一、MCP 是什么

MCP（Model Context Protocol） 是由 Anthropic（Claude 团队）主导提出的一个开放、通用的协议标准，目的是方便 AI 模型与各种服务、数据源无缝交互。这是 AI 应用层开发的一个重要突破，当前很多 AI 应用仍是 独立服务，与已有系统（邮件、数据库、日志、部署平台等）的整合较少。MCP 的出现，有助于把这些整合变为可能。
MCP 的核心目标之一是建立一个标准协议，让服务提供者可以按标准暴露“能力”（capabilities），让 AI 客户端／Host／Agent 能够知道这些能力、理解如何调用这些能力，并能在对话或任务中持续保持上下文。

二、MCP 与 Function Calling、AI Agent的区别

三、MCP 的架构

一个 MCP Server 的典型工作流程。

• 组成部分 ：MCP 系统中主要有下面几个角色／组件：

  1. MCP Hosts：启动 MCP 客户端/连接的应用程序。例如 Claude Desktop、Cursor、Cline 等。
  2. MCP Clients：Host 内部的组件，用来与 MCP Servers 保持 1:1 的连接。
  3. MCP Servers：暴露能力、工具／API／数据源；处理客户端请求，提供上下文、描述服务、接收请求调用、返回结果。
  4. Local Data Sources：本地的文件、数据库、API 等。
  5. Remote Services：外部的 API、第三方系统等。

• 能力的描述与调用

  MCP Server 会向 Client 描述它能做什么（哪些工具／服务／能力），这些能力需要什么输入参数（schema），能力的输出是什么样子的。通常用类似 JSON Schema 的方式定义输入／输出。

• 使用流程示例

  文章举例：构造一个 MCP Server 用来与 GitHub 集成，包括 “search_repositories”、 “search_issues”、 “create_issue” 三个能力。Client 向 Server 请求列出可用工具，然后在对话或任务中 “调用工具” → Server 按选定参数执行 API → 返回内容。

• 上下文保持与任务编排

  MCP 不仅只是 “调用功能”，还涉及在多步任务中保持上下文，知道哪些能力被调用过、输出是什么、下一步可能需要什么。Agent / Client 可以根据上下文判断是否调用某个能力，并决定任务顺序。这样就能做比较复杂的自动化工作，比如“查询日志 → 找相关 GitHub issue → 如果未解决则发 slack 报告”等。

四、MCP 的价值

1. 标准化与开放性：MCP 是开放协议，有共识基础。服务提供者可以按协议提供能力，而不是每个系统自己定义一套。
2. 减少重复工作：开发者不必每次都重新实现 Agent 与各种 API／服务交互的部分，可以复用已有 MCP Servers／能力。
3. 增强集成能力：可以更容易把模型集成到现有系统里，比如 IDE、数据库、本地及远程 API 等。让模型不仅“会说话”，而且能“做事”。
4. 提升复杂任务处理能力：在任务链／多阶段／多服务的任务中，MCP 可以让 Agent 在多个能力／服务间顺序地调用，保持状态与上下文，从而处理复杂需求更可靠。