type
status
date
slug
summary
tags
category
titleIcon
password
icon
insider
记一次简单的MCP使用体验,结论:上下文占用大,请求频繁,依赖模型对需求的理解能力,模态处理能力,实际使用效果有待提升。关键词:github copilot; cline; claude; gemini; openai; playwright-mcp; vscode 更新设置 & 代理;
Anki-MCP
应用效果与评价
- 最底下(12:46)为仅生成flashcards的开销,时间约30s,token < 4.5K
- 往上11次均为MCP的方法时间>2m,token开销更是数倍
- 加上人工手动创建deck与文件导入,过程最多再加10s出头

不如:
- 1.合并MCP逻辑,合并创建deck,查询可用元数据设置,创建选定元数据的待插入数据,插入数据多步为一步
- 2.以确定性的程序流程为主导,仅将生成flashcards的逻辑封装一个函数,通过调用API生成,像做一次RPC取数据一样实现
参考Prompt与回复



参考效果


- 作者:CamelliaV
- 链接:https://camelliav.netlify.app/article/mcp-exp2
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议,转载请注明出处。

.png?table=block&id=289ca147-5df8-80fd-8db8-dcc3f6521211&t=289ca147-5df8-80fd-8db8-dcc3f6521211)


.png?table=block&id=2b3ca147-5df8-80c8-94b3-f9c89b454622&t=2b3ca147-5df8-80c8-94b3-f9c89b454622)


.png?table=block&id=2b0ca147-5df8-80b5-aedb-d7a0d8d0aa7b&t=2b0ca147-5df8-80b5-aedb-d7a0d8d0aa7b)
.png?table=block&id=284ca147-5df8-802a-8753-ed1447e3c02e&t=284ca147-5df8-802a-8753-ed1447e3c02e)


.png?table=block&id=297ca147-5df8-80a2-add6-f5872a8c07d4&t=297ca147-5df8-80a2-add6-f5872a8c07d4)
