MCP 概述

什么是 MCP

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 于 2024 年 11 月正式发布的一项开放标准协议。它的核心目标是 标准化 AI 模型与外部工具、数据源之间的交互方式，就像 USB-C 统一了各种设备的充电和数据传输接口一样，MCP 为 AI 应用提供了统一的"插件协议"。

在 MCP 出现之前，每个 AI 应用想要接入外部工具（如数据库、文件系统、API 服务等），都需要开发者为每个工具单独编写集成代码。这导致了大量的重复工作和碎片化的生态。

MCP 是一个开放协议，不局限于 Claude 或 Anthropic 的产品。任何 AI 模型和应用都可以实现 MCP 协议来获得统一的工具调用能力。

为什么需要 MCP

传统方式的痛点

在没有 MCP 之前，AI 应用接入外部工具通常面临以下问题：

问题	描述
N x M 集成问题	N 个 AI 应用要接入 M 个工具，需要 N x M 个适配器
重复开发	每个应用都需要独立实现工具调用逻辑
缺乏标准	不同应用的工具接口格式各不相同
维护困难	工具 API 变更时需要更新所有接入方
安全性参差不齐	各实现的安全机制和权限控制不统一

MCP 的解决方案

MCP 将 N x M 的问题简化为 N + M：

Loading diagram...

每个工具只需实现一次 MCP Server，每个 AI 应用只需实现一次 MCP Client，即可实现全面互通。

架构设计

MCP 采用经典的 客户端-服务器（Client-Server） 架构，包含三个核心角色：

Host（宿主应用）

Host 是面向用户的 AI 应用程序，比如 Claude Desktop、Cursor、VS Code 等。Host 负责：

管理 MCP Client 的生命周期
控制权限和安全策略
提供用户交互界面
协调 AI 模型与 MCP Client 之间的通信

Client（客户端）

Client 由 Host 创建，负责与 MCP Server 建立一对一的连接。Client 的职责包括：

与 Server 进行协议协商（capability negotiation）
转发请求和响应
管理通信会话

Server（服务器）

Server 是工具和数据的提供方，向 Client 暴露特定的能力。每个 Server 通常专注于一个特定的领域，例如文件系统操作、数据库查询、Git 操作等。

Loading diagram...

核心概念

MCP 协议定义了四种核心原语（Primitives），用于描述 Server 可以提供的能力：

Resources（资源）

Resources 是 Server 暴露给 Client 的数据内容，类似于 REST API 中的 GET 端点。资源使用 URI 进行标识，可以包含文本或二进制数据。

{
  "uri": "file:///home/user/documents/report.pdf",
  "name": "年度报告",
  "mimeType": "application/pdf",
  "description": "2024 年度销售报告"
}

资源的特点：

只读性：资源用于向模型提供上下文信息
URI 标识：每个资源都有唯一的 URI
支持订阅：Client 可以订阅资源变化通知

Tools（工具）

Tools 是 Server 暴露的可执行功能，类似于 REST API 中的 POST 端点。工具是 MCP 中最核心的能力，允许 AI 模型通过 Server 执行具体操作。

{
  "name": "query_database",
  "description": "执行 SQL 查询并返回结果",
  "inputSchema": {
    "type": "object",
    "properties": {
      "sql": {
        "type": "string",
        "description": "要执行的 SQL 语句"
      },
      "database": {
        "type": "string",
        "description": "目标数据库名称"
      }
    },
    "required": ["sql"]
  }
}

Tools 的调用通常需要用户确认（Human-in-the-loop），因为工具操作可能会对外部系统产生实际影响，比如写入数据库、发送邮件等。

Prompts（提示词模板）

Prompts 是 Server 预定义的可复用提示词模板，帮助用户更高效地与 AI 交互。

{
  "name": "code_review",
  "description": "代码审查提示词模板",
  "arguments": [
    {
      "name": "language",
      "description": "编程语言",
      "required": true
    },
    {
      "name": "code",
      "description": "需要审查的代码",
      "required": true
    }
  ]
}

Sampling（采样）

Sampling 允许 Server 反向请求 Client（通过 Host）调用 AI 模型来完成推理任务。这使得 MCP Server 可以实现更复杂的 AI 代理工作流。

Loading diagram...

Sampling 是 MCP 协议中较为高级的特性。在大多数场景下，使用 Resources 和 Tools 就足以满足需求。

通信机制

MCP 基于 JSON-RPC 2.0 协议进行消息传递，支持两种传输方式：

stdio（标准输入输出）

适用于本地运行的 MCP Server。Client 通过启动子进程的方式运行 Server，利用标准输入（stdin）和标准输出（stdout）进行通信。

优点：

配置简单，无需网络
安全性高，通信不经过网络
适合本地开发和桌面应用

适用场景： Claude Desktop、Cursor 等本地 AI 应用

HTTP + SSE（Streamable HTTP）

适用于远程部署的 MCP Server。Client 通过 HTTP 请求发送消息，Server 通过 Server-Sent Events（SSE）推送响应和通知。

优点：

支持远程部署
可以多个 Client 连接同一个 Server
适合云端服务和团队共享

适用场景： 远程 MCP Server、企业级部署

# stdio 传输示例配置
{
    "mcpServers": {
        "filesystem": {
            "command": "npx",
            "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
        }
    }
}

# HTTP + SSE 传输示例配置
{
    "mcpServers": {
        "remote-server": {
            "url": "http://localhost:8080/mcp"
        }
    }
}

MCP 与 Function Calling 的比较

很多开发者会将 MCP 与大模型的 Function Calling 能力进行比较。它们虽然目标相似，但定位不同：

维度	Function Calling	MCP
定位	模型能力	应用层协议
标准化	各模型厂商格式不同	统一开放标准
工具发现	需要手动在 prompt 中声明	动态发现服务器能力
生态复用	每次都需重新实现	一次实现，到处复用
通信方式	通过 API 调用	支持 stdio / HTTP 多种传输
能力范围	仅限工具调用	资源、工具、提示词、采样
安全控制	应用自行实现	协议层面的权限机制

MCP 和 Function Calling 并不冲突。实际上，MCP 可以看作是 Function Calling 的上层标准化封装。AI 模型在 MCP 流程中仍然使用 Function Calling 的能力来决定调用哪个工具。

生态与应用

MCP 发布以来，已经获得了广泛的行业支持：

已支持 MCP 的 AI 应用

Claude Desktop - Anthropic 官方桌面客户端，最早支持 MCP
Cursor - AI 代码编辑器，深度集成 MCP
VS Code (GitHub Copilot) - 通过 Copilot 扩展支持 MCP
Windsurf - AI 编程助手
Zed - 现代代码编辑器
Continue - 开源 AI 编码助手

官方和社区 MCP Server

Anthropic 及社区已经提供了大量开箱即用的 MCP Server：

Server	功能
`@modelcontextprotocol/server-filesystem`	文件系统操作
`@modelcontextprotocol/server-github`	GitHub API 操作
`@modelcontextprotocol/server-postgres`	PostgreSQL 数据库查询
`@modelcontextprotocol/server-slack`	Slack 消息管理
`@modelcontextprotocol/server-memory`	知识图谱记忆
`@modelcontextprotocol/server-puppeteer`	浏览器自动化

你可以在 [MCP Server Registry](https://github.com/modelcontextprotocol/servers) 找到更多社区贡献的 MCP Server，也可以开发自己的 Server 贡献给社区。

Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/Documents"
      ]
    }
  }
}

重启 Claude Desktop 后，你就可以让 Claude 直接读取和操作你指定目录中的文件了。

下一步

了解了 MCP 的基本概念后，你可以继续深入学习：

MCP Server 开发 - 学习如何开发自己的 MCP Server，暴露自定义的工具和资源
MCP Client 开发 - 学习如何在自己的 AI 应用中集成 MCP Client

什么是 MCP

为什么需要 MCP

传统方式的痛点

MCP 的解决方案

架构设计

Host（宿主应用）

Client（客户端）

Server（服务器）

核心概念

Resources（资源）

Tools（工具）

Prompts（提示词模板）

Sampling（采样）

通信机制

stdio（标准输入输出）

HTTP + SSE（Streamable HTTP）

MCP 与 Function Calling 的比较

生态与应用

已支持 MCP 的 AI 应用

官方和社区 MCP Server

对开发者的意义

工具开发者

AI 应用开发者

最终用户

快速体验

下一步