大模型，让它托管到墨问里。
5. 读到一篇好文章，同样可以甩给大模型，让它帮你存进墨问。

本质上，我们日常和 Coze 这类 Agent 或各种 ChatBot 协同工作时，总会遇到一个需求：想把 AI 生成的有价值内容保存下来，方便以后翻看。这时候，墨问就可以成为一个轻便的“内容收纳盒”。只要 AI 客户端支持 MCP，配置好墨问的 MCP 服务，你就能用最自然的口语方式，把任何内容快速收纳进来。整个过程不需要打开微信，不需要打开墨问小程序，你只需要一把墨问的 API Key 即可。

说到这里，你可能会问，MCP 到底牛在哪儿？从我们团队的实际体验来看，标准化，才是 MCP 真正的杀手锏。

前段时间吴恩达在采访里提过一个公式：当有 N 个 Agent 和 M 个数据源要集成时，传统方式的工作量是 N×M，但有了 MCP，工作量直接降为 N+M。这可不是简单的减法，而是系统复杂度指数级的降低。可以说，MCP 让“万物互联”的门槛瞬间降低了好几个等级。

当然，MCP 目前还不是完美的。安全机制还在完善，服务发现能力也尚显不足。但这并不妨碍它成为未来方向。想想早期的 HTTP 协议，不也是一步一步发展过来的吗？任何事物都有迭代过程，创业如此，技术标准也是如此。正因为如此，才值得反赌。

话说回来，墨问最近正加速拥抱 MCP。我们希望每个人都能充分利用大模型的创作能力，提高自己的效率，真正形成属于自己的知识流转通道。目前，社区版 MCP 服务已经在 GitHub 上开源，不过需要本地安装（需要 Python 环境），稍微有一点门槛。如果你觉得本地部署有点麻烦，完全可以等一下墨问即将发布的官方云端版 MCP。到时候，谁都能用，不再需要本地折腾。

AI 时代最不缺的就是宏大叙事。墨问还是一艘小船，我们的念想很朴实：把它做到足够好用，让大家随时随地都能记录——在微信小程序里打开墨问能记录，在 AI Agent 里也能记录。MCP 就是连接这两端的桥梁。

至于那些在本地配置 MCP 有畏难情绪的技术小白，耐心等几天，云端版很快就会到来。技术门槛会降到最低。