❝MCP（Model Context Protocol，模型上下文协议）是一种开放标准协议，它让大型语言模型（LLM）能够与外部工具和数据源无缝通信，从而极大地扩展了AI的能力。
核心目标：建立类似USB-C的标准化协议，统一AI模型与外部资源的交互接口，实现"一次集成，处处运行"。解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
点关注不迷路
一、模型上下文协议（MCP）背景
MCP（Model Context Protocol）是由人工智能公司 Anthropic(开源Claude) 于 2024 年 11 月推出的开放协议，旨在解决 LLM 与外部数据源之间的通信标准化问题。其背景可概括为：
数据孤岛限制：传统 AI 模型因无法高效访问分散的本地或远程数据（如数据库、API、文件系统），导致潜力受限。 集成碎片化：不同数据源需定制化开发接口，增加开发成本且难以扩展（LangChain 和 LlamaIndex 整体代码的抽象层次过高）。 AI 生态需求：随着 LLM 应用场景扩展（如 Claude、Qwen 等），亟需统一协议连接工具、内容库及业务系统。
MCP 的提出类似于为 AI 应用打造“USB-C 端口”，实现通用连接标准。
二、为什么需要 MCP？解决哪些痛点？
现有痛点
数据隔离：LLM 无法直接访问企业内外部数据源（如数据库、API），需复杂定制开发。 安全风险：传统集成方式可能暴露敏感数据，缺乏标准化授权机制。 工具碎片化：不同数据源需独立适配，维护成本高。 上下文局限：模型依赖静态预训练数据，难以动态结合实时业务数据生成响应。
MCP 解决方案
统一接口：通过标准化协议连接多种数据源（文件、API、数据库等），简化集成，提供了一个通用的桥梁。 服务商：可以基于 MCP 开放自己的 API 和功能，融入更大的生态。 开发者：无需从头构建集成逻辑，直接利用现成的 MCP 服务即可增强 AI Agent 的能力。 安全控制：用户授权机制确保数据操作合规，支持本地部署避免数据外泄。 动态上下文：实时获取外部数据增强模型响应质量，如结合数据库查询生成精准答案。
解决重复造轮子的问题
MCP 的标准化设计让开发者可以复用社区贡献的资源。例如，一个支持 GitHub 操作的 MCP 服务器一旦开发完成，其他开发者就能直接调用，而无需重复实现。这种"一次开发，多次使用"的模式极大提升了效率。
三、MCP 基础概念
定义：MCP协议旨在解决传统AI系统与外部数据源和工具集成时的碎片化问题，为AI模型与外部世界之间的交互提供标准化接口。
作用：它就像AI的“通用翻译器”，让AI能够安全、可控地访问各种外部资源，如文件系统、数据库、API等，并执行具体任务。例如，当你让AI整理电脑里的会议记录时，它可以通过MCP协议直接调取文件系统，完成分类归档、生成摘要等操作。
通过两个比喻简明地解释了 MCP 的作用：
万能遥控器：MCP如同一个能够控制所有家电的万能遥控器，让AI助手用统一指令操作不同的企业系统，无需为每个系统配备特定的控制方式。
既能让"电视"播放监控视频（调用安防系统），也能让"空调"调节数据温度（调整服务器负载），还能让"音响"播报业务报告（触发语音合成）
AI的USB-C接口：MCP也被比作AI领域的USB-C接口，提供了一个统一标准，使AI可以轻松连接各种外设（如数据库、邮件系统、报告生成工具），避免了对多种专用接口的需求，简化了AI集成过程。
通过MCP，一个AI助手可以连U盘（数据库）、插打印机（邮件系统）、接显示器（报告生成），接口都一样，只是功能不同。
AI的通用翻译器：让AI能够安全、可控地访问各种外部资源，如文件系统、数据库、API等，并执行具体任务。例如，当你让AI整理电脑里的会议记录时，它可以通过MCP协议直接调取文件系统，完成分类归档、生成摘要等操作。
四、MCP 核心组件
MCP 主要五个核心组件：
MCP Host：运行 AI 模型的应用程序，例如：Pycharm、Visual Studio、Claude Desktop、Cursor、Cline。 MCP Client：是用来在 Hosts 应用程序内维护与 Server 之间 1:1 连接。一个主机应用中可以运行多个MCP客户端，从而同时连接多个不同的服务器。 MCP Server：核心部分，通过标准化协议为 Clients 提供资源（Resources）、工具（Tools）、提示词（Prompts）。 本地资源：本地文件、数据库等直接可访问的数据。 远程资源：外部 API 或云服务，例如 GitHub 或 Slack。
MCP Server 能力： Resources资源：静态数据源（如文件内容、API 响应）。 Tools工具：可调用的函数或服务（如 SQL 查询、第三方 API）。 Prompts提示词：预定义的任务模板，指导模型生成特定格式响应。 通讯机制： stdio 传输：MCP定义了一套基于JSON-RPC 2.0的消息通信协议。本地进程间通过标准输入输出交换 JSON-RPC 消息。 HTTP with SSE：远程通信采用服务端推送事件（Server-Sent Events）。 安全与控制： 消息透明：采用纯JSON格式封装三种消息类型——请求（带唯一ID）、响应（含结果/错误）和通知（无回复）。每条消息包含方法名和参数，类似函数调用，直观表达"执行操作/获取数据"等行为。 开发友好：相比二进制协议（如gRPC），JSON消息可人工阅读，配合结构化日志更易调试。协议层自动处理请求响应匹配、错误传递和并发管理，开发者只需关注业务逻辑。 用户需显式授权工具调用，操作记录可审计。
五、MCP 工作流程
工作原理：MCP协议采用客户端-服务器架构，通过标准化的接口（如基于JSON-RPC的通信）实现上下文的动态传递和工具的灵活调用。当AI需要访问外部数据或工具时，MCP客户端会向对应的MCP服务器发送请求，服务器处理后返回结果，从而实现AI与外部资源的交互。
以 PostgreSQL 数据库查询为例，典型流程如下：
初始化连接：Client 启动 Server 进程并获取能力列表（Tools/Resources/Prompts）。 用户查询：用户提问（如“查询金额最高的订单”）。 LLM 决策：模型判断需调用工具（如 SQL 查询），Client 向 Server 发送请求。 执行与返回：Server 执行工具（生成 SQL 并查询数据库），结果返回给 LLM 生成最终响应。 用户展示：响应经授权后展示，支持查看原始数据来源（如 SQL 语句）。
六、MCP 与 Function Calling 的区别
| 生态支持 | ||
| 安全性 |
七、MCP Server 分类及应用
MCP Server是MCP服务的核心，主要从官方、第三方以及社区MCP Server三个角度对关注度较高的应用进行细分。
官方MCP Server
第三方MCP Server
社区MCP Server
八、MCP在网页爬取的场景的最佳实践
假设需通过 MCP 实现动态网页数据抓取：
构建爬取工具：
定义 WebCrawlerTool，参数包含 URL 和解析规则（如 XPath）。
注册为 MCP Server： 将工具部署为 Server，暴露 call_tool方法执行爬取逻辑。动态调用： LLM 根据用户问题（如“获取某新闻网站头条”）生成工具调用请求，返回结构化数据。 安全增强： 限制爬取频率，通过用户授权控制敏感操作。 定义功能：明确MCP服务器将提供哪些功能，比如文件管理、数据库查询、网络服务等。 实现MCP层：遵循标准化的MCP协议规范进行开发，包括消息格式、通信逻辑等。 选择传输方式：在本地传输（如stdio）或远程传输（如服务器发送事件/WebSockets）之间选择。 创建资源/工具：开发或连接MCP将要交互的特定数据源和服务，如文件系统、数据库、API等。 设置客户端：在MCP服务器和客户端之间建立安全稳定的连接通道。 行程规划助手：AI助手通过MCP服务器无缝检查日历可用时间、预订航班、发送确认邮件等，无需为每个工具单独开发集成代码。 高级IDE（智能代码编辑器）：开发环境通过MCP协议连接文件系统、版本控制、包管理器和文档系统，实现更丰富的上下文感知能力和更智能的代码建议。 复杂数据分析：AI分析平台通过统一的MCP层自动发现并与多个数据库、可视化工具和模拟系统进行交互，无需手动管理连接。 文件管理：让AI助手整理文件、归档、生成摘要等，如通过MCP服务器访问本地文件系统。 信息查询：直接搜索本地文档或询问PDF内容，获取所需信息。 沟通辅助：根据报告起草Slack消息，或总结团队聊天。 网络服务：通过MCP服务器获取天气、地图导航或新闻简报。 价值：统一了 LLM 与外部系统的交互标准，降低集成成本，提升模型实用性。 局限：暂不支持复杂逻辑（如循环）、远程连接依赖本地中转。 远程连接：2025 年路线图计划支持 OAuth 2.0 认证与无状态服务。 生态扩展：更多企业和社区加入（如 Block、Apollo），推动工具标准化。 行业应用：在医疗、金融等领域结合私有数据增强模型专业化能力。