MCP入门

MCP 介绍

什么是 MCP

MCP是一种开放的技术协议，旨在标准化大型语言模型（LLM）与外部工具和服务的交互方式。你可以把MCP理解成是一个AI世界的通用翻译官，让AI模型能够与各种各样的外部工具“对话”。

为什么需要 MCP

在MCP出现之前，AI工具调用面临两大痛点：

第一是接口碎片化：每个LLM使用不同的指令格式，每个工具API也有独特的数据结构，开发者需要为每个组合编写定制化连接代码；

第二是开发低效：这种“一对一翻译”模式成本高昂且难以扩展，就像为每个外国客户雇用专属翻译。

模型与工具深度绑定，无法构建统一生态系统，大大增加了迁移成本。

而MCP则采用了一种通用语言格式（JSON - RPC），一次学习就能与所有支持这种协议的工具进行交流。一个通用翻译器，不管什么LLM，用上它就能使用工具/数据了。

MCP的特点

1. 协议标准化 – 统一 JSON-RPC 2.0 消息格式，任何兼容 MCP 的主机（Claude Desktop、Cursor 等）都能即插即用。
2. 本地优先 – 敏感数据留在本地，API 密钥不再暴露给模型提供商。
3. 动态扩展 – 新增工具只需启动一个新的 MCP Server，无需改模型或主程序。
4. 安全隔离 – 双层授权 + 最小权限 + 端到端加密。

MCP典型使用场景

场景	举例	MCP 的作用
个人 AI 助手	让 Claude Desktop 直接查本地日历、写文件、发邮件	利用 MCP Server 暴露文件系统、邮件接口
企业自动化	在 IDE 里通过自然语言生成 SQL、操作 ERP、CRM	企业内网部署 MCP Server，连接内部系统
数据分析	实时拉取多源数据（PostgreSQL、Google Sheet、第三方 API）做报表	通过 Server 把各种数据源统一暴露给模型
社区生态	一键安装 @wopal/mcp-server-hotnews 获取热门新闻	共享 Server 市场，像装 VS Code 插件一样简单

MCP vs Function Calling vs Tool

维度	MCP	Function Calling	Tool
本质	开放协议/标准	模型自身能力	泛指可被调用的外部函数
架构	Client–Server（主机-服务器）	模型直接生成调用指令	无统一架构
耦合度	低：一次开发，多模型通用	高：需针对模型微调 prompt / schema	无标准，各自为政
扩展方式	启动新 MCP Server 即可	需改 prompt、重训或改代码	每换环境重写
安全模型	本地运行、双层授权	密钥/数据通常送云端	取决于实现
类比	USB-C 通用接口	各品牌私有充电线	单个转接头

Function Call是大型语言模型（LLM）与外部工具或API交互的核心机制。它是大模型的一个基础能力，就是识别什么时候要工具，可能需要啥类型的工具的能力。

而MCP则是工具分类的箱子。因此MCP不是要取代Function Call，而是要在Function Call基础上，联合Agent一起去完成复杂任务。

如果把整个工具调用的流程剖析开来，实际是“Function Call +Agent + MCP系统的组合。”用一句话说清楚：大模型通过FunctionCall表达，我要调用什么工具，Agent遵循指令执行工具的调用，而MCP则是提供了一种统一的工具调用规范。

架构原理

工作原理

MCP采用CS架构（客户端-服务器），MCP的技术架构可以简单理解为一个由三个核心部分组成的系统：MCP Host、MCP Client和MCP Server，总体架构如下图所示。

MCP主机（MCP Hosts）

MCP主机是发起请求的AI应用程序，它们希望通过MCP协议访问外部数据或工具。例如：Claude Desktop、AI驱动的IDE（如Cursor）、其他AI应用（如聊天机器人、自动化助手等）

MCP客户端（MCP Clients）

MCP客户端是MCP主机和MCP服务器之间的桥梁，与服务器一对一进行连接，负责与服务器进行通信，执行数据请求和工具调用。它的主要功能包括：

• 从MCP服务器获取可用的工具列表。
• 将用户的查询和工具描述一起发送给大模型。
• 接收大模型的决策，判断是否需要使用工具。
• 通过MCP服务器调用相应的工具，并获取返回结果。
• 将结果反馈给大模型，由大模型生成最终的自然语言响应。

MCP服务器（MCP Servers）

MCP服务器是整个架构的核心，它实现了MCP协议，并提供各种功能来支持AI应用。它主要负责：

• 资源：提供可被读取的数据，如本地文件、API响应、数据库等。
• 工具：提供可以被大模型调用的函数或操作。
• 提示词：提供预定义的提示词模板，帮助用户完成特定任务。

每个MCP服务器通常专注于特定的任务，例如：读取和写入浏览器数据、访问本地文件系统、操作Git仓库、连接远程API等等。

本地数据源（Local Data Sources）

MCP服务器可以访问计算机上的本地资源，例如：本地文件（如PDF、Word文档、代码文件）、本地数据库（如SQLite、PostgreSQL）、其他本地应用的数据等等。本地数据源的特点是数据不会上传到远端，确保数据安全性。

远程服务（Remote Services）

MCP服务器也可以连接到远程资源，例如：在线API、企业内部系统、其他基于云端的数据服务等等。远程服务通常通过API访问，并由MCP服务器进行管理，来确保访问权限的控制。

通信原理

通信协议

MCP采用JSON-RPC作为底层的通信协议。JSON-RPC是一种基于JSON的轻量级远程调用协议，相较于HTTP来说它更加简洁、高效、容易处理。

属性	HTTP	JSON-RPC
本质	应用层协议（Web核心协议）	轻量级RPC协议（基于JSON格式）
数据格式	支持JSON/XML/二进制等多种格式	强制JSON格式，结构更简洁
协议功能	包含缓存/认证/状态码等完整功能	仅定义RPC调用规范（无底层逻辑）
通信模式	无状态，支持GET/POST等多方法	无状态，基于method字段调用
适用场景	Web API、浏览器交互、复杂业务	微服务内部调用、物联网等轻量场景
典型应用	RESTful接口、网页加载	服务间函数调用、嵌入式设备通信

通信方式

mcp基于以上通信协议，实现了以下通信方式：

STDIO

采用STDIO的方式，server端会在client端启动时，作为client端的子进程一起启动。这种方式适用于client和server在同一台机器上通信的场景，通常用于工具调试。 它的实现原理是client和server两个进程间通过stdin和stdout进行双向通信。

优点:

• 无外部依赖
• 进程间通信极快
• 脱机可用

缺点

• 并发能力差，是同步阻塞模型
• 不支持多进程通信

SSE

全名是server send event，是一种基于 HTTP 协议的服务端主动推送机制，客户端通过 EventSource 向服务器发起一个长连接，服务器可以持续不断地通过这个连接发送文本数据。一般用于client在本地，server在远程服务器的场景。

优点

• 简单易用，浏览器原生支持 EventSource。
• 自动重连，断线后自动尝试重新连接。

缺点

• 单向通信（只能服务器推送，客户端不能通过这个连接发送数据）。
• 不支持二进制，只能发送 UTF-8 文本。
• 浏览器兼容性差（不支持 IE，部分移动端兼容性差）。
• 网络问题难以感知：如果网络中断，服务器无感知，继续发送，消息可能丢失。
• 不支持自定义 Header，不便于鉴权。

Streamable HTTP

Streamable HTTP 本质上仍是标准的 HTTP 请求，但服务器端采用分块传输（chunked transfer encoding），可以在响应体中逐块输出数据，实现流式返回。

SSE 虽然在早期实现服务端推送场景中提供了一种简洁方式，但随着 AI 模型接口对可靠性、跨平台性、鉴权机制以及链路可控性提出更高要求，SSE 的局限性逐渐暴露。而 Streamable HTTP 凭借其通用性、稳定性和良好的生态支持，成为更适合 AI 场景的流式传输方案。
优点

• 支持流式响应，兼容所有现代浏览器和 HTTP 客户端。
• 与标准 HTTP 完全兼容，便于通过 API Gateway / 代理层传输。
• 支持自定义 Header，适配各种鉴权方案。
• 可在客户端感知中断，便于处理异常恢复。
• 不依赖浏览器特性（无需 EventSource）。

缺点

• 实现稍复杂，需要服务端显式使用 chunked encoding 或异步框架支持。
• 不像 WebSocket 那样全双工（但足够满足大多数 AI 交互需求）。

工作流程

以下是MCP完成一次工作的完整示例：

连接：建立通信通道

首先，MCP主机需要连接到MCP服务器。这个过程类似于电脑连接到网络服务器。MCP客户端启动并查找可用的MCP服务器。服务器验证请求，建立通信通道。连接建立后，客户端可以获取可用的资源、工具和提示信息。这种连接方式的好处是灵活性极高，主机应用可以同时连接多个MCP服务器，从而获取不同的数据源或工具。

发送请求：主机请求数据或操作

当用户在AI应用中提出请求，MCP客户端会解析用户输入，识别任务类型，然后选择合适的MCP服务器发送请求。请求可以是数据查询、函数调用或执行特定任务。

处理请求：服务器执行操作

服务器收到请求后，会执行相应的操作，可能涉及到访问本地数据源、调用远程API、执行计算任务或者组合多个数据源提供综合信息。

返回结果：服务器将响应发送回主机

MCP服务器完成请求处理后，会将结果打包并发送回MCP客户端。这一步类似于我们在浏览器输入网址后，服务器返回网页内容。

生成响应：AI处理数据并反馈给用户

MCP客户端收到服务器返回的数据后，会将其传递给AI应用，进行进一步处理，例如：解析数据并以用户可理解的方式呈现、根据数据生成最终的AI响应、调用额外的工具或插件等等。

断开连接（可选）

MCP服务器完成请求处理后，会将结果打包并发送回MCP客户端。这一步类似于我们在浏览器输入网址后，服务器返回网页内容。

生成响应：AI处理数据并反馈给用户

MCP客户端收到服务器返回的数据后，会将其传递给AI应用，进行进一步处理，例如：解析数据并以用户可理解的方式呈现、根据数据生成最终的AI响应、调用额外的工具或插件等等。

断开连接（可选）

在某些情况下，MCP客户端可能会主动断开与服务器的连接，例如：任务已完成无需继续访问、服务器端长时间未收到请求并自动断开、服务器需要进行维护并强制断开连接等等。当然，如果MCP服务器需要长期提供服务，连接也可以保持活跃，确保随时可以处理新的请求。