模型网关

这两年我在企业里做数据项目，被问得最多的一类问题是：大模型能不能直接连我们的 ERP、连我们的主数据、连我们的合同系统？我的回答基本固定——能不能连是协议问题，连上之后能不能用是数据问题。MCP（Model Context Protocol，模型上下文协议）解决的是前面那一半，它把模型和外部系统、工

MCP 是什么，这笔账为什么不能只看采购价
MCP 是 Model Context Protocol 的缩写，说白了就是一套让大模型能标准化调用外部数据和工具的协议。以前要让 AI 去查一张主数据表、跑一段指标口径、读一份业务规则，得一个系统一个系统地写适配代码；有了 MCP，模型侧写一次、系统侧写

我做过几个成本管控项目，发现一个挺有意思的现象：老板嘴上说“降本”，真正卡住的往往不是预算数字，而是没人说得清钱花在哪、花得值不值。生活里也一样。一个家庭月收入两万，房贷六千、孩子教育三千、吃穿用度四千、通勤一千，剩下六千。有人一谈成本管控就把奶茶、下馆子、视频会员全砍了，日子过得紧巴巴，可年底一看

做企业级 AI 应用这些年，我被问得最多的不是\”该选哪个模型\”，而是\”同一个问题被问了一百遍，凭什么要付一百次钱\”。语义缓存就是冲这件事来的。它的定义可以说得很朴素：把用户的输入先过一遍嵌入模型转成向量，存进向量库里；新请求进来，先做一次相似度检索，只要和历史问题足够接近，就把当时生成的答案直接返回

语义缓存这个词，这两年在我参与的 AI 问数项目里被问得最多。很多人默认它就是加一层向量检索，问题进来看看像不像，像就返回老答案，省一次大模型调用、省一次数据库查询。实际跑下来没这么简单。我在银行的项目里见过把\”回款\”和\”回款额\”判成同义、直接返回上一季度数字的情况；也见过制造客户那边\”A 厂产量\”

这两年我在做企业数据治理咨询的时候，被问得最多的一句不是\”该买什么平台\”，而是一句听上去很像术语、又说不清边界的话。有人把它写进招标文件的建设内容里，有人把它当成一个可以直接采购的产品名，还有人在内部汇报的 PPT 上把它放在架构图最上面一层。每次遇到这种情况，我都会先停下来问一句：你说这四个字的时

我做企业数据与 AI 落地咨询十多年，近两年被问得最密集的一句话就是：MCP 到底是什么，是不是企业接大模型的标配。我的答案一直很直接——MCP 是一根管子，不是一锅饭。它解决的是\”模型怎么调用外部工具和数据源\”这件事，把过去各家私有插件格式的乱象收敛成一个相对统一的接口约定。但管子通不通，跟饭好不

先亮观点：MCP 落地，八成的功夫不在协议本身我经手过几轮企业侧的 Agent 和 MCP 项目，说句实在话，真正死在协议这一层的，不到两成。剩下八成，全死在数据那一侧。MCP（Model Context Protocol，模型上下文协议）说白了，就是给大模型和 Agent 定了一套\”怎么发现工具

核心判断：MCP 能不能用，一半看协议，一半看你自己的数据2025 年下半年开始，找我聊 MCP 的人明显变多，问的问题也从\”这是什么\”变成\”我该先接哪个\”。我自己的判断有三条，写在这里当个底：MCP 已经过了概念期，现在是工程期，谁能把它接进真实业务、谁就能省下大把重复开发；市面上流通的 MCP

我参与过七八个企业级 AI 项目的架构评审，发现一个挺明显的规律：凡是上来就问\”哪家网关并发高、支持多少个大模型\”的团队，上线三个月后大多会卡在同一个地方——数据接不进去，或者答出来的数业务不敢用。AI 网关说白了是个入口件，它的成色由背后接了什么决定，不由它自己决定。选型这件事，本质不是比参数，而