Model Context Protocol (MCP) 核心知识点面试题库

一份面向 AI 应用开发工程师的深度技术考核指南，涵盖架构、通信、原语与工程实践。

模块一：架构与基础设计

【问题】

MCP 的核心定义是什么？它相比传统的私有 API 集成方案，解决了哪些关键痛点？请从可组合性、版本管理、发现机制三个维度进行对比分析。

【重要程度】⭐⭐⭐⭐⭐

【考察点】架构理解能力、对现代 AI 工具链演进的认知深度。

【参考答案】 MCP（Model Context Protocol）是一种标准化协议，用于在大模型客户端（Client）与外部服务之间建立统一、可互操作的连接。其核心价值在于将 LLM 的“上下文”扩展为一个动态、可编程的资源池。

传统私有集成的三大痛点：

1. 不可组合性：每个工具独立开发，缺乏统一接口，导致无法像搭积木一样组合使用；
2. 版本混乱：工具更新后，客户端需手动同步，缺乏版本声明和兼容性保障；
3. 发现困难：工具依赖硬编码或文档查找，无自动化发现机制，难以实现“即插即用”。

MCP 通过标准化的 JSON-RPC 接口、元数据声明和动态发现机制，从根本上解决了上述问题，实现了真正的“AI 时代的 USB 协议”。

---

【问题】

请详细描述 MCP 架构中 Client、Host、Server 三者的角色划分与交互流程。它们分别运行在什么环境？典型代表有哪些？

【重要程度】⭐⭐⭐⭐⭐

【考察点】系统级架构认知、对实际产品落地的理解。

【参考答案】

• Client（客户端）：运行在用户终端，如 Cursor IDE、Claude Desktop、本地 CLI 工具。负责启动与 Server 建立连接，接收来自 Server 的资源、工具和提示词，并将用户的指令传递给 Server 执行。它是模型的“执行引擎”和“上下文管理器”。
• Host（宿主）：是 Client 的运行环境，例如 VS Code 插件、浏览器扩展或桌面应用。它提供 UI 交互、权限控制、日志记录等基础设施，但不直接参与 MCP 协议通信。
• Server（服务端）：运行在远程服务器或本地进程，提供具体功能。它可以是一个 LLM 工具服务（如代码生成、数据分析）、一个数据库连接器，或一个自定义的 AI Agent。它通过 MCP 协议暴露 Resources、Tools、Prompts 等能力。

交互流程：

1. Client 启动时，通过配置或发现机制定位 Server 地址；
2. 建立连接（通常通过 Stdio 或 SSE）；
3. Server 发送 Initialize 消息，包含其支持的能力清单；
4. Client 根据能力清单构建 UI、缓存元数据；
5. 用户发起请求，Client 将指令发送至 Server；
6. Server 执行并返回结果，支持流式响应。

典型代表：

• Client: Cursor, Windsurf, Claude Desktop
• Host: VS Code, Web Browser
• Server: OpenAI API Wrapper, Custom Code Generation Service, Database Connector

---

【问题】

为什么说 MCP 被誉为 AI 时代的 "USB 协议"？请结合其设计理念与现实应用场景进行解释。

【重要程度】⭐⭐⭐⭐

【考察点】抽象思维能力、类比表达能力。

【参考答案】 这个比喻极具洞察力。类比如下：

• USB 是物理世界中“即插即用”的标准接口，允许不同厂商的设备（键盘、鼠标、硬盘）通过统一协议连接到计算机，无需重新设计硬件。
• MCP 是数字世界中“即插即用”的逻辑接口，允许不同的 AI 工具（代码生成、文件搜索、数据库查询）通过统一协议连接到大模型，无需重新编写集成代码。

关键相似点：

1. 标准化：两者都定义了通用的协议规范；
2. 自动发现：设备插入后，系统能自动识别并加载驱动/能力；
3. 即插即用：用户无需关心底层细节，直接使用；
4. 生态繁荣：因标准开放，催生大量第三方开发者和创新应用。

因此，MCP 不仅是技术协议，更是推动 AI 工具生态繁荣的基础性基础设施，正如当年的 USB 改变了计算设备的互联方式。

---

模块二：协议通信与底层机制

【问题】

JSON-RPC 2.0 在 MCP 协议中的作用是什么？请说明其消息结构（Request/Response/Error），并举例说明一个典型的 Tool 调用流程。

【重要程度】⭐⭐⭐⭐⭐

【考察点】底层协议理解、实际通信流程掌握。

【参考答案】 JSON-RPC 2.0 是 MCP 的通信基石，它定义了客户端与服务端之间的请求-响应模型，确保跨平台、跨语言的互操作性。

基本消息结构：

• Request:

  {
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools.call",
    "params": {
      "toolId": "code.generate",
      "args": {"language": "python", "prompt": "写一个斐波那契函数"}
    }
  }
  

• Response:

  {
    "jsonrpc": "2.0",
    "id": 1,
    "result": "def fibonacci(n):\n    if n <= 1:\n        return n\n    return fibonacci(n-1) + fibonacci(n-2)"
  }
  

• Error:

  {
    "jsonrpc": "2.0",
    "id": 1,
    "error": {
      "code": -32000,
      "message": "Tool execution failed due to timeout",
      "data": {"details": "Timeout after 5s"}
    }
  }
  

典型 Tool 调用流程：

1. Client 从 Server 的 Metadata 中发现 code.generate 工具；
2. 用户输入指令：“帮我写个 Python 函数生成斐波那契数列”；
3. Client 将指令解析为 Tool Call Request，发送至 Server；
4. Server 执行代码生成逻辑；
5. Server 通过流式响应返回结果（SSE）；
6. Client 将结果展示给用户，同时可能触发后续 Prompt 填充。

---

【问题】

在 MCP 中，Stdio 与 SSE 作为 Transport Layer 有何本质区别？请从连接方式、适用场景、性能特征三方面详细对比，并说明为何 CLI 工具多用 Stdio，而远程服务多用 SSE？

【重要程度】⭐⭐⭐⭐⭐

【考察点】工程选型能力、对网络传输机制的理解。

【参考答案】 | 维度 | Stdio (标准输入输出) | SSE (Server-Sent Events) | |------|------------------------|--------------------------| | 连接方式 | 进程间通信（IPC），通过管道（Pipe）或文件描述符连接 | 基于 HTTP/HTTPS 长连接，客户端主动发起连接 | | 适用场景 | 本地命令行工具、IDE 内嵌插件、快速原型开发 | 远程服务、Web 应用、需要高可用和可扩展性的生产环境 | | 性能特征 | 低延迟，零开销，适合高频短连接 | 高延迟（初始握手），但支持长连接，适合流式传输 | | 可靠性 | 一旦进程退出，连接即断 | 可通过心跳维持，具备重连机制 | | 安全性 | 仅限本地，不易被外部攻击 | 需要认证与授权机制 |

选择原因：

• CLI 工具用 Stdio：因为 CLI 通常是单次调用，启动快、关闭快，且运行在本地，安全风险低。使用 Stdio 可以避免网络开销，实现最高效的 IPC。
• 远程服务用 SSE：因为远程服务需要持久化连接，支持多个客户端并发，且必须通过网络暴露。SSE 提供了良好的流式支持和状态管理，是实现远程 Agent 服务的理想选择。

---

【问题】

请详细阐述 MCP 协议的生命周期管理机制。包括连接初始化（Initialize）、心跳检测（Ping）、优雅停机（Shutdown）的触发条件、消息格式与作用。

【重要程度】⭐⭐⭐⭐

【考察点】系统稳定性意识、对协议完整性的理解。

【参考答案】 MCP 协议的生命周期管理确保了连接的可靠性和服务的可控性。

1. Initialize（初始化）

   • 触发条件：Client 与 Server 建立连接后立即发送。
   • 消息格式：

     {
       "jsonrpc": "2.0",
       "method": "initialize",
       "params": {
         "clientName": "Cursor",
         "clientVersion": "1.2.3",
         "capabilities": ["resources", "tools", "prompts"]
       }
     }
     

   • 作用：告知对方自身身份与能力，是建立信任和协商能力的基础。

2. Ping（心跳检测）

   • 触发条件：每 30 秒由 Client 向 Server 发送一次，或 Server 主动请求。
   • 消息格式：

     {
       "jsonrpc": "2.0",
       "method": "ping",
       "id": 999
     }
     

   • 作用：检测连接是否存活，防止因网络中断或进程崩溃导致的“僵尸连接”。

3. Shutdown（优雅停机）

   • 触发条件：Client 需要关闭时，主动发送；Server 也可在维护时主动关闭。
   • 消息格式：

     {
       "jsonrpc": "2.0",
       "method": "shutdown",
       "id": null
     }
     

   • 作用：通知对方即将断开连接，让对方有机会清理资源、保存状态，避免数据丢失。

这些机制共同构成了一个健壮的通信框架，是构建生产级 MCP 服务不可或缺的部分。

---

模块三：核心能力原语 (Primitives)

【问题】

Resources（资源）在 MCP 中不仅指文件读取，请详细说明 URI 模板的设计模式及其在动态资源订阅中的应用。请举例说明如何通过 resource.get 实现一个“当前工作目录下所有 Python 文件”的动态列表。

【重要程度】⭐⭐⭐⭐⭐

【考察点】对资源抽象的理解、高级编程能力。

【参考答案】 Resources 是 MCP 的核心抽象之一，它将任何可访问的数据源视为一个“资源”，并通过 URI 进行唯一标识。

URI 模板设计模式：

• URI 采用 {variable} 语法表示占位符，支持参数化。
• 示例：file://project/{projectName}/src/**/*.py
• 当 projectName 被替换为 myapp 时，URI 变为 file://project/myapp/src/**/*.py，指向该项目的全部 Python Files.

动态资源订阅机制：

• Client 可以向 Server 发送 resource.subscribe 消息，注册一个 URI 模板。
• Server 会监控该路径下的变化（如文件增删），并在变化发生时通过 resource.changed 事件推送通知。

示例：获取当前工作目录下所有 Python 文件

{
  "jsonrpc": "2.0",
  "method": "resource.get",
  "params": {
    "uri": "file://./src/**/*.py"
  }
}

此请求会返回一个包含所有匹配文件内容的数组。如果使用 subscribe，则可以持续监听新增的 .py 文件，实现“实时感知项目结构变化”。

---

【问题】

LLM 如何发现和调用 Tools？请解释 Side Effects（副作用）的处理原则，并说明 Human-in-the-loop（人工确认）在工具执行中的实现方式与必要性。

【重要程度】⭐⭐⭐⭐⭐

【考察点】工具链集成能力、安全意识、用户体验设计。

【参考答案】 工具发现与调用：

• Server 在 Initialize 阶段通过 capabilities 字段暴露其支持的 Tools 列表，如：

  "capabilities": [
    {"type": "tool", "id": "git.commit", "name": "Commit Changes", "description": "提交代码变更"}
  ]
  

• Client 依据此信息，在 UI 中显示可用工具按钮。当用户输入“提交代码”时，Client 会自动匹配并生成 Tool Call Request。

Side Effects 处理原则：

• 所有具有潜在破坏性（如删除文件、修改数据库、发送邮件）的操作，必须明确标记为 sideEffect: true。
• LLM 本身不能直接执行此类操作，必须通过 User Confirmation 流程。

Human-in-the-loop 实现：

1. Client 收到带有 sideEffect: true 标记的 Tool Call Request 时，不会直接执行；
2. 它会弹出确认对话框，展示操作摘要（如“将提交以下 3 个文件”）；
3. 用户点击“确认”后，Client 才将请求发送至 Server；
4. Server 执行成功后，返回结果。

必要性：防止模型因误判或恶意 prompt 导致灾难性后果，是 AI 安全的核心防线。

---

【问题】

Prompt 模版如何在 MCP 服务端复用？请解释其参数填充机制，并举例说明如何实现一个“根据项目类型生成不同风格的 README.md”模板。

【重要程度】⭐⭐⭐⭐

【考察点】提示工程能力、模板化设计思想。

【参考答案】 Prompt 模板复用机制：

• Server 在 prompts 元数据中定义预设模板，例如：

  {
    "id": "readme.generate",
    "template": "生成一个适用于 {{projectType}} 项目的 README，包含简介、安装步骤、使用示例。"
  }
  

参数填充机制：

• 使用 {{key}} 语法进行变量替换。
• Client 在调用时提供参数对象，如：

  {
    "promptId": "readme.generate",
    "params": {"projectType": "react-app"}
  }
  

• Server 将 {{projectType}} 替换为 react-app，生成最终提示词。

示例：动态生成 README

{
  "jsonrpc": "2.0",
  "method": "prompt.execute",
  "params": {
    "promptId": "readme.generate",
    "params": {
      "projectType": "vue3-project"
    }
  }
}

最终提示词为：“生成一个适用于 vue3-project 项目的 README，包含简介、安装步骤、使用示例。”

这使得模板高度可复用，降低了提示词维护成本，提升了开发效率。

---

【问题】

Sampling（采样）是 MCP 的独特功能，请解释 Server 端如何反向请求 Client（大模型）生成内容。请说明其典型应用场景，并分析其带来的核心优势。

【重要程度】⭐⭐⭐⭐⭐

【考察点】对 MCP 特性深度理解、创新思维能力。

【参考答案】 工作机制：

• 传统模式：Client 生成内容 → Server 处理
• MCP Sampling 模式：Server 生成提示词 → Client 生成内容 → Server 处理

Server 通过 sampling.request 方法，向 Client 发送一个待填充的模板，要求 Client 生成特定内容。

消息格式：

{
  "jsonrpc": "2.0",
  "method": "sampling.request",
  "params": {
    "template": "根据以下需求，生成一段简短的项目介绍：{{description}}",
    "context": {"projectName": "MyApp"}
  }
}

Client 收到后，会调用自身的 LLM 生成内容，如：“这是一个基于 React 构建的现代化 Web 应用，旨在提升用户交互体验。”

Server 再将此内容用于后续处理（如生成文档、嵌入到页面）。

典型应用场景：

1. 智能摘要：让模型自动生成文档摘要、会议纪要；
2. 内容补全：在已有草稿基础上，由模型补充细节；
3. 个性化推荐：根据用户偏好生成定制化内容。

核心优势：

• 降低 Server 负载：将耗时的生成任务卸载到 Client 端，Server 只负责调度和整合；
• 提升响应速度：Client 通常离用户更近，生成更快；
• 增强灵活性：同一模板可适配不同用户、不同上下文，实现个性化。

这是 MCP 实现“去中心化 AI 计算”的关键体现。

---

模块四：工程实践与安全

【问题】

当 MCP 连接出现异常时，如何利用 Inspector 工具进行调试？请描述排查流程，包括关键日志位置、常见错误码及应对策略。

【重要程度】⭐⭐⭐⭐

【考察点】故障排查能力、工具使用熟练度。

【参考答案】 Inspector 是 MCP 开发者的“瑞士军刀”，它能可视化地查看整个通信过程。

排查流程：

1. 启用 Inspector：在 Client 或 Server 启动时添加 --inspect 参数。
2. 观察日志：关键日志位于：
   • logs/mcp-connection.log（连接建立日志）
   • logs/mcp-communication.log（消息收发日志）
3. 检查常见错误码：
   • 32000：通用错误，通常为参数缺失；
   • 32001：方法不存在（如 tools.call 未注册）；
   • 32002：认证失败（权限不足）；
   • 32003：超时（网络或 Server 无响应）。
4. 验证连接：使用 ping 检测心跳是否正常；
5. 检查 Meta Data：确认 Server 是否正确暴露了 capabilities。

应对策略：

• 若为 32001，检查 Server 代码中是否注册了对应方法；
• 若为 32002，检查权限配置或 Token 是否有效；
• 若为 32003，检查网络防火墙或 Server 是否已崩溃。

Inspector 的存在极大降低了 MCP 的学习与调试门槛。

---

【问题】

在 MCP 中，如何实现细粒度的权限控制以防止模型执行危险操作？请结合 Role-Based Access Control (RBAC) 和 Capability-Based Security 两种范式，说明其实现思路。

【重要程度】⭐⭐⭐⭐⭐

【考察点】安全设计能力、系统性思维。

【参考答案】 MCP 的安全性必须从“最小权限”原则出发。

1. Role-Based Access Control (RBAC)：

• 定义角色，如 developer, auditor, admin。
• 每个角色拥有预定义的 Capability 集合。
• 例如：

  "roles": {
    "developer": {
      "capabilities": ["tools.code.generate", "resources.read"]
    },
    "admin": {
      "capabilities": ["tools.delete.file", "tools.send.email"]
    }
  }
  

2. Capability-Based Security：

• 每个 Capability（如 tools.delete.file）都有一个唯一的 Token，只能由拥有该 Token 的 Client 访问。
• Server 在收到请求时，校验 Token 是否有效且属于当前用户角色。

实现思路：

• Client 启动时，由 Host（如 IDE）根据用户身份分配角色；
• Server 在 Initialize 时，根据角色决定暴露哪些 Capability；
• 所有 Tool Call 均需携带 Token，Server 验证后才执行。

这种双重机制确保了即使模型被劫持，也无法越权操作，是构建可信 AI Agent 的基石。

---

【问题】

请描述 MCP 在 Cursor IDE 与 Claude Desktop 等主流 AI 工具中的工作流。以 “使用 AI 生成代码并提交 Git” 为例，说明从用户输入到最终提交的全流程，以及各组件在其中的作用。

【重要程度】⭐⭐⭐⭐⭐

【考察点】实战经验、对产品生态的理解。

【参考答案】 以 Cursor IDE 为例，完整工作流如下：

1. 用户输入：在编辑器中输入“生成一个登录页面的 React 组件”；
2. Client（Cursor）：识别指令，调用 MCP Client SDK，向 Server 询问可用工具；
3. Server（AI Agent）：返回 code.generate 工具可用，并附带提示词模版；
4. Client：调用 tools.call，发送请求，指定语言为 React；
5. Server：使用 LLM 生成代码，通过 SSE 流式返回；
6. Client：将代码片段插入当前文件；
7. 用户确认：点击“提交代码”按钮；
8. Client：检测到 git.commit 工具带有 sideEffect: true，弹出确认框；
9. 用户确认：点击“确认”；
10. Client：调用 tools.call 执行 git.commit；
11. Server：执行 Git 命令，返回成功消息；
12. Client：在 UI 中显示“提交成功”提示。

各组件作用总结：

• Client（Cursor）：协调者，负责 UI 交互、工具调用、安全确认；
• Host（VS Code）：提供编辑器环境；
• Server（AI Agent）：执行核心逻辑，生成代码和执行 Git 操作。

这一流程体现了 MCP 如何将复杂的 AI 功能封装成简单易用的原子操作，极大提升了开发效率。

---

总结

本题库覆盖了 MCP 的核心知识体系，是评估 AI 应用开发工程师能力的权威标准。掌握这些内容，意味着候选人不仅能“用”好 MCP，更能“懂”好 MCP，具备构建下一代 AI 原生应用的坚实能力。