跳至主要內容

MCP 协议入门与概述

HSXISAWD大约 8 分钟AIMCPLLMAI 工具集成

MCP 协议入门与概述

什么是 MCP

基本定义

MCP（Model Context Protocol，模型上下文协议） 是一个开放标准协议，用于建立 LLM 应用与外部数据源、工具和服务之间的标准化双向连接。它由 Anthropic（Claude 的开发公司）于 2024 年 11 月 25 日 发布并开源。

如果打个比方：MCP 之于 AI 应用，就像 USB-C 之于电子设备。在 USB-C 出现之前，每个设备都有不同的接口；在 MCP 出现之前，每个 AI 应用都需要为每个数据源单独开发集成。

MCP 解决的核心问题

在没有 MCP 的世界里，AI 应用集成外部工具面临严重的规模化瓶颈：

问题具体表现
集成爆炸M 个应用 × N 个工具 = M×N 个集成，开发成本指数级增长
重复开发同一个数据库连接，Claude 写一遍、ChatGPT 写一遍、Cursor 再写一遍
无法复用每个平台的工具定义格式不同，无法跨平台共享
维护困难工具 API 变更时，所有集成都需要单独更新
安全风险缺乏统一的权限管理和安全审计机制

MCP 将 M×N 问题降维为 M+N：每个 AI 应用实现一次 MCP 客户端，每个工具实现一次 MCP 服务端，即可互联互通。

关键时间线

[!tip] 为什么 MCP 如此重要？
OpenAI（Anthropic 的主要竞争对手）在 2025 年 3 月正式采纳了 MCP，这是该协议跨厂商影响力的里程碑事件。Google 随后也采纳 MCP 用于 Gemini 模型的外部数据连接。截至 2025 年底，MCP 已成为 AI 工具集成事实上的行业标准。

MCP 能做什么

典型应用场景

具体案例：

  • Claude Desktop 通过 MCP 连接本地文件系统，直接读取和操作你的文件
  • Cursor / VS Code 通过 MCP 接入数据库、Git、部署工具，让 AI 编程助手更强大
  • ChatGPT 通过 MCP 调用外部 API、搜索引擎等工具获取实时信息
  • 自定义 AI Agent 通过 MCP 连接企业内部系统，实现自动化工作流

已支持 MCP 的平台

平台类型说明
Claude DesktopAI 桌面应用Anthropic 官方，原生 MCP 支持
ChatGPTAI 对话平台OpenAI 于 2025.03 采纳
CursorAI IDE深度集成 MCP 工具
VS Code代码编辑器通过扩展支持 MCP
JetBrains IDEs代码编辑器全线产品支持 MCP
Google GeminiAI 平台用于外部数据连接

MCP vs 传统工具集成

与 Function Calling 的对比

Function Calling（函数调用）是目前大多数 LLM 提供商支持的机制，允许模型调用预定义的函数。MCP 和 Function Calling 并非替代关系，而是不同层级的解决方案：

维度Function CallingMCP
定义LLM 直接调用嵌入在提示词中的工具标准化协议，运行时动态发现和使用工具
集成方式每个应用针对每个提供商单独实现写一次，所有平台通用
厂商绑定绑定特定提供商 API（OpenAI / Anthropic / Google）客户端无关，跨所有 MCP 兼容宿主使用
工具发现静态 — 工具必须硬编码动态 — 服务端运行时列出可用工具
数据源受限于应用内嵌的能力任意 — 任何服务端可暴露任何数据
双向通信否 — 模型到工具单向是 — Sampling 允许服务端请求模型推理
生态复用每个厂商独立生态共享生态，可复用的服务端

[!warning] 常见误解
MCP 不是 Function Calling 的替代品。MCP 是在 Function Calling 之上提供了一层标准化的工具发现、管理和连接协议。实际上，MCP Client 通常会将 MCP Server 暴露的 Tools 转换为对应 LLM 提供商的 Function Calling 格式来执行。

直观理解

把 AI 应用比作一台电脑：

  • Function Calling = 电脑上的 USB 接口（有了接口，但每个设备驱动还是要单独装）
  • MCP = 统一的 USB 标准 + 即插即用（有了标准，任何设备插上就能用）

MCP 的技术定位

在 AI 技术栈中的位置

MCP 位于协议层，是 AI 应用框架与外部世界之间的桥梁。它不替代 LangChain 等应用框架，也不替代具体的模型 API，而是提供标准化的工具连接协议。

与 LangChain 的关系

如果你已经学过前面的 LangChain 系列，可以这样理解 MCP 在其中的定位：

LangChain 概念MCP 对应说明
Tool（工具）MCP ToolMCP 提供标准化的工具定义和发现机制
Retriever（检索器）MCP ResourceMCP 可以暴露数据资源供检索
Prompt TemplateMCP PromptMCP 提供可复用的提示词模板
AgentMCP HostAgent 通过 MCP Client 连接各种 MCP Server

[!tip] LangChain + MCP
LangChain 已经开始集成 MCP 支持。你可以将 MCP Server 暴露的 Tools 转换为 LangChain 的 Tool 格式，让 LangChain Agent 直接使用 MCP 生态中的工具。

快速体验 MCP

安装与第一个 MCP Server

以 Python 为例，用最少的代码启动一个 MCP Server：

# 创建项目目录
mkdir my-first-mcp && cd my-first-mcp

# 初始化并安装 MCP SDK
uv init
uv add "mcp[cli]"

创建 server.py：

from mcp.server.fastmcp import FastMCP

# 创建 MCP Server 实例
mcp = FastMCP("my-first-server")


# 定义一个工具 —— LLM 可以调用它
@mcp.tool()
async def hello(name: str) -> str:
    """向指定用户打招呼"""
    return f"你好，{name}！这是你的第一个 MCP 工具。"


# 定义一个资源 —— 客户端可以读取它
@mcp.resource("config://app-info")
def get_app_info() -> str:
    """获取应用信息"""
    return "这是我的第一个 MCP Server，版本 0.1.0"


# 启动服务（使用 stdio 传输）
if __name__ == "__main__":
    mcp.run(transport="stdio")

测试 MCP Server

MCP 官方提供了 MCP Inspector 调试工具，可以快速测试你的 Server：

# 使用 MCP Inspector 测试
mcp dev server.py

这会打开一个 Web 界面，你可以：

  1. 查看 Server 暴露的所有 Tools、Resources、Prompts
  2. 手动调用 Tools 查看返回结果
  3. 读取 Resources 查看数据
  4. 检查协议通信日志

[!tip] 推荐学习路径
建议按以下顺序学习 MCP 系列：

  1. 本文 — 了解 MCP 是什么、解决什么问题
  2. 核心架构与协议原理 — 理解 Host-Client-Server 模型和连接生命周期
  3. 传输机制详解 — 掌握 stdio 和 Streamable HTTP 两种传输方式
  4. 核心能力 — 深入学习 Tools、Resources、Prompts 三大原语
  5. 服务端开发实战 — 动手编写完整的 MCP Server
  6. 客户端开发与集成 — 学习如何消费 MCP 服务
  7. 安全与最佳实践 — 生产环境部署的安全指南

总结

要点内容
是什么MCP 是一个开放标准协议，标准化 AI 应用与外部工具的连接
谁创建Anthropic 于 2024.11 发布并开源，2025.12 捐赠给 Linux 基金会
解决什么将 M×N 集成问题降维为 M+N，一次开发全平台通用
核心价值标准化、可复用、跨平台、动态发现、双向通信
谁在用Claude、ChatGPT、Cursor、VS Code、JetBrains、Gemini 等
怎么学先理解架构 → 再学协议 → 然后动手开发 → 最后关注安全
Default footer
Copyright © 2026 HSXISAWD