The Bitter Lesson of LLM Extensionswww.sawyerhood.com/blog/llm-extension本文回顾了过去三年LLM扩展机制的演进历程，并展望了未来发展方向：与其为每个任务设计专用工具（如MCP），不如赋予代理通用计算能力（如访问shell、运行脚本），并信任其能自主组合使用。这正是“苦涩的教训”的体现——智能应来自通用能力与学习，而非人为设计的复杂规则。LLM扩展机制发展脉络1️⃣ChatGPT插件（2023年3月）：首次尝试让LLM调用外部API，理念超前但受限于模型能力与复杂体验。2️⃣自定义指令（2023年7月）：以简单文本附加方式解决重复上下文问题，成为后续配置文件的雏形。3️⃣自定义GPT（2023年11月）：将提示与工具打包为专用“应用”，转向更易用但封闭的形态。4️⃣记忆功能（2024年2月）：实现自动化的长期个性化记忆，标志代理开始具备持续状态管理能力。5️⃣ Cursor规则（2024年4月）：将配置文件（如.cursorrules）纳入代码库，实现开发场景下的原生集成。6️⃣ 模型上下文协议MCP（2024年11月）：通过客户端-服务器架构赋予LLM真实操作能力（如读取代码库、查数据库），功能强大但使用复杂。7️⃣ Claude Code（2025年2月）：集成多种扩展方式，包括子代理、钩子、斜杠命令等，功能全面但部分特性已被弃用。8️⃣ 代理技能（Agent Skills, 2025年10月）：以轻量化的Markdown文件（SKILL.md）和脚本定义能力，避免MCP的上下文膨胀问题，回归“给指令+通用工具，由模型自主完成”的理念。
