跳转至

什么是MCP

什么是MCP（Model Context Protocol）

MCP（Model Context Protocol，模型上下文协议） ，2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。

MCP 诞生的背景：解决AI 助理光说不做的障碍

传统的AI 助理（像ChatGPT 或Claude）擅长对话与文字生成，但它们最大的限制是无法直接存取使用者的电脑、资料库或网路服务。例如，当你问AI：「帮我整理我电脑内这些Excel 档案的资料」，它无法直接读取你的电脑档案(不然就是要把档案上传到GPT)，只能给你一些Excel 公式建议。实用性上有相当大的隔离，而这种隔离使AI 像是一座孤岛，无法与外界互通。

MCP的出现，就是为了搭建这座「桥梁」。它是一个开放原始码的协定，允许AI 助理安全地存取外部数据，让AI 更像一个真正的助手，而不只是「说话」的机器。例如，MCP 就像是一个智能家居系统的中央控制器，让你的AI 助理能够打开灯光、调整温度，甚至查看冰箱里还有哪些食材，而不只是告诉你「某某冰箱有什么功能」。

再举个例子，假设你是一名企业分析师，想让AI 助理帮你整理SQL 资料库里的销售数据。没有MCP，AI 只能告诉你「SQL 查询语法怎么写」，但有了MCP，AI 可以直接执行SQL 查询，把数据拉出来分析，甚至自动产生报表。这让AI 从一个「建议者」，真正变成一个「执行者」。

整理一下现在AI能做到的，以及有了MCP之后AI进化的比对：

指令 有MCP之前 有MCP之后
帮我整理销售报表 AI 只能说：「请给我数据，我帮你分析。」 你还得自己打开Excel 上传。 AI 通过MCP 连接到你的档案系统，打开Excel，整理数据后生成图表，直接回传给你。
帮我写好回覆内容寄信给客户 好，已经写好了内容，但我没办法寄给客户。请打开Gmail自己寄吧! AI 通过MCP 调用Email 服务，自动起草并发送邮件，同时在CRM 中更新客户状态为「已联系」
帮我关灯 我无法连接到你家的灯具，但你可以自己走到开关前面，把灯关闭。 AI 通过MCP 连接到智慧家庭系统，执行关灯指令，并回覆：「灯已关闭。」

工作原理

MCP 协议采用了一种独特的架构设计，它将 LLM 与资源之间的通信划分为三个主要部分：客户端、服务器和资源。

客户端负责发送请求给 MCP 服务器，服务器则将这些请求转发给相应的资源。这种分层的设计使得 MCP 协议能够更好地控制访问权限，确保只有经过授权的用户才能访问特定的资源。

以下是 MCP 的基本工作流程：

  • 初始化连接：客户端向服务器发送连接请求，建立通信通道。
  • 发送请求：客户端根据需求构建请求消息，并发送给服务器。
  • 处理请求：服务器接收到请求后，解析请求内容，执行相应的操作（如查询数据库、读取文件等）。
  • 返回结果：服务器将处理结果封装成响应消息，发送回客户端。
  • 断开连接：任务完成后，客户端可以主动关闭连接或等待服务器超时关闭。

MCP 如何工作

那我们来介绍一下 MCP 的工作原理。首先我们看一下官方的 MCP 架构图。

Internet

Your Computer

MCP Protocol

MCP Protocol

MCP Protocol

Web APIs

Host with MCP Client
(Claude, IDEs, Tools)

MCP Server A

MCP Server B

MCP Server C

Local
Data Source A

Local
Data Source B

Remote
Service C

MCP 核心架构

MCP 遵循客户端-服务器架构（client-server），其中包含以下几个核心概念：

  • MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。
  • MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持 1:1 的连接。
  • MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。
  • 本地资源（Local Resources）：本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。
  • 远程资源（Remote Resources）：MCP server 可以连接到的远程资源（例如通过 API）。

MCP Client

MCP client 充当 LLM 和 MCP server 之间的桥梁，MCP client 的工作流程如下：

  • MCP client 首先从 MCP server 获取可用的工具列表。
  • 将用户的查询连同工具描述通过 function calling 一起发送给 LLM。
  • LLM 决定是否需要使用工具以及使用哪些工具。
  • 如果需要使用工具，MCP client 会通过 MCP server 执行相应的工具调用。
  • 工具调用的结果会被发送回 LLM。
  • LLM 基于所有信息生成自然语言响应。
  • 最后将响应展示给用户。

Claude Desktop 和Cursor都支持了MCP Server接入能力，它们就是作为 MCP client来连接某个MCP Server感知和实现调用。

MCP Server

MCP server 是 MCP 架构中的关键组件，它可以提供 3 种主要类型的功能：

  • 资源（Resources）：类似文件的数据，可以被客户端读取，如 API 响应或文件内容。
  • 工具（Tools）：可以被 LLM 调用的函数（需要用户批准）。
  • 提示（Prompts）：预先编写的模板，帮助用户完成特定任务。

这些功能使 MCP server 能够为 AI 应用提供丰富的上下文信息和操作能力，从而增强 LLM 的实用性和灵活性。

你可以在 MCP Servers Repository 和 Awesome MCP Servers 这两个 repo 中找到许多由社区实现的 MCP server。使用 TypeScript 编写的 MCP server 可以通过 npx 命令来运行，使用 Python 编写的 MCP server 可以通过 uvx 命令来运行。

通信机制

MCP 协议支持两种主要的通信机制：基于标准输入输出的本地通信和基于（SSE Server-Sent Events）的远程通信。

这两种机制都使用 JSON-RPC 2.0 格式进行消息传输，确保了通信的标准化和可扩展性。

  • 本地通信：通过 stdio 传输数据，适用于在同一台机器上运行的客户端和服务器之间的通信。
  • 远程通信：利用 SSE 与 HTTP 结合，实现跨网络的实时数据传输，适用于需要访问远程资源或分布式部署的场景。

如何使用 MCP

如果你还没有尝试过如何使用 MCP 的话，我们可以考虑用 Cursor(本人只尝试过 Cursor)，Claude Desktop 或者 Cline 来体验一下。当然，我们并不需要自己开发 MCP Servers，MCP 的好处就是通用、标准，所以开发者并不需要重复造轮子（但是学习可以重复造轮子）。

首先推荐的是官方组织的一些 Server：官方的 MCP Server 列表。

目前社区的 MCP Server 还是比较混乱，有很多缺少教程和文档，很多的代码功能也有问题，我们可以自行尝试一下 Cursor Directory 的一些例子，可以参考官方文档。

MCP introduction

捐赠本站(Donate)

weixin_pay
如您感觉文章有用，可扫码捐赠本站！(If the article useful, you can scan the QR code to donate))