工具的演进，终将从解放「体力」走向解放「心力」。

大家好，我是十三！欢迎来到十三Tech。

每个工程师大概都体会过这个痛点：AI 助手能写代码，但总差那么点意思。它不「认识」Figma 里的设计稿，也不「理解」团队的组件库规范，生成的代码常常是「空中楼阁」——我们还得当「人肉编译器」，在设计稿和代码之间来回适配，干着最磨人的「最后一公里」。

最近，一个叫 MCP 的新协议正在改变这件事。

设想一下：你在 Figma 里画好组件，回到 IDE 对 AI Agent 说「就它了，用 Ant Design 实现出来」。Agent 不是瞎猜，而是通过 MCP 协议「读懂」设计稿的布局、颜色、间距、结构，然后给你一段高度还原、几乎可以直接上线的代码。

这个让 AI 长出「手脚」、具备跨软件感知和工具使用能力的技术，就是今天的主角——MCP（Model Context Protocol，模型上下文协议）。

Part 1：MCP 是什么——从「大脑」到「手脚」

MCP 全称 Model Context Protocol（模型上下文协议），是一套让大模型能调用和操作其他软件的标准接口。

如果说之前的大模型是个能说会道的「大脑」，那 MCP 就是给这个大脑接上的「神经」和「四肢」——让它不仅能「说」，还能「做」。

这和用了很多年的 GitHub Copilot 区别很大：

Copilot 与 MCP Agent：辅助 vs 代劳

  • GitHub Copilot：更像「副驾驶」。你写代码，它在旁边帮你看看路、递个扳手、补几句代码，但方向盘始终在你手里。它的核心是辅助。
  • MCP 驱动的 AI Agent：更像「代理人」。你直接跟它说目标——「去 Figma 里把那个设计变成代码」，它自己就能排计划、调工具、交活儿。它的核心是代劳。

打个比方：Copilot 像一位学识渊博的军师，总能出谋划策，但自己不上战场；而一个带 MCP 的 AI Agent，更像一位你充分授权的将军，能听懂你的战略（「拿下那个山头」），然后自己带部队把战术执行掉。

从「辅助」到「代劳」的转变，就是 MCP 的革命性所在：AI 不再只是个建议工具，而是真正能下场干活的生产力。

Part 2：MCP 怎么干活——Figma 的 Design-to-Code

MCP 不是要干掉设计师。真实工作流里，玩的是专业分工：设计师在 Figma 里精雕细琢，把组件、变量这些最佳实践都用上；开发者在 IDE 里，让 AI Agent 把「从设计到代码」这一步效率拉满。

整个流程可以这么理解：

MCP 的 Design-to-Code 流水线

拿 Figma 一步步拆开看：

  1. 开端：设计师在 Figma 里画好一个登录页。你作为开发者，在 IDE 里选中这个画框当上下文，对 Agent 下令：「用 React 和 Ant Design 实现这个设计。」

  2. MCP 干活：Agent 收到命令后不会瞎画，而是通过 MCP 调用 Figma 暴露的一套工具——先调 figma.get_code()，把设计稿的结构和布局扒下来，生成一版基础「中间代码」；再调 figma.get_variable_defs()，把设计稿里用到的设计变量（Design Tokens，比如主色调、标准间距）拿到手。

  3. LLM 交差：Agent 手里有了「中间代码」和「设计变量」，加上你最初的指令（「用 Ant Design」），最终生成一段高度还原、组件库用对、变量也对得上的代码。

这套流程最关键的地方在于：MCP 把原本抽象、没法量化的设计图，变成了机器能读懂的结构化数据，从根上解决了以前 AI「看图说话」不准的毛病。当然，MCP 能力也有高低之分——Figma 这种是「读写」都强，而像 Apifox 目前主要是「只读」，但就算只读，在反向文档查询、API 溯源这些场景里，价值也已经很大。

Part 3：MCP 意味着什么——从「操作者」到「指挥家」

Part 2 是技术层面的硬货，Part 3 聊点更虚、但也更决定未来的东西：MCP 到底意味着什么？它不只是个提效工具，更像催化剂，在重新定义我们和工具的关系。

工具的形态：从「听话」到「懂事」。 纵观工具的历史，从斧子到软件，工具一直是「听话」的——让它干啥就干啥，绝不多干。MCP 带来的转折是，工具开始「懂事」：不再被动等指令，而是能理解你「想要什么」，自己想办法去实现。

认知层面：解放「心力」。 工业革命解放了体力，MCP 正在发动一场解放「心力」（认知负荷）的变革。以前脑子里装满了各种「怎么操作」——怎么用这个框架、怎么调那个 API、快捷键是什么；现在这些可以外包给 AI，宝贵的脑力终于能从实现细节里解放出来，聚焦到「创造什么」上。

人机关系：从「驾驶员」到「指挥家」。 我和工具的关系，正在从「驾驶员和汽车」变成「指挥家和乐队」——驾驶员得时刻盯着路、手脚并用，每个操作亲力亲为；指挥家只定调子、把握节奏、注入灵魂，具体演奏交给专业的乐手（AI Agents + MCPs）。在这个模式下，一个工程师的价值，不再是你代码敲得多快，而是你的「乐感」有多好：提出好问题的能力、做系统设计的品味、以及对 AI 成果的审美和决策力。

三条「MCP 时代」生存法则

面对这种变化，焦虑没用，关键是看清方向、调整姿势。三条法则：

  1. 学会「说人话」：训练自己用最清晰的自然语言描述最终目标。定义问题的能力，正在变得比解决过程更重要。
  2. 当好「决策者」：当 AI 能搞定大部分执行，人的价值就集中在「拍板」上——你要能提出 AI 想不出的好点子，也要能在它给的几个方案里选出最优解。
  3. 守住「工程审美」：AI 能生产无数「零件」，但怎么把它们优雅、稳固地搭成一辆跑车而不是拖拉机，取决于你的工程审美和系统设计能力。这个，AI 给不了，而且会越来越值钱。

写在最后

不管是 MCP 还是更远的 AGI，技术怎么变，工程师的根没变——一种深刻的「同理心」：对用户的同理心，对伙伴的同理心，更是对未来那个要回来维护这堆代码的自己的同理心。技术不是为了炫技，搞定问题才是。

关于十三 Tech

资深服务端研发工程师，AI 编程实践者。专注分享真实的技术实践经验，相信 AI 是程序员的最佳搭档。