每当一个新能力看起来很强的时候，我们最容易犯的错误就是：

先看到了它能做什么，没先看它不该做什么。

MCP 也是一样。

它确实让 AI 能更真实地接工具、进环境、做动作，但这不等于我会一上来就把所有事情都交给它。

因为能力越接近执行层，越需要边界感。

为什么 MCP 容易让人产生“自动化全能”的期待

因为它给人的直觉特别强。

以前 AI 更多是在说、在解释、在生成。

现在它开始能：

• 看页面
• 进工具
• 读设计稿
• 做一些真实检查动作

这很容易让人产生一种感觉：

“那是不是很多事以后都能直接交给它做了？”

这恰恰是最需要冷静的地方。

我最关注的几个风险点

我现在对 MCP 最关注的风险，大概有四类。

第一类，是权限边界。

工具接得越深，越要知道：

• 它能看到什么
• 它能操作什么
• 哪些动作是只读
• 哪些动作是可写

第二类，是误操作风险。

只要进入真实工具环境，就不再只是“说错了也无所谓”。

有些动作一旦执行，成本就不是重新生成一段答案那么简单。

第三类，是输出稳定性。

工具接进来以后，仍然可能受环境、状态、页面变化影响