🎛️ MCP Profiles 深度解析:如何選擇合適的模式
深度思考分析 (Deep Thinking Analysis): MCP Profiles 的設計初衷不僅是為了「隱藏」工具,更是為了 Context 預算管理 (Context Budget Management)。 LLM 的注意力機制是有限的。一次性灌入 100+ 個工具定義(約 1 萬 Tokens)會分散模型的注意力,導致它忘記任務指令。 Profiles 允許我們根據 任務複雜度 和 模型能力 來動態調整 工具密度。
本指南提供每個 Profile 的詳細拆解、適用場景 (Usage Points) 以及優缺點分析。
📊 快速比較
| 設定檔 (Profile) | 工具數 | 核心用途 | 理想模型等級 | Token 消耗 |
|---|---|---|---|---|
ultra_lite |
3 | 閘道器 (Gateway) / 重度聊天 | 入門 (如 Llama 3 8B) | 🟢 極低 |
minimal |
8 | 安全營運 (Ops) / CI | 中階 | 🟢 低 |
lite |
20 | 日常開發 (官方推薦) | 高階 (Claude 3.5, Gemini 1.5) | 🟡 平衡 |
standard |
50 | 架構設計 / 專案管理 | 頂規 | 🟠 高 |
full |
All | 全知模式 (God Mode) / 除錯 | 超大 Context (Gemini 1.5 Pro) | 🔴 極高 |
🛠️ 各模式詳細解析 (Deep Dive)
1. ultra_lite (極致輕量 - The Gateway)
核心概念: 「漸進式揭露 (Progressive Disclosure)」。 Agent 初始狀態下 一無所知,只知道如何「發現」工具。只有當它真的需要某個工具時,才會去查詢該工具的定義。
- ✅ 適用場景 (Usage Point):
- 成本優化: 當你按 Input Token 付費且希望極小化 Prompt 時。
- 小型模型: 使用本地 7B/8B 模型,這些模型容易被大量工具定義搞混。
- 重對話: 任務內容 90% 是討論需求,只有 10% 需要執行操作。
- ❌ 限制:
- 高延遲: 每次使用新工具都需要 2 個往返 (Discover -> Execute)。
- 缺乏主動性: Agent 不會「意外」發現並使用某個它原本不知道的好用工具。
2. minimal (極簡 - The Guard)
核心概念: 「唯讀 / 安全優先」。 提供足夠的工具讓 Agent 看見 並 驗證 專案,但限制其生成與修改代碼的能力。
- ✅ 適用場景 (Usage Point):
- 專案審計: 「幫我讀這些代碼,告訴我安不安全。」
- CI/CD 流水線: 在自動化流程中進行檢查,不希望 Agent 自作聰明修改代碼。
- 快速修復: 簡單的 Git Commit 或 Vibe Check。
- ❌ 限制:
- 不能審查代碼 (無
code_review)。 - 不能生成測試 (無
test_gen)。
- 不能審查代碼 (無
3. lite (輕量開發 - The Daily Driver) 🌟
核心概念: 「帕累托最優 (Pareto Optimal)」。 包含 20% 的工具,卻能完成 80% 的工作。專為適應 128k Context Window 設計,預留最大空間給代碼檔案。
- ✅ 適用場景 (Usage Point):
- 功能開發: 「幫我新增一個登入頁面。」(會用到
write_file,rag_context,code_review) - 重構: 「清理這個類別的代碼。」
- TDD: 「為這個函數寫單元測試。」
- 預設選擇: 絕大多數情況下,請從這裡開始。只有當你覺得工具不夠用時才切換。
- 功能開發: 「幫我新增一個登入頁面。」(會用到
- ❌ 限制:
- 缺乏管理工具 (Workspace 管理、Git Hooks 安裝)。
- 缺乏多智能體模擬能力。
4. standard (標準 - The Architect)
核心概念: 「專案經理 (Project Manager)」。 擴展了範圍,包含儲存庫管理、安全管理以及更深度的分析工具。
- ✅ 適用場景 (Usage Point):
- 環境建置: 安裝 Git Hooks,配置 Shadow Mode 安全等級。
- 深度研究: 使用完整 RAG 擴展 (
rag_expand) 來理解複雜的依賴關係圖。 - 多智能體流: 執行
boring_multi_agent來模擬使用者行為。 - 規格撰寫: 使用
speckit_*工具來釐清模糊的需求。
- ❌ 限制:
- Token 消耗顯著增加。
5. full (全知模式 - God Mode)
核心概念: 「原始無過濾存取 (Raw Unfiltered Access)」。 暴露系統中 所有 已註冊的工具,包含實驗性的、舊版的、除錯用的。沒有任何隱藏。
- ✅ 適用場景 (Usage Point):
- 超大 Context 模型: 當你使用 Gemini 1.5 Pro (2M) 或 Claude 3 Opus,且不在乎 50k System Prompt 的消耗時。
- 插件開發: 當你正在開發 新的 Boring 工具,並希望在不修改 Profile 的情況下立即測試它。
- 使用實驗功能: 存取那些尚未畢業進入
Standard的最新工具。 - 「我找不到工具」: 當你確定某個工具存在,但在目前 Profile 找不到時,切到 Full 把它找出來。
- ⚠️ 嚴重警告:
- 幻覺風險: 100+ 個工具會增加 LLM 選錯工具的機率 (例如混淆
verify和verify_file)。 - 成本: 在按 Token 計費的模式下非常昂貴。
- 效能: 「思考」速度變慢 (因為需要預處理大量工具定義)。
- 幻覺風險: 100+ 個工具會增加 LLM 選錯工具的機率 (例如混淆
⚙️ 配置切換 (Configuration)
您可以根據當前任務需求動態切換 Profile。
1. 環境變數 (全域)
2. 專案設定 (.boring.toml)
3. 執行時切換 (VS Code / Cursor)
- 開啟 User Settings (JSON)。
- 找到
"mcpServers"。 - 編輯
boring下的env區塊。 - 重啟 MCP Server (Developer: Reload Window)。
💡 建議總結
請從 lite 開始。
- 如果發現模型「幻想」出不存在的工具 -> 切換到 standard (可能該工具在那裡)。
- 如果覺得模型變慢或太貴 -> 切換到 minimal 或 ultra_lite。
- 如果你在做深度研發或使用 Gemini 1.5 Pro -> 切換到 full。