MCP 协议简要介绍

MCP（Model Context Protocol） 是一个让 AI 应用连接外部系统的开放协议。它把“模型要读哪些上下文、能调用哪些工具、有哪些可复用提示词”抽象成一套标准接口，让 AI Agent 不必为每个数据源、每个工具、每个应用都单独写一套集成逻辑。

如果把大模型看成大脑，MCP 就像它和现实世界之间的“标准接口层”：文件、数据库、搜索、日历、代码仓库、监控系统都可以通过 MCP Server 接进来，由 AI 应用统一发现、授权、调用和消费结果。

本文脉络：

• 一、为什么需要 MCP：AI 应用的“连接器爆炸”
• 二、MCP 是什么：给 AI 应用用的标准上下文协议
• 三、核心架构：Host、Client、Server 各做什么
• 四、三类服务端能力：Tools、Resources、Prompts
• 五、一次 MCP 调用是怎么发生的
• 六、本地与远程：stdio 和 Streamable HTTP
• 七、最小实战：创建一个 MCP Server，并让 AI Agent 调用
• 八、安全边界：为什么 MCP 不是“自动放权”
• 九、MCP 适合什么场景，不适合什么场景
• 十、MCP、Function Calling、RAG、Agent Skill 的区别
• 十一、常见问题

一、为什么需要 MCP：AI 应用的“连接器爆炸”

一个真正有用的 AI Agent，不能只会聊天。它至少要能做三件事：

能力	例子	没有外部连接时的问题
读取上下文	读项目文件、数据库表结构、工单、文档	模型只能靠用户复制粘贴，信息不完整
调用工具	查日志、跑测试、创建 issue、发起部署	模型只能“建议你去做”，不能真正执行
使用业务模板	按公司规范写周报、生成 SQL、创建 PR 描述	每次都要重复告诉模型格式和约束

问题在于，这些能力往往分散在不同系统里。AI 应用越多，外部系统越多，重复适配的成本就越高，这就是常说的“连接器爆炸”。

MCP 想解决的不是“模型怎么变聪明”，而是“模型所在的应用怎么以统一方式连接世界”。有了 MCP，工具提供方可以把能力封装成 MCP Server；支持 MCP 的 AI 应用就能以相似方式发现、连接和调用它。

这也是官方文档里常用的类比：MCP 像 AI 应用的 USB-C。USB-C 统一了设备连接方式，MCP 则试图统一 AI 应用连接外部上下文和工具的方式。

二、MCP 是什么：给 AI 应用用的标准上下文协议

MCP 的全称是 Model Context Protocol，直译是“模型上下文协议”。这个名字里有两个关键词：

关键词	含义
Model Context	模型工作时需要的上下文，包括文件、数据、工具结果、用户确认、业务模板
Protocol	一套客户端和服务端都能遵守的消息格式、生命周期、能力发现、调用约定

更准确地说，MCP 是 AI 应用和外部系统之间的协议层。它不规定模型怎么推理，不规定 Agent 怎么规划任务，也不规定 UI 怎么展示结果；它关注的是：

• AI 应用如何发现一个外部系统能提供什么能力
• AI 应用如何读取外部上下文
• AI 应用如何调用外部工具
• AI 应用如何处理初始化、能力协商、通知、进度和返回值
• 本地进程和远程服务分别如何传输协议消息

所以 MCP 不是一个模型，也不是一个插件市场，更不是某个厂商专属能力。它更像一套“AI 应用连接外部能力的通用插座规范”。

三、核心架构：Host、Client、Server 各做什么

MCP 采用客户端-服务端架构，但这里的“客户端”容易和普通业务系统里的前端客户端混淆。MCP 里有三个角色：

角色	可以理解为	职责
MCP Host	AI 应用本体	管理用户界面、模型调用、权限确认、多个 MCP 连接
MCP Client	Host 内部的连接对象	和某一个 MCP Server 保持一条专用连接
MCP Server	外部能力提供方	暴露工具、资源、提示词等能力

举个开发者熟悉的例子：VS Code 可以作为 MCP Host。它连接 GitHub MCP Server 时，会在内部创建一个 MCP Client 来维护这条连接；如果同时连接文件系统 MCP Server、数据库 MCP Server、Sentry MCP Server，就会有多个 MCP Client 分别维护对应连接。

这点很重要：MCP Client 通常不是一个独立 App，而是 Host 里面负责连接某个 Server 的组件。

也可以把它想成机场：

类比	MCP 角色
机场大厅	MCP Host，负责协调旅客、航班、安检和调度
每个登机口	MCP Client，负责连接某一条具体航线
不同目的地机场	MCP Server，提供某一类外部能力

用户看到的是 AI 应用，模型看到的是可用能力，真正把外部系统接进来的，是 Host 内部的 MCP Client 和各个 MCP Server。

四、三类服务端能力：Tools、Resources、Prompts

MCP Server 最常见的价值，是向 AI 应用暴露三类能力。

1. Tools：让模型可以“做事”

Tool 是可执行函数。模型可以在需要时请求调用它，例如：

• 查询数据库
• 搜索文档
• 读取 GitHub issue
• 创建工单
• 调用内部 API
• 执行一个受限的文件操作

Tool 的关键点是：它会产生动作，可能有副作用。因此 Host 通常需要做权限控制、用户确认、参数审查和结果展示。

比如一个数据库 MCP Server 可以暴露 query_database 工具。模型并不直接拿数据库账号去连库，而是通过 MCP Client 请求 Server 执行受控查询，再把结果返回给模型。

2. Resources：让模型可以“读上下文”

Resource 是可读取的数据源。它不强调动作，而强调上下文输入，例如：

• 某个文件的内容
• 数据库 schema
• API 返回的只读数据
• 项目配置
• 文档片段
• 日志片段

如果 Tool 像“按钮”，Resource 更像“资料柜”。模型在回答问题前，可以先读取相关资源，减少凭空猜测。

3. Prompts：让模型可以“复用工作流”

Prompt 是可复用的提示词模板，用来结构化某类交互。例如：

• 生成 PR 描述
• 写事故复盘
• 根据数据库 schema 生成 SQL
• 按团队规范做代码评审
• 根据日志生成排障报告

Prompt 的价值在于沉淀业务经验。它不是把所有规则塞进一次对话，而是让外部系统把可复用模板作为能力暴露出来，Host 可以按需展示和调用。

三者放在一起看：

能力	关键词	模型得到什么	典型例子
Tools	Action	可执行动作	查库、建 issue、跑脚本
Resources	Context	可读取上下文	文件、schema、文档、日志
Prompts	Workflow	可复用交互模板	周报模板、代码评审模板

五、一次 MCP 调用是怎么发生的

一次典型 MCP 交互，可以拆成六步：

1. Host 启动或连接 MCP Server。
2. MCP Client 和 MCP Server 完成初始化，协商协议版本和双方能力。
3. Client 向 Server 请求能力列表，例如有哪些 tools、resources、prompts。
4. Host 把合适的能力交给模型作为可用上下文。
5. 模型判断需要读取资源或调用工具时，Host 通过 MCP Client 发起请求。
6. Server 执行读取或动作，把结构化结果返回，Host 再交给模型继续推理或生成回答。

这里面有一个很容易忽略的点：MCP 不是“模型直接调用一切”。模型提出意图，Host 负责把关，Client 负责协议通信，Server 负责实际能力。这个分层让权限、审计、用户确认和错误处理都有地方落。

以“让 AI 帮我分析线上报错”为例：

步骤	发生了什么
用户提问	“帮我看看最近支付接口为什么报错变多了”
模型规划	需要看监控、日志、最近发布记录
能力发现	Host 知道 Sentry、日志平台、Git 仓库 MCP Server 可用
读取资源	读取错误摘要、相关日志、最近 commit
调用工具	查询某个时间窗口内的异常分布
生成结论	模型基于真实上下文给出原因、证据和建议

用户感受到的是“AI 会查东西了”，工程上发生的是“AI 应用通过 MCP 标准化地连接了多个外部系统”。

六、本地与远程：stdio 和 Streamable HTTP

MCP 的数据层基于 JSON-RPC 2.0。也就是说，Client 和 Server 之间传递的是结构化请求、响应和通知。

传输层目前常见两种标准方式：

传输方式	适合场景	工作方式
stdio	本地 MCP Server	Host 启动 Server 子进程，通过标准输入输出交换 JSON-RPC 消息
Streamable HTTP	远程 MCP Server	通过 HTTP POST/GET 传递消息，可结合 SSE 做流式返回和服务端通知

本地文件系统、命令行工具、个人机器上的开发辅助能力，常见做法是 stdio。它简单、快、没有网络开销，但通常只服务本机的一个 Host。

远程 SaaS、企业内部平台、云端数据服务，更适合 Streamable HTTP。它可以接认证、网关、审计、限流，也更适合多客户端访问。

这层设计的好处是：上层看到的都是 MCP 消息和能力，底层可以根据场景选择本地进程通信或远程 HTTP 通信。

七、最小实战：创建一个 MCP Server，并让 AI Agent 调用

理解 MCP 最快的方式，是写一个只有一个工具的本地 Server，然后让 AI Agent 连上它。

下面用 TypeScript 写一个 tiny-tools MCP Server。它只暴露一个工具：get_server_time，作用是返回当前服务器时间。这个例子故意不接数据库、不调外部 API，重点放在 MCP 的最小闭环：

步骤	目标
1	创建一个本地 MCP Server
2	注册一个可被模型调用的 Tool
3	用 stdio 方式启动 Server
4	在 AI Agent 里配置连接
5	让 Agent 发现并调用工具

1. 初始化项目

先创建一个独立目录，不要放进博客仓库里：

mkdir tiny-mcp-server
cd tiny-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk@^1 zod@3
npm install -D typescript @types/node
mkdir src
touch src/index.ts tsconfig.json

截至 2026-07-04，TypeScript SDK v2 仍在演进中。为了让示例稳定可跑，下面使用 v1 主版本的 @modelcontextprotocol/sdk。

把 package.json 改成下面这样：

{
  "name": "tiny-mcp-server",
  "version": "1.0.0",
  "type": "module",
  "bin": {
    "tiny-mcp-server": "./build/index.js"
  },
  "scripts": {
    "build": "tsc && chmod 755 build/index.js"
  },
  "dependencies": {
    "@modelcontextprotocol/sdk": "^1.0.0",
    "zod": "^3.0.0"
  },
  "devDependencies": {
    "@types/node": "^22.0.0",
    "typescript": "^5.0.0"
  },
  "files": [
    "build"
  ]
}

再写 tsconfig.json：

{
  "compilerOptions": {
    "target": "ES2022",
    "module": "Node16",
    "moduleResolution": "Node16",
    "outDir": "./build",
    "rootDir": "./src",
    "strict": true,
    "esModuleInterop": true,
    "skipLibCheck": true,
    "forceConsistentCasingInFileNames": true
  },
  "include": ["src/**/*"],
  "exclude": ["node_modules"]
}

2. 编写最小 MCP Server

把下面代码写入 src/index.ts：

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "tiny-tools",
  version: "1.0.0",
});

server.registerTool(
  "get_server_time",
  {
    description: "Get the current server time in ISO format",
    inputSchema: {
      timezone: z
        .string()
        .optional()
        .describe("Optional timezone label, only used for display"),
    },
  },
  async ({ timezone }) => {
    const now = new Date();
    const label = timezone ? ` (${timezone})` : "";

    return {
      content: [
        {
          type: "text",
          text: `Current server time${label}: ${now.toISOString()}`,
        },
      ],
    };
  },
);

async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("tiny-tools MCP Server running on stdio");
}

main().catch((error) => {
  console.error("Fatal error:", error);
  process.exit(1);
});

这段代码做了三件事：

代码	含义
new McpServer(...)	创建一个 MCP Server，并声明名称和版本
server.registerTool(...)	注册一个工具，告诉 Agent 工具名、描述、参数结构和执行逻辑
new StdioServerTransport()	使用标准输入输出作为传输层，适合本地 Agent 启动子进程

注意：stdio 模式下不要用 console.log 输出调试日志，因为 stdout 要留给 MCP 的 JSON-RPC 消息。日志写到 stderr，也就是 console.error。

3. 构建并手动启动

执行：

npm run build
node build/index.js

如果看到类似下面的日志，说明进程能正常启动：

tiny-tools MCP Server running on stdio

手动运行时它会停在那里等待 MCP Client 发消息，这是正常的。真正使用时，AI Agent 会作为 Host 启动这个进程，并通过 stdin/stdout 和它通信。

4. 在 AI Agent 中配置连接

不同 Agent 的配置入口不完全一样，但本地 stdio Server 的核心配置通常长这样：

{
  "mcpServers": {
    "tiny-tools": {
      "command": "node",
      "args": ["/ABSOLUTE/PATH/TO/tiny-mcp-server/build/index.js"]
    }
  }
}

把 /ABSOLUTE/PATH/TO/... 换成你机器上的绝对路径。以 macOS 为例，Claude Desktop 的配置文件通常在：

~/Library/Application Support/Claude/claude_desktop_config.json

保存配置后，重启对应 AI Agent。重启成功后，Agent 会自动拉起这个 MCP Server，并发现 get_server_time 这个工具。

5. 让 Agent 调用工具

在 Agent 里可以直接问：

请调用 tiny-tools 的 get_server_time 工具，告诉我当前服务器时间。

一次完整调用大致是这样发生的：

阶段	发生了什么
启动	Agent 根据配置执行 node build/index.js
初始化	Agent 内部的 MCP Client 和 Server 做能力协商
发现工具	Client 通过 tools/list 知道有 get_server_time
模型决策	模型判断这个问题需要调用工具
执行工具	Client 发送 tools/call，Server 返回 ISO 时间
生成回答	Agent 把工具结果整理成自然语言回复

这个例子虽然小，但已经包含 MCP 的关键闭环：Server 暴露能力，Agent 发现能力，模型选择能力，Host 受控调用能力。

6. 下一步可以怎么扩展

有了这个骨架，可以继续把真实业务能力接进来：

扩展方向	示例
增加参数	get_order_status(orderId)
接内部 API	查询工单、库存、部署状态
暴露资源	提供数据库 schema、项目 README、指标口径
增加提示词	暴露“生成事故复盘”“生成 PR 描述”等模板
加权限控制	高风险操作前要求用户确认，只读工具默认放行

如果只是给自己本地使用，stdio 很合适；如果要给团队或多个 Agent 复用，就可以考虑改成 Streamable HTTP，并把认证、审计、限流一起设计进去。

八、安全边界：为什么 MCP 不是“自动放权”

MCP 让 AI 应用更容易连接外部系统，也意味着安全边界更重要。

一个危险误解是：接了 MCP，模型就能自动访问一切。正确理解应该是：MCP 提供标准通道，但权限仍然必须由 Host、Server 和用户共同控制。

安全上至少要关注五件事：

风险	说明	防护思路
过度授权	Server 暴露了太多工具或数据	最小权限，只暴露必要能力
工具副作用	删除文件、发消息、改数据库等动作不可逆	高风险工具必须二次确认
Prompt Injection	外部资源里藏着诱导模型越权的指令	区分数据和指令，Host 做安全策略
凭证泄露	Token、密钥、数据库账号进入模型上下文	Server 侧保管凭证，只返回必要结果
远程连接风险	本地服务被网页或恶意请求探测	校验 Origin、绑定 localhost、加认证

尤其是 Streamable HTTP 场景，官方规范明确强调了 Origin 校验、本地服务绑定 localhost、连接认证等要求。这些不是“可选加固”，而是 MCP 能安全落地的前提。

一句话：MCP 标准化的是连接方式，不是替你完成权限设计。

九、MCP 适合什么场景，不适合什么场景

适合 MCP 的场景

场景	为什么适合
AI 编程助手连接项目上下文	文件、Git、CI、Issue、监控都能作为外部能力
企业内部知识库问答	文档、权限、搜索、数据库可以封装成 MCP Server
数据分析助手	暴露 schema、查询工具、指标口径和报表模板
运维排障助手	连接日志、告警、Trace、发布系统
个人自动化助手	连接日历、邮件、待办、笔记、浏览器

这些场景的共同点是：模型需要真实上下文，还需要在受控范围内执行动作。

不适合 MCP 的场景

场景	原因
只是一次性传几段文本给模型	直接放进上下文更简单
外部系统完全没有复用价值	写 MCP Server 可能得不偿失
需要强事务一致性的核心链路	MCP 更适合 Agent 辅助，不适合替代核心业务协议
权限边界说不清楚	先做权限模型，再接 MCP
延迟极敏感的在线请求	Agent 工具调用链路通常不适合放在主交易路径

MCP 很强，但它不是所有集成问题的银弹。它最适合“AI 应用需要长期、重复、安全地连接一组外部能力”的场景。

十、MCP、Function Calling、RAG、Agent Skill 的区别

这几个概念经常被放在一起，但层次不同。

概念	解决什么问题	更像什么
Function Calling	模型如何以结构化参数调用函数	模型侧工具调用格式
RAG	模型如何检索外部知识再回答	知识检索方案
MCP	AI 应用如何标准化连接外部工具和上下文	应用与外部系统的协议
Agent Skill	Agent 如何加载某类任务的操作手册和资料	可复用任务能力包

Function Calling 更靠近模型 API，回答“模型怎么表达我要调用某个函数”。

RAG 更靠近知识检索，回答“模型怎么拿到相关资料再回答”。

MCP 更靠近应用集成，回答“AI 应用怎么发现、连接和调用外部系统”。

Agent Skill 更靠近任务方法论，回答“Agent 做某类任务时应该遵守什么流程、用哪些模板和脚本”。

它们可以组合使用。比如一个 AI 编程助手通过 MCP 连接 GitHub Server；Server 暴露查 issue 的 Tool；模型用 Function Calling 风格决定调用参数；查到的 issue 和代码片段又成为 RAG 式上下文；最后 Agent Skill 规定如何写 PR 描述。

十一、常见问题

问题	简短回答
MCP 是什么？	Model Context Protocol，一个让 AI 应用连接外部系统的开放协议。
MCP 解决什么问题？	解决 AI 应用和工具、数据源、工作流之间的标准化连接问题，避免连接器爆炸。
MCP 的三类核心角色？	Host 是 AI 应用，Client 是 Host 内部维护连接的组件，Server 是外部能力提供方。
MCP Server 能暴露什么？	Tools、Resources、Prompts，分别对应动作、上下文和交互模板。
MCP 用什么消息协议？	数据层基于 JSON-RPC 2.0。
MCP 常见传输方式？	本地常用 stdio，远程常用 Streamable HTTP。
MCP 和 Function Calling 的区别？	Function Calling 是模型调用函数的表达方式，MCP 是 AI 应用连接外部系统的协议。
如何创建一个最小 MCP Server？	用 SDK 创建 McpServer，注册 Tool，再用 StdioServerTransport 连接传输层即可。
AI Agent 怎么连本地 MCP Server？	在 Agent 的 mcpServers 配置里声明 command 和 args，让 Agent 启动并连接这个本地进程。
MCP 是否等于让模型自动访问所有数据？	不是。MCP 只是标准通道，权限、确认、审计和安全策略仍要由 Host 和 Server 设计。
什么时候该做 MCP Server？	当某个外部能力会被多个 AI 应用或多个 Agent 工作流长期复用时。

延伸阅读

• What is the Model Context Protocol (MCP)?
• MCP Architecture overview
• MCP Specification: Transports
• Build an MCP server
• Connect to local MCP servers