把长文章画成图——每篇一张，图为主，文为辅。
MCP 官方架构文档拆成三件事：谁在连（Host/Client/Server，1:N 与 1:1 配对，且 server≠远程服务器）、怎么连（Data/Transport 双层，同一套 JSON-RPC 跑在 STDIO 或 HTTP 上）、连了能交换什么（原语：Tools 动词 / Resources 名词 / Prompts 模板，加 client 侧 Elicitation 与已弃用的 Sampling/Logging）。5 张手绘图 + 4 步完整交互时序，是所有 MCP 衍生话题的基础层。
→Model Context Protocol 第五版规范：双向有状态 → request/response 无状态核心，server 成为一等 HTTP 工作负载（serverless/edge）；版本化扩展框架毕业（Apps/Tasks）+ OAuth 2.0/OIDC 认证加固；合上大图——agent loop 与 tool server 两端的「无机器化」合流。
→loss 随参数、数据、计算呈幂律——OpenAI 2020 这篇论文第一次把「模型能变多强」变成可预测的曲线。三条基本幂律的元素周期表、算力十亿倍该怎么花、过拟合的 N^0.74/D 边界、「收敛是低效的」资源账，以及一个常被遗忘的推论：自然语言的熵猜想。
→Stanford CS336 开篇讲座两个最值得「画」的概念：Scaling Laws（Kaplan vs Chinchilla、IsoFLOP 的 U 形曲线、scaling recipe）与 BPE Tokenizer（四方案在词汇表×压缩比平面的位置、迭代合并算法）。
→熄灯工厂（没人读代码）为什么行不通——再多的循环也抬不动天花板：好设计没有快速 oracle，RL 奖励不到它。从 RL 奖励的一维性、时间尺度错配，到四阶段前置规划的解药。
→agent 打破了"程序员停→编程停"的同步假设。把循环放进持久控制平面、把机器降级为工具，loop 即可 serverless——可用性、韧性、可扩展、效率自然落地。控制平面你也应该能拥有。
→跨公司协作的基本单元从「一个人」变成「一个人 + ta 的 agent」。Raft 的 joint channel 让两个组织共享一个房间，房间里坐着双方的人和双方的 agent——单一规范会话 + 本地投影，边界即产品。
→AGENTS.md 不再只指导 coding——现在还能指导审查。把团队隐性知识编码为可引用、可 scope 的 review 指令。
→同一个「随机数 1–100」prompt，四个模型交出四种截然不同却各自稳定的答案分布。把 LLM「答不准随机数」这个缺陷当成取证信号——一个 token 就能指纹化、归类谱系、审计 API 端点。
→你在一个角色上玩了 100 小时——这个角色是什么？不是主机、不是手柄，是存档文件。AI agent 正在撞上同一个拐点：agent 是它的 durable 事件历史，不是跑它的进程。主机起火→存档存活→新主机接续，与 worker 崩→log 存活→新 worker 重建同构。由此掉出五个性质和一个锁入论证——谁拥有 log，谁就拥有 agent。
→2025 年 AI 工程界为「agent 该用 MCP 还是 CLI」吵了一年，双方都有实证——MCP 怀疑派量化了上下文成本（5-server 配置 55K tokens），CLI 派指出多租户失效、无类型契约。2025-11 Anthropic 一篇《Code execution with MCP》重构了问题：错的从来不是协议，是「会话开始就把所有工具 schema 预载进上下文」的习惯。解法是 Code Mode——模型写代码调工具，MCP 与 CLI 降格为运行时内组合的两种原语。Drive→Salesforce 从 150K 降到 2K tokens（-98.7%），Cloudflare 2594 端点从 117 万压到 1069。
→每篇讲解页头部链向原始来源 URL，可追溯原文。