MCP（Model Context Protocol）
什么是 MCP
MCP（Model Context Protocol，模型上下文协议）是一个开放标准协议，用于规范大语言模型与外部数据源、工具和服务之间的连接方式。它由 Anthropic 于 2024 年提出，旨在为 AI 应用提供统一的集成接口。
类比：如果 Tool Calling 是"一次具体的函数调用"，那么 MCP 就是定义这些调用如何被发现、注册、组织和管理的标准协议——就像 USB 协议定义了设备如何与电脑通信一样。
为什么需要 MCP
在 MCP 出现之前，每个 AI 应用连接外部工具都需要编写定制化的胶水代码：
问题：M 个 AI 应用 × N 个外部系统 = M × N 个集成没有 MCP： 有了 MCP：
┌─────────┐ ┌─────────┐
│ App A │──→ API 1 │ App A │──┐
│ │──→ API 2 │ │ │
│ │──→ API 3 └─────────┘ │
└─────────┘ ┌─────────┐ │ ┌───────────┐
┌─────────┐ │ App B │──┼──→│ MCP 协议层 │──→ 各种服务
│ App B │──→ API 1 │ │ │ └───────────┘
│ │──→ API 2 └─────────┘ │
│ │──→ API 3 ┌─────────┐ │
└─────────┘ │ App C │──┘
┌─────────┐ └─────────┘
│ App C │──→ API 1
│ │──→ API 2 复杂度：M + N
│ │──→ API 3
└─────────┘
复杂度：M × NMCP 的价值：将 $M \times N$ 的集成复杂度降低为 $M + N$。
核心架构
MCP 采用客户端-服务器（Client-Server）架构：
┌──────────────────────────────────────────────────┐
│ Host 应用 │
│ (Claude Desktop / IDE / 自定义 Agent) │
│ │
│ ┌────────────┐ ┌────────────┐ ┌────────────┐ │
│ │ MCP Client │ │ MCP Client │ │ MCP Client │ │
│ └─────┬──────┘ └─────┬──────┘ └─────┬──────┘ │
└────────┼───────────────┼───────────────┼─────────┘
│ │ │
▼ ▼ ▼
┌───────────┐ ┌───────────┐ ┌───────────┐
│MCP Server │ │MCP Server │ │MCP Server │
│ 文件系统 │ │ 数据库 │ │ GitHub │
└───────────┘ └───────────┘ └───────────┘三大角色
| 角色 | 职责 | 示例 |
|---|---|---|
| Host | 宿主应用，管理 MCP Client 的生命周期 | Claude Desktop、VS Code、自定义 Agent |
| MCP Client | 与 MCP Server 建立 1:1 连接，转发请求 | 内嵌在 Host 中的协议客户端 |
| MCP Server | 暴露能力，响应请求 | 文件系统服务、数据库连接器、API 网关 |
三大核心能力（Primitives）
MCP Server 可以暴露三种类型的能力：
1. Resources（资源）
资源是模型可以读取的数据，类似于 REST 中的 GET 端点。资源是只读的，不产生副作用。
json
{
"uri": "file:///project/src/main.py",
"name": "主程序源码",
"mimeType": "text/x-python",
"description": "项目的主入口文件"
}使用场景：读取文件内容、获取数据库表结构、查看配置信息。
2. Tools（工具）
工具是模型可以调用的函数，会产生副作用，类似于 REST 中的 POST 端点。
json
{
"name": "execute_sql",
"description": "在 PostgreSQL 数据库上执行 SQL 查询",
"inputSchema": {
"type": "object",
"properties": {
"query": { "type": "string", "description": "SQL 查询语句" },
"database": { "type": "string", "description": "目标数据库名称" }
},
"required": ["query", "database"]
}
}使用场景：执行数据库操作、调用外部 API、创建文件。
3. Prompts（提示模板）
提示模板是预定义的交互模式，帮助用户高效地使用工具和资源。
json
{
"name": "code_review",
"description": "对代码进行结构化审查",
"arguments": [
{ "name": "code", "description": "需要审查的代码", "required": true },
{ "name": "language", "description": "编程语言", "required": false }
]
}使用场景：标准化的代码审查流程、固定格式的报告生成。
实战示例：构建一个 MCP Server
以下是一个使用 Python SDK 构建简单 MCP Server 的示例：
python
from mcp.server import Server
from mcp.types import Tool, TextContent
import json
# 创建 MCP Server 实例
server = Server("demo-server")
# 注册工具
@server.tool()
async def query_user(user_id: str) -> str:
"""
根据用户 ID 查询用户信息。
Args:
user_id: 用户的唯一标识符
"""
# 模拟数据库查询
users_db = {
"u001": {"name": "张三", "email": "[email protected]", "role": "admin"},
"u002": {"name": "李四", "email": "[email protected]", "role": "user"},
}
user = users_db.get(user_id)
if user:
return json.dumps(user, ensure_ascii=False)
else:
return json.dumps({"error": f"用户 {user_id} 不存在"}, ensure_ascii=False)
# 注册资源
@server.resource("config://app-settings")
async def get_app_settings() -> str:
"""返回应用配置信息"""
return json.dumps({
"version": "2.1.0",
"environment": "production",
"max_connections": 100
})传输方式
MCP 支持两种传输方式：
| 传输方式 | 特点 | 适用场景 |
|---|---|---|
| stdio | 通过标准输入/输出通信，Server 作为子进程启动 | 本地集成，如 IDE 插件、CLI 工具 |
| HTTP + SSE | 基于 HTTP 的远程通信，Server 作为独立服务 | 远程服务、多用户共享、云部署 |
安全与治理
权限控制原则
yaml
# 最小权限示例
mcp_server: database-connector
permissions:
resources:
- "schema://*" # 允许读取表结构
- "data://read-only/*" # 只读数据访问
tools:
- "execute_select" # 只允许 SELECT 查询
# - "execute_write" # 禁止写入操作
audit:
log_level: "all"
retention_days: 90关键治理规则
- 能力注册审核：每个新增的 Tool / Resource 必须经过安全审查。
- 版本管理：接口变更必须向后兼容，或通过版本号隔离。
- 可观测性：所有请求必须携带 trace ID，支持全链路追踪。
- 最小权限：Server 只暴露完成任务所需的最少能力。
风险矩阵
| 风险 | 表现 | 控制策略 |
|---|---|---|
| 数据泄露 | Resource 暴露了敏感信息 | 字段级权限控制 + 数据脱敏 |
| 越权执行 | Tool 被滥用执行危险操作 | 分级审批 + 运行时护栏 |
| 提示注入 | 恶意输入操纵 Server 行为 | 输入消毒 + 参数校验 |
| 可用性风险 | Server 故障导致 Agent 不可用 | 健康检查 + 降级策略 |
MCP 的核心作用
- 标准化集成：一次实现、处处可用——同一个 MCP Server 可被所有支持 MCP 的 AI 应用使用。
- 关注点分离：AI 应用专注推理（reasoning），MCP Server 专注能力提供（capability），界限清晰。
- 安全边界：通过协议层统一实施权限控制、审计日志和输入校验。
- 生态复用：社区可以共享和组合 MCP Server，加速 Agent 开发。
一句话总结：MCP 是 Agent 能力的「USB-C 接口」——标准化、可插拔、即插即用。