1. 什么是MCP？

MCP（Model Context Protocol） 是由 Anthropic 提出的一种开源协议，旨在标准化大语言模型（LLM）与外部工具、数据源和服务之间的交互方式。其核心目标是解决 AI 工具调用中的“接口碎片化”问题——即不同模型使用不同格式调用不同 API，导致开发成本高、扩展性差。

MCP 的设计哲学类似于 USB-C 接口：无论设备品牌或功能如何，只要遵循统一标准，即可即插即用。在 AI 领域，MCP 让 LLM 能通过统一协议访问文件系统、数据库、Web API、向量库等资源。
核心架构

• MCP Host：运行环境（如 Claude Desktop、Cursor IDE）
• MCP Client：嵌入在 Host 中的通信组件，负责与 Server 对接
• MCP Server：提供具体功能的服务端（如天气查询、PDF 解析、数据库连接）

MCP 基于 JSON-RPC 2.0 协议，采用请求-响应模式，支持异步调用与流式传输。

2. 国内外主流大模型对 MCP 的支持现状

模型/平台	所属公司	MCP 支持状态	主要应用场景
Claude 3.5+	Anthropic	✅ 原生支持（Desktop 应用）	本地文件读取、代码执行、工具集成
GPT-4o / o1	OpenAI	✅ ChatGPT 桌面版 + Responses API（2025 Q3起）	Agent 工具调用、企业级自动化
通义千问	Qwen-Max 阿里云	✅ 百炼平台已接入 MCP	企业知识库、数据库查询、API 编排
混元大模型	HunYuan 腾讯云	✅ 腾讯云 MCP 服务上线	微信生态集成、内部工具调用
Kimi	月之暗面	⚠️ 实验性支持（	需通过自定义 MCP Server）
DeepSeek-V3	深度求索	❌ 尚未官方支持	—
GLM-4	智谱 AI	⚠️ 社区驱动 MCP 适配（非官方）	开发者自行部署 MCP Bridge

注：截至2025年11月，Anthropic、OpenAI、阿里云、腾讯云已实现较完整的 MCP 生态集成。

3. 各平台 MCP 调用方法详解

3.1. OpenAI（GPT 系列）

API 接口
入口：POST https://api.openai.com/v1/responses
认证：Bearer Token（需开通 MCP 权限）
请求体示例：

{
"model": "gpt-4o",
"messages": [{"role": "user", "content": "帮我查北京明天天气"}],
"tools": [
{
"type": "mcp",
"function": {
"name": "weather_server.get_forecast",
"description": "获取城市未来天气预报"
}
}
],
"tool_choice": "auto"
}

用量与限制

• 免费层：每日 100 次 MCP 调用（仅限 ChatGPT Plus 用户）
• 付费层（API）：$0.01 / 次 MCP 调用（独立计费，不计入 token）
• 速率限制：60 RPM（Requests Per Minute）

特点

• ✅ 与 Function Calling 无缝融合
• ✅ 支持流式响应（streaming）
• ❌ 仅限桌面端和 Responses API，网页版暂不支持

3.2. Anthropic（Claude）

调用方式

• 仅限 Claude Desktop 应用
• 用户需手动启动 MCP Server（如 mcp-server-filesystem）
• Claude 自动发现并注册可用工具

示例流程

1. 启动本地 MCP Server：

pip install mcp-server-filesystem
mcp-server-filesystem --root-dir ./docs

2. 在 Claude Desktop 中输入：“读取 ./docs/README.md”
3. Claude 自动调用 MCP Server 获取文件内容

限制

• ❌ 不支持云端调用（无 Web API）
• ❌ 无法通过 API 控制 MCP 工具列表
• ✅ 安全性高（所有数据保留在本地）

3.3. 阿里云百炼（Qwen）

API 接口
Endpoint：https://dashscope.aliyuncs.com/api/v1/mcp/invoke
认证：API Key + RAM 权限控制
调用示例（Python SDK）：

from alibabacloud_bailian20240729.client import Client
from alibabacloud_tea_openapi import models as open_api_models

config = open_api_models.Config(access_key_id='YOUR_KEY', access_key_secret='YOUR_SECRET')
client = Client(config)

response = client.invoke_mcp_tool(
model='qwen-max',
tool_name='database_query',
params={'sql': 'SELECT FROM users LIMIT 5'}
)

用量与计费

• 免费额度：每月 500 次 MCP 调用
• 超出部分：¥0.03 / 次
• 并发限制：20 QPS（可申请提升）

特点

• ✅ 深度集成阿里云生态（RDS、OSS、MaxCompute）
• ✅ 支持私有化 MCP Server 部署
• ✅ 提供 MCP Inspector 可视化调试工具

3.4. 腾讯云（HunYuan）

调用方式

• 通过 腾讯云 MCP 控制台注册 Server
• 使用 hunyan-mcp-sdk 发起调用

示例（Node.js）：

const { HunYuanMCP } = require('@tencentcloud/hunyuan-mcp');

const client = new HunYuanMCP({
secretId: 'YOUR_ID',
secretKey: 'YOUR_KEY',
region: 'ap-beijing'
});

await client.callTool('wechat_message.send', {
toUser: 'user123',
content: '您的订单已发货'
});

限制

• 仅支持腾讯云 VPC 内网调用（保障安全）
• 工具需提前备案审核（防止滥用）

4. MCP 协议的核心优势与局限

✅ 优势

1. 标准化：统一工具调用接口，降低集成成本
2. 可扩展：开发者可快速发布 MCP Server，形成生态
3. 安全性：Host 与 Server 可隔离部署（尤其适合企业）
4. 灵活性：支持本地、私有云、公有云多种部署模式

❌ 局限

1. 生态割裂：各厂商实现细节不一致（如 OpenAI 与 Anthropic 的工具注册机制不同）
2. 学习曲线：需理解 Host/Client/Server 三层架构
3. 性能开销：额外的 RPC 层可能引入延迟
4. 调试复杂：工具链较长，错误定位困难（需依赖 MCP Inspector 等工具）

5. 开发者建议

1. 优先选择本地场景：MCP 最适合桌面端 Agent（如 Cursor、Claude Desktop），在 Web 端仍处早期。
2. 善用 SDK：阿里云、腾讯云已提供成熟 SDK，避免手写 JSON-RPC。
3. 关注安全边界：MCP Server 应严格限制权限（如文件系统只读、数据库最小权限原则）。
4. 不要神话 MCP：它不是万能药，仅解决“工具调用标准化”问题，不替代 Agent 规划或模型推理能力。

6. 结语

MCP 正在成为 AI Agent 时代的“通用插座”。尽管目前仍存在生态碎片化、文档不完善等问题，但随着 OpenAI、阿里、腾讯等巨头的持续投入，其标准化价值将日益凸显。

对于开发者而言，掌握 MCP 不仅是技术趋势，更是构建下一代智能应用的关键能力。

“真正的智能，不在于模型多大，而在于它能否与世界无缝连接。”