夜雨聆风最近发现一个挺有意思的现象。
AI写代码越来越快，但很多开发时间其实已经不是花在写代码上了。
而是花在给AI准备上下文。
我们公司有个在线接口文档平台，所有API路径、参数、返回值都在里面。
问题是——需要登录。
每次开发新功能，我都得：
登录平台；
搜索接口；
找到参数；
查看返回值；
复制出来；
再贴给AI。
一次两次没什么。
一天十几次之后，真的会烦。
最难受的还不是多花了几分钟，而是思路总被打断。
明明正在写功能，突然切出去找接口；刚找到接口，又得回来给AI解释参数。
后来我突然想到一个问题：
既然AI负责写代码，那找接口这件事为什么还是我在干？
于是折腾了一个MCP。
先说清楚MCP是什么
MCP做开发的程序员都懂，全称Model Context Protocol，你可以理解成给AI装了个"技能插件"，如果不了解可以找ai了解下，也可以看这篇MCP是什么，普通人需要关心它吗。
你可以把它想成手机的App——手机本身只能打电话发短信，装了App之后能干的事情就多了。MCP就是AI的App。
这个概念其实不复杂，网上很多人把它说得神神秘秘的，其实没那么玄乎。
我是怎么做的
需求其实很简单。
我希望AI能够直接读取公司的接口文档平台。
保持登录状态；
支持搜索接口；
支持模糊匹配；
返回接口路径、请求参数和返回结果。
这样以后开发的时候，我只需要告诉AI：
“帮我实现XX功能，用订单相关接口。”
剩下的事情让它自己去找。
于是我直接打开Claude Code，把需求描述了一遍。
剩下的大部分代码基本都是它写的。
整个过程大概花了一个小时，对话十轮左右。
我负责提需求、测试、反馈问题。
它负责写代码、修Bug。
它也不是一次就成功。
第一版跑起来之后，看着没什么问题。
结果第二天使用的时候，有个接口死活匹配不到。
后来让Claude自己排查了一遍，发现确实是匹配逻辑有Bug。
修完之后才稳定下来。
所以如果你也在用AI写代码，我的建议一直没变：
一定要测试。
AI写代码确实快。但快不代表没有问题。
尤其是工具类项目，第一版能跑和真正能用，中间往往还差不少东西。
用起来什么感觉
最直观的改变就是——不用再手动扒接口信息了。
以前以前开发一个功能，流程基本是：
打开接口平台；
搜索接口；
查看参数；
复制内容；
粘贴给AI；
解释怎么调用。
现在变成：
直接告诉AI：
“帮我实现XX功能，接口路径大概有order。”
然后它自己去匹配。
找到接口之后自己分析参数。
自己生成请求代码。
最后直接开始干活。
甚至有时候我连完整路径都记不住。
只记得接口名字里有个关键词。
它也能帮我从一堆接口里面找到最接近的那个。
粗略算了一下。
以前找接口、整理参数、给AI解释上下文，加起来一次差不多要几分钟。
一天十几次，其实能占掉不少时间。
更重要的是注意力不会被频繁打断了。
做开发的人应该都懂。
很多时候浪费的不是操作时间。
而是重新进入状态的时间。
关于部署
目前MCP跑在我本地，后续打算部署到公司内网。这样团队其他人也能用，不需要每个人都自己搭一遍。
但我不着急，先自己用一段时间，有bug就修、不好用就优化，稳定了再共享出去给大家用。这也是我这些年做工具养成的一个习惯。
别刚跑通就急着推广。
先自己高强度使用一段时间。
这一点我也想说一下：AI帮你做的东西，别急着分享。 先自己跑一段时间，踩踩坑。你踩过的坑比你告诉别人"这东西好用"更有说服力。
最后说一句
以前大家总在讨论：
怎么让AI写更多代码。
但现在我越来越觉得，很多时候限制AI的根本不是写代码能力。
而是它拿不到信息。
接口文档在平台里。
设计规范在Confluence里。
历史需求在项目系统里。
各种知识都散落在不同地方。
如果这些信息需要人来回搬运，再强的模型也发挥不出来。
而MCP解决的恰恰是这个问题。
不是让AI变聪明了。
而是让AI拿到了原本拿不到的东西。
听起来不是什么颠覆性的创新。
本质上只是帮我省掉了每天重复做的几件小事。
但很多工作方式的变化，往往就是从这些不起眼的小事开始的。
如果你也遇到过类似问题，或者做过一些有意思的MCP实践，欢迎评论区聊聊。
说不定还能互相抄点作业。
