首页 › new-tools › MCP 摘掉 LLM：零 Token 自动化开闸

一句话说清楚这条信息差：MCP 这套协议被设计成"喂给大模型"的工具接口，但 2026 年 6 月底，海外冒出一批新项目证明——MCP 服务器可以彻底绕开 LLM、用 YAML 确定性回放，一分钱 token 都不花。 中国开发者还停留在"MCP = 给 Cursor/Claude 装插件、每次调用都烧钱"的认知里，而海外已经开始把 MCP 当成新时代的 Ansible 来做零成本自动化。本文拆三个本周刚开源的新工具，外加一个单卡炼模型的小彩蛋，看完你就能动手把别人的付费 AI 能力，改造成自己的免费资产。

一、先纠正一个被误导的共识：MCP 不一定要 LLM

Model Context Protocol（MCP）从 2024 年底由 Anthropic 推出后，在国内被传成了"AI 时代的 USB 接口"——言下之意是：它是给大模型接工具用的。这个理解只对了一半。

真正的信息差藏在这一句反常识的话里：MCP server 暴露的是"被命名的契约"（named contracts），比如 get_issues、query_database，而不是某个 HTTP 端点。 既然是契约，人能读懂，脚本也能直接调用。LLM 只是一个"会读契约的消费者"而已，但它绝不是唯一消费者。

这条认知一旦打通，整个 MCP 生态的玩法就变了：全世界几千个已经写好、已部署、待命调用的 MCP 服务器，全都是你的免费、可复现、可进 CI 的自动化积木。下面三个项目，正在把这个想法落地成产品。

二、Ocarina：把 MCP 当 Ansible，零 LLM、零 Token 跑回放

这是本轮最反常识、也最值得关注的新物种。2026 年 6 月 27 日刚发到 Hacker News 的 Show HN。

它的官方 README 第一句就点题："Write a YAML script, replay it deterministically, no LLM in the loop." 作者甚至给了个直观演示：用 Ocarina 驱动 blender-mcp，按"铺平面 → 放方块 → 叠球体 → 加圆锥 → 校验场景"的固定步骤搭 3D 场景，同一个 YAML，每次结果一模一样，没有模型参与。

为什么值得关注（信息差核心）：作者点破了一个被所有人忽略的事实——"这些工具本来就是为了被语言模型读取而设计的，而语言模型又是用人类语言训练的，所以这些工具对人来说同样易读"。换句话说，每一个别人为大模型写的 MCP 工具，你都能拿来当确定性脚本白嫖。 这意味着：你过去以为必须花 token 让 AI 去调用的那批操作（查 Jira、查数据库、操作 GitHub），现在可以零成本批量回放，还能塞进 GitHub Actions 做 CI。

安装与上手（亲测可用）：

go install github.com/msradam/ocarina@latest   # 需 Go 1.26+，或直接下 releases 二进制

# 一键给任意 MCP server 生成 Markdown 文档（相当于"先看菜单"）
ocarina docs npx -y @modelcontextprotocol/server-github > docs/github.md
ocarina docs uvx mcp-server-sqlite --db-path mydb.sqlite

# 跑一个 rondo（YAML playbook，跨多个 server 编排，可分支/循环/重试）
ocarina run my-playbook.yaml

国内对比与适用人群：国内目前没有"MCP 当 Ansible 用"这个心智位。最接近的是 n8n、阿里云百炼的流程编排，但它们要么是可视化拖拽、要么强依赖大模型节点、要么不原生支持 MCP。Ocarina 适合运维 / DevOps / 平台工程师，以及想把 AI 工具链从"按次烧钱"变成"一次性免费资产"的技术负责人。唯一短板：太新（Star 还在个位数），文档和生态刚起步，需要自己踩坑。

三、Mcpify：一行命令把任意 REST API 变成 MCP server

Ocarina 解决的是"怎么消费 MCP"，Mcpify 解决的是"怎么量产 MCP"——它把供给端也开源化了。

作者一句话点破痛点：给 AI 接 API，过去要为每个端点手写一个 tool wrapper，API 一改就过时；而几乎所有 API 都已经发布了 OpenAPI spec，直接读 spec 就能自动生成整个 MCP server。

关键特性：① 零 per-endpoint 代码；② 始终与 spec 同步（spec 一改，重新生成就行，不用维护 wrapper）；③ 天然支持鉴权（API key / Bearer token 传一次，自动应用到每个调用）。

上手命令：

pipx install mcpify-cli

# 预览某个 spec 会生成哪些工具（不启动 server）
mcpify --list examples/petstore-mini.yaml

# 直接以 stdio 形式跑成 MCP server，丢给 Claude / Cursor / Windsurf
mcpify https://petstore3.swagger.io/api/v3/openapi.json
mcpify ./openapi.yaml --base-url https://staging.internal.api
mcpify ./openapi.yaml --auth "Authorization: Bearer $TOKEN"

为什么值得关注 + 国内对比：国内做"AI 接 API"普遍靠两种路子——要么在云平台（百炼、扣子）里手动配连接器，要么团队里专人手写 MCP server。Mcpify 把这事降维成"一行命令 + 一个 spec 文件"，任何一个有 OpenAPI 文档的内部系统，都能在 10 分钟内变成 AI 可调用的工具集。它特别适合中小团队后端 / API 负责人：你公司那一堆内部 REST 服务，今天就能批量接入 AI，不用排期。

四、OpenTag：开源自托管"Slack 里的 Claude"，自带模型、可审批

第三个项目把"开源夺回控制权"延伸到了聊天协作层。CopilotKit 团队出品，发布即 162 Star。

它的卖点很直白：相当于"在你的工作区里拥有一个 Claude"，但是开源 + 自托管——你拥有运行时、自带模型、接自己的工具，没有按座收费、没有锁定。设三个环境变量即可跑起来：

SLACK_BOT_TOKEN=xoxb-...
SLACK_APP_TOKEN=xapp-...
OPENAI_API_KEY=sk-...      # 或 ANTHROPIC_API_KEY —— 关键：自带模型，可换 GLM

启动方式：拉 CopilotKit monorepo，跑两个进程——agent（LLM 后端，端口 8200）和 bot（Slack 连接）：pnpm --filter slack-example runtime + pnpm --filter slack-example dev。

为什么值得关注（国内视角）：Slack 里的 Claude / Microsoft Copilot 这类"聊天内嵌 AI"在海外是按人头订阅收费的暴利环节。OpenTag 把它开源化，最大的信息差在于——"bring your own model"这个口子，意味着你完全可以把后端模型从 OpenAI 换成国产 GLM，月成本从人均几十美元压到几乎为零。 这对国内做企业内部工具、IM 机器人的团队是直接可抄的方案。它适合企业工具团队 / 私有化交付 ISV；短板是当前得从 monorepo 跑、独立 npm 包还在路上，部署门槛比前两个略高。

五、彩蛋：Apex-1-flash——单张 RTX 5070 微调出 4B 模型

这不是 MCP 系，但同样是今天 Show HN 上的硬货，且和"省成本"主题高度相关。HuggingFace 上一个叫 OrbitAIEU 的团队，用单张消费级 RTX 5070 微调出一个 4B 参数的 LLM（Apex-1-flash）。

链接：https://huggingface.co/OrbitAIEU/Apex-1-flash

它戳中的是国内无数中小开发者的痛点：大家都以为"微调"必须租 A100 集群、按小时烧钱。这个项目证明，在一张消费级 5070 上就能完成一次像样的 4B 微调，权重直接开源。对你意味着——想做行业/领域微调，不用再等公司批云预算，自己机器先跑通原型。结合 GLM-4.6 这类可商用开源底座，本地微调路线对个人和小团队彻底打开了。

六、一张图看懂：开源正在拆掉 AI 的三层暴利

flowchart TB
    subgraph 传统付费路径["传统付费路径（每次都烧钱）"]
        U1[用户提问] --> LLM1["LLM 推理<br/>每次烧 token $"]
        LLM1 --> MCP1[MCP Server]
        MCP1 --> API1[真实 API / 服务]
    end
    subgraph 开源拆解层["开源新工具：把暴利环节逐层拆掉"]
        direction TB
        L3["③ OpenTag<br/>拆掉'按座订阅'<br/>自托管 + 自带模型 可换 GLM"]:::own
        L2["② Mcpify<br/>拆掉'手写对接'<br/>一行命令量产 MCP"]:::own
        L1["① Ocarina<br/>拆掉'每次烧 token'<br/>YAML 确定性回放, 0 LLM"]:::own
        L1 --> MCP2[MCP Server<br/>生态复用]
        L2 --> MCP2
        MCP2 --> API2[真实 API / 服务<br/>免费 可复现 进 CI]
        L3 -.调用.-> MCP2
    end
    classDef own fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px,color:#1b5e20;

读懂这张图，就读懂了本轮信息差的本质：过去三层都在给闭源厂商交过路费（token 费、对接人工费、按座订阅费），现在三把开源刀，一层切一刀。

七、信息差总结：你知道的 vs 别人已经知道的

维度 大多数国内开发者的认知（滞后） 海外本周的新共识（信息差）
MCP 的定位 只能喂给 AI，每次调用烧 token MCP 是契约，可被 YAML 脚本零成本确定性驱动
接 API 给 AI 手写每个端点的 tool wrapper 一个 OpenAPI spec 一键自动量产 MCP server
IM 内的 AI 能力 只能按座订阅 Slack Claude / Copilot 开源自托管 + 自带模型，可换成 GLM，月费趋零
模型微调 必须 A100 集群、按小时烧钱 单张 RTX 5070 就能微调 4B，权重开源可抄
自动化底座 还在用 n8n / 写脚本调 HTTP 直接复用现成的几千个 MCP server 当积木

八、行动指南：今天就能做的三步

  1. 零成本体验 Ocarina（30 分钟）：go install github.com/msradam/ocarina@latest，然后 ocarina docs npx -y @modelcontextprotocol/server-github 生成一份 GitHub MCP 的文档菜单，再写个最小 YAML playbook，驱动它跑一次"列 issue → 评论 → 打标签"。重点感受没有 LLM、不花 token、结果可复现这三件事。
  2. 把公司一个内部 API 接入 AI（半天）：找到你团队任意一个有 OpenAPI 文档的内部服务，pipx install mcpify-cli 后 mcpify ./openapi.yaml --auth ...，挂到 Cursor / Claude Code 里，立刻获得一个"懂你公司 API 的 AI"。
  3. 用国产模型自托管一个 IM Agent（一天）：克隆 OpenTag，后端模型从 OpenAI 换成 GLM-4.6 API，跑进一个测试 Slack/Discord 频道。算清这笔账——同等能力，海外按座订阅一年几千美元，你这版人均接近零。这套组合拳，就是你向团队/客户证明"AI 能力可以私有化、可控、可持续省钱"的最好 demo。

一句话收尾：当国内还在讨论"MCP 到底要不要学"时，海外已经把它从"AI 配件"升级成了"通用自动化协议"——而这一次，开源让协议的控制权，第一次回到了开发者自己手里。

参考来源

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

51学通信知识星球海报-扫码加入

📎 本分类最新文章