深入理解 MCP（Model Context Protocol）：AI 模型与外部世界的桥梁

不会飞的云@

33人浏览 · 2026-07-03 19:04:47

不会飞的云@ · 2026-07-03 19:04:47 发布

深入理解 MCP（Model Context Protocol）：AI 模型与外部世界的桥梁

一、什么是 MCP？

MCP（Model Context Protocol，模型上下文协议） 是由 Anthropic 公司推出的一种开放标准协议，旨在为 AI 模型（如大语言模型 LLM）与外部数据源、工具和服务之间建立统一、安全的连接方式。

简单来说，MCP 就像是 AI 世界的 "USB-C 接口"——它提供了一套标准化的规范，让不同的 AI 应用能够以一致的方式接入各种外部资源，而不需要为每个数据源单独开发适配器。

为什么需要 MCP？

在传统的 AI 应用开发中，如果我们想让大模型访问文件系统、数据库、第三方 API 等外部资源，通常需要：

为每个数据源编写独立的集成代码
处理各种不同的认证方式
管理复杂的上下文传递逻辑
维护多个不兼容的接口

MCP 的出现解决了这些痛点，它提供了：

| 特性 | 说明 | |------|------| | 标准化 | 统一的协议规范，减少重复开发 | | 可扩展 | 轻松添加新的数据源和工具 | | 安全性 | 内置权限控制和沙箱机制 | | 互操作性 | 不同 AI 应用之间可以共享 MCP 服务 |

二、MCP 的核心架构

MCP 采用 客户端-服务器（Client-Server） 架构，主要由以下三个核心角色组成：

┌─────────────────────────────────────────────────────────┐
│                     MCP 架构概览                          │
├──────────────┐    ┌──────────────┐    ┌──────────────┐  │
│   Host       │◄──►│   Client     │◄──►│   Server     │  │
│  (宿主应用)   │    │  (协议客户端)  │    │  (协议服务端)  │  │
├──────────────┤    ├──────────────┤    ├──────────────┤  │
│ · Claude     │    │ · 协议管理   │    │ · 工具暴露   │  │
│ · IDE        │    │ · 连接维护   │    │ · 资源提供   │  │
│ · 自定义应用  │    │ · 消息路由   │    │ · 数据源接入  │  │
└──────────────┘    └──────────────┘    └──────────────┘  │
└─────────────────────────────────────────────────────────┘

2.1 Host（宿主应用）

Host 是运行 AI 模型的上层应用，例如 Claude Desktop、VS Code 插件、或自定义的 AI Agent 应用。Host 负责：

管理用户交互
调用 AI 模型进行推理
触发工具调用流程

2.2 Client（协议客户端）

Client 是 MCP 协议的客户端实现，嵌入在 Host 内部。它的职责包括：

与 MCP Server 建立和维护连接
将 AI 模型的工具调用请求转发给 Server
将 Server 返回的结果回传给 AI 模型
管理会话状态和上下文

2.3 Server（协议服务端）

Server 是 MCP 协议的服务端实现，负责真正与外部系统交互。每个 MCP Server 可以暴露三类能力：

| 能力类型 | 说明 | 示例 | |----------|------|------| | Tools（工具） | 可被 AI 调用的函数 | 文件读写、数据库查询、API 调用 | | Resources（资源） | 可被 AI 读取的数据 | 文档内容、配置信息、知识库 | | Prompts（提示模板） | 预定义的提示词模板 | 代码审查模板、翻译模板 |

三、MCP 的工作流程

下面通过一个完整的交互流程来理解 MCP 是如何工作的：

用户提问                     AI 模型                    MCP Client              MCP Server
   │                          │                           │                       │
   │  ① "帮我读取 config.json"  │                           │                       │
   │─────────────────────────►│                           │                       │
   │                          │                           │                       │
   │                          │  ② 决定调用 read_file 工具   │                       │
   │                          │──────────────────────────►│                       │
   │                          │                           │  ③ 协议封装 & 路由      │
   │                          │                           │──────────────────────►│
   │                          │                           │                       │
   │                          │                           │          ④ 执行文件读取   │
   │                          │                           │          返回文件内容    │
   │                          │                           │◄──────────────────────│
   │                          │                           │                       │
   │                          │  ⑤ 返回工具执行结果          │                       │
   │                          │◄──────────────────────────│                       │
   │                          │                           │                       │
   │                          │  ⑥ 基于结果生成回复          │                       │
   │  ⑦ "文件内容如下：..."      │                           │                       │
   │◄─────────────────────────│                           │                       │

关键步骤解析：

意图识别：AI 模型分析用户输入，判断是否需要调用外部工具
工具选择：从 MCP Server 提供的工具列表中，选择最合适的工具
参数构造：根据工具定义，生成正确的调用参数
协议传输：通过 MCP 协议将请求发送到 Server
结果回传：Server 执行操作后将结果返回
生成回复：AI 模型结合工具返回的结果，生成最终回复

四、MCP 的核心特性

4.1 工具定义（Tool Definition）

每个 MCP 工具都有清晰的 Schema 定义，包括：

{
  "name": "read_file",
  "description": "读取指定路径的文件内容",
  "parameters": {
    "type": "object",
    "properties": {
      "path": {
        "type": "string",
        "description": "文件路径"
      }
    },
    "required": ["path"]
  }
}

这种结构化的定义方式让 AI 模型能够准确理解每个工具的功能和参数要求。

4.2 多种传输方式

MCP 支持多种底层传输协议：

stdio（标准输入输出）：适合本地进程间通信
HTTP/SSE：适合远程服务调用
WebSocket：适合需要双向实时通信的场景

4.3 安全机制

MCP 内置了多层安全防护：

沙箱隔离：Server 运行在受限环境中
权限声明：Server 需要明确声明所需的权限
用户确认：敏感操作需要用户明确授权
路径限制：文件操作限定在允许的目录范围内

五、实战：构建一个简单的 MCP Server

下面通过 Python 示例，展示如何创建一个简单的 MCP Server：

5.1 安装依赖

pip install mcp

5.2 编写 Server 代码

from mcp.server import Server, Tool
from mcp.server.stdio import stdio_server

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

# 定义一个工具：获取当前时间
@server.tool()
def get_current_time() -> str:
    """获取当前的系统时间"""
    from datetime import datetime
    return datetime.now().strftime("%Y-%m-%d %H:%M:%S")

# 定义一个工具：计算两个数的和
@server.tool()
def add(a: float, b: float) -> float:
    """计算两个数的和
    
    Args:
        a: 第一个加数
        b: 第二个加数
    """
    return a + b

# 定义一个资源：提供静态数据
@server.resource("config://app")
def get_app_config() -> str:
    """获取应用配置信息"""
    return '{"version": "1.0.0", "name": "My MCP App"}'

# 启动 Server
if __name__ == "__main__":
    import asyncio
    asyncio.run(stdio_server(server))

5.3 配置 Host 连接

在 Claude Desktop 或其他 MCP Host 的配置文件中添加：

{
  "mcpServers": {
    "my-server": {
      "command": "python",
      "args": ["path/to/my_mcp_server.py"]
    }
  }
}

配置完成后，AI 就能够自动发现并调用你定义的 get_current_time、add 等工具了！

六、MCP 的应用场景

MCP 的应用场景非常广泛，以下是一些典型用例：

6.1 智能代码助手

AI + MCP Server(文件系统)  →  读取项目文件
AI + MCP Server(版本控制)  →  查看 Git 历史
AI + MCP Server(包管理)    →  查询依赖信息

6.2 企业知识库问答

AI + MCP Server(文档系统)  →  检索公司文档
AI + MCP Server(数据库)    →  查询业务数据
AI + MCP Server(CRM)      →  获取客户信息

6.3 自动化工作流

AI + MCP Server(日历)      →  安排会议
AI + MCP Server(邮件)      →  发送通知
AI + MCP Server(Jira)     →  创建工单

七、MCP 与传统方案对比

| 维度 | 传统 API 集成 | MCP 协议 | |------|--------------|----------| | 标准化程度 | 每个 API 各不相同 | 统一协议规范 | | 开发效率 | 需要逐个对接 | 一次对接，多处复用 | | 工具发现 | 需要手动配置 | 自动发现和注册 | | 上下文管理 | 自行实现 | 协议内置支持 | | 安全控制 | 各自为政 | 统一的安全模型 | | 生态兼容 | 绑定特定平台 | 跨平台互操作 |