MCP 工具正逼近 30 万件，但智能体的麻烦可能不再是「能不能调」，而是「找不找得到」。一份聚合 55 个目录与包管理器的报告显示，截至 10 月 20 日，AI 智能体生态已膨胀到约 64.4 万件工具；与此同时，一份 10 月 19 日发布的工程指南指出，大量自建 MCP 工具因为元数据不规范，根本「看不见」智能体。规模与可发现性，正在拧成一对新矛盾。
规模先涨为敬：64 万余件工具
那份第三方聚合口径显示，整个生态约 64.4 万件工具中，MCP 服务器约 27.4 万件（占 42.5%），是最大的单类；AI 技能约 34.2 万件（占 53.1%）；自主智能体约 2.8 万件（占 4.4%）。过去 30 天日均新增约 1895 件，过去 7 天新增约 1.38 万件。规模本身说明 Model Context Protocol 作为「把大模型接进外部工具与数据」的标准接口，已经被大量采用——发布一个新服务器，比手写一个专用集成便宜得多。但第三方口径也意味着数字会随目录覆盖而浮动，不能当成官方统计。
规模之后，是「找不找得到」
问题出在另一侧。一份 SpiritRoom 于 10 月 19 日发布的开发者指南指出，许多自建 MCP 实现因为缺少规范的 schema 文档、命名不一致，卡在智能体的发现检查之外——功能完好，却对智能体隐形。指南给出三招：用带动作动词、清晰能力信号的命名；写完整的 JSON Schema，标注必填与可选参数；按功能域打元数据标签。它举的例子很有说服力：把一个工具从「helper_func」改名为「analyze_code_complexity」，在测试智能体上的发现率提升约 340%；补上结构化能力描述后，成功调用上升约 280%。这恰恰说明，工具再多，智能体看不见也等于零。
给 MCP 生态的一条旁注
这篇的增量认知，是把智能体工具生态的关注点，从「数量」挪到了「可发现性」——当 MCP 服务器以日均近两千的速度增加，瓶颈正从「能不能调」转向「在正确的上下文里被找到、被正确调用」。它对做 MCP 服务器与智能体平台的团队有个直接提醒：发布一个工具只是起点，让它被多个编码智能体稳定发现与使用，需要规范的命名、完整的 schema 与一致的元数据。需要清醒的是，64 万这个总量来自第三方对 55 个目录的聚合，并非官方口径，且与站内此前覆盖的「MCP 工具生态治理」侧重治理与风险不同，本篇侧重的是「规模上来之后，发现率成了新瓶颈」这一角度。把这两篇合起来看，MCP 的下一程，既要管得住，也要找得着。
目前官方及行业暂未披露更多细节，包括各目录的去重口径、发现率提升在不同智能体上的泛化表现，以及大规模工具下的检索与排序最佳实践，后续将持续跟进迭代动态。这篇把「MCP 工具爆炸」的关注点，从数量推进到了可发现性这一新瓶颈。