MCP 能干什么：同一句话，接与不接差在哪 | AI 打工日志·MCP篇③
《MCP 能干什么：同一句话，接与不接差在哪》
答案从正确的废话变成能开会的结论 · 阅读约 9 分钟 · 无需技术背景
同一句话，三种答案 先看差别，再讲原理
同样一个问题，切换三种连接状态看答案变化
差别不在模型聪不聪明——三份答案出自同一个脑子。差别在于它手上有没有材料。
没接的时候，它只能调用训练时学到的通用常识，于是给出「一般来说」。接上了以后，它能读你的文件、查你的数据库、翻你的工单系统，答案才从正确的废话变成能拿去开会的结论。
场景一：让它读你自己的资料 从此不再凭空编造公司制度
每个公司都有这么一堆东西：制度文档、产品手册、历史方案、会议纪要、谁也说不清版本的代码仓库。它们躺在网盘和文件夹里，对 AI 来说是黑盒。
接上之后，最直接的变化是它开始引用你的原文，而不是凭印象发挥。
这个场景的好处是风险低：只读不写，它读完了回答你，不会改动一个字。适合作为第一个试点的场景。
📘 制度问答 —— 报销标准多少、请假怎么批，答得比我记得准
📦 产品资料 —— 几百页手册里某个参数，三秒钟翻出来
💻 代码仓库 —— 这个项目为什么这么写，它真能去看
🗂️ 历史方案 —— 去年那份被否决的提案，终于有人找得到了
场景二：让它查真实的数据 从「一般来说」到「具体到小数」
比读资料更进一步的是查数据。不管是表格文件还是正式的数据库，它都可以直接取到当前的真实数值。
这一步带来的变化最直观：回答开始出现具体的数字、时间范围、同比环比。你不用再自己导出表格、手动贴给它、再让它分析——它自己去取。
但要提醒一句：查数据通常属于「工具」而非「资源」，意味着它可能具备写的能力。这里的原则是只给最小权限——能只读就只读，要写就限定范围。
查数据解决「它不确定」。—— 两件事都不解决，它就还在编
场景三：让多个系统串起来 真正的价值在组合，不在单点
前面两个场景都是单点的。真正让 AI 变得非它不可的，是跨系统串联。
回看开头那个退货率的问题：答案之所以有用，是因为它同时动了三处——客服工单系统里的客诉记录、仓库的出库数据、还有制度文档里的条款。任何单一数据源都答不出这个结论。
过去这件事的做法是：你自己去三个系统各导出一份，在表格里折腾两小时，然后发现口径对不上。现在这一步被压缩成了一句话。
财务对账
一边是财务系统里的收款，一边是渠道返回的对账单明细，让它自己找出差异项并标注可能原因。
客诉归因
把工单、物流、商品三个系统的信息合并，找出这段时间变差的根本环节。
周报生成
从任务系统拉进度、从代码仓库拉提交、从文档拉结论，自动拼出一份初稿。
组合拳：本领、团队、连线 把前三季攒的东西拼起来
到这里，整个体系其实已经清晰了。一个真正能干活的 AI 同事，靠三样东西拼出来：
技能 Skill —— 它的本领
教会它按你的规矩干活：格式、套路、验收标准。没有这个，它能力强但总是不合你的意。
多智能体 —— 它的团队
复杂任务拆给多个专职角色，有人做有人查，避免一个人扛所有活导致的顾此失彼。
MCP 连接 —— 它的材料
把真实世界的数据和系统接进来。没有这个，前面两样再强，也只能在真空里打转。
换句话说：技能决定它做事的章法，团队决定它能扛多大的活，连接决定它手上有多少真材实料。
三者缺一，你得到的就还是一个「聊得挺好、干不了事」的 AI。
三题小测 做完这三题，场景感就有了
下一站：插座万能，不代表什么都能插
能力越强，风险也越大。最后一篇我们聊边界——哪些东西不能随便接通，以及接通之后该怎么管。下一篇见。
