一、什么是 MCP?
MCP,全称 Model Context Protocol(模型上下文协议),是由 Anthropic 推出的开放协议,旨在解决 AI 应用与外部系统之间缺乏统一连接标准的问题。
在没有统一协议之前,AI 应用通常需要针对不同的数据源和工具分别开发集成逻辑:
- 接入数据库,需要单独编写数据库查询接口。
- 接入 GitHub,需要单独实现 GitHub API 调用。
- 接入本地文件,需要单独处理文件读取和权限。
- 接入企业内部系统,需要开发专用适配器。
- 更换 AI 应用时,很多集成代码还需要重新开发。
这种方式会导致大量重复工作,系统之间也难以复用。
MCP 的核心思想是:
定义一套统一的通信协议,让 AI 应用通过标准化接口连接不同的外部能力。
可以将 MCP 理解为 AI 应用与外部世界之间的通用连接层。
例如,一个 AI 助手可以通过 MCP 接入:
| 外部系统 | MCP 提供的能力 |
|---|---|
| 文件系统 | 读取、搜索和管理文件 |
| GitHub | 查询仓库、读取代码、创建 Issue |
| 数据库 | 查询数据、读取表结构 |
| 浏览器 | 获取网页内容、执行浏览器操作 |
| 企业知识库 | 检索文档、获取业务知识 |
| 项目管理系统 | 查询任务、创建工单 |
| 云平台 | 查询资源、执行云服务操作 |
MCP 本身并不负责实现这些业务功能,而是规定 AI 应用与这些功能之间如何进行标准化通信。
二、为什么需要 MCP?
2.1 传统集成方式的问题
假设一个 AI 应用需要连接 5 个外部系统,每个系统都需要开发专用接口。
flowchart TD
A["AI 应用"] --> B["GitHub 专用接口"]
A --> C["数据库专用接口"]
A --> D["文件系统专用接口"]
A --> E["浏览器专用接口"]
A --> F["企业知识库专用接口"]
B --> G["GitHub"]
C --> H["数据库"]
D --> I["文件系统"]
E --> J["浏览器"]
F --> K["企业知识库"]
style A fill:#DCEFE5,stroke:#4F8B70,color:#24563F
style B fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style C fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style D fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style E fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style F fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style G fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style H fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style I fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style J fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style K fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
这种方式存在几个问题:
1. 接口重复开发
每个 AI 应用都需要针对不同外部系统编写适配代码。
2. 集成逻辑难以复用
同一个 GitHub 接口,在不同 AI 应用中可能需要重复实现。
3. 系统耦合度较高
AI 应用需要理解不同外部服务的 API、认证方式、参数格式和返回结构。
4. 扩展成本不断增加
随着工具数量和 AI 应用数量增加,集成关系会变得复杂。
如果有 M 个 AI 应用和 N 个外部系统,传统方式在最坏情况下可能需要维护 M × N 组集成关系。
2.2 MCP 的解决方案
MCP 在 AI 应用和外部系统之间引入统一协议。
flowchart TD
A["AI 应用 A"] --> D["MCP Client"]
B["AI 应用 B"] --> E["MCP Client"]
C["AI 应用 C"] --> F["MCP Client"]
D --> G["MCP 协议层"]
E --> G
F --> G
G --> H["MCP Server:GitHub"]
G --> I["MCP Server:数据库"]
G --> J["MCP Server:文件系统"]
G --> K["MCP Server:知识库"]
H --> L["GitHub API"]
I --> M["Database"]
J --> N["Local Files"]
K --> O["Knowledge Base"]
style A fill:#DCEFE5,stroke:#4F8B70,color:#24563F
style B fill:#DCEFE5,stroke:#4F8B70,color:#24563F
style C fill:#DCEFE5,stroke:#4F8B70,color:#24563F
style D fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style E fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style F fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style G fill:#EAE8FA,stroke:#A49BD5,color:#51477D
style H fill:#EAF3EC,stroke:#83A995,color:#315D49
style I fill:#EAF3EC,stroke:#83A995,color:#315D49
style J fill:#EAF3EC,stroke:#83A995,color:#315D49
style K fill:#EAF3EC,stroke:#83A995,color:#315D49
style L fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style M fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style N fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style O fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
MCP 将集成关系从大量专用接口转变为标准化协议接口。
其核心价值包括:
- 标准化: 统一消息格式、能力描述和调用方式。
- 解耦: AI 应用不需要直接理解每个外部系统的底层 API。
- 复用: 同一个 MCP Server 可以被多个兼容客户端使用。
- 可扩展: 新增外部能力时,可以独立开发对应的 MCP Server。
- 可组合: 一个 AI 应用可以同时连接多个 MCP Server。
需要注意,MCP 并不意味着所有集成都不再需要适配。不同服务仍然需要各自的 MCP Server 实现,协议统一的是通信方式,而不是业务逻辑。
三、MCP 的整体架构
MCP 采用 Host、Client、Server 三层架构。
三个角色的职责并不相同。
3.1 Host:宿主应用
Host 是用户实际使用的 AI 应用,也是整个 MCP 系统的协调者。
例如:
- Claude Desktop
- VS Code 中的 AI 功能
- Cursor
- 其他支持 MCP 的 AI 应用
Host 主要负责:
- 管理用户交互。
- 管理大模型调用。
- 创建和管理 MCP Client。
- 管理 MCP Server 连接。
- 控制工具权限和用户授权。
- 汇总外部数据并构建模型上下文。
- 决定是否允许执行敏感操作。
Host 通常可以同时管理多个 MCP Client,每个 Client 对应一个 MCP Server。
3.2 Client:协议客户端
MCP Client 是 Host 内部负责协议通信的组件。
它负责:
- 与 MCP Server 建立连接。
- 按协议格式发送请求。
- 接收和解析响应。
- 发现 Server 提供的工具、资源和提示模板。
- 处理协议能力协商及相关通知。
- 将 MCP Server 返回的数据交给 Host。
一个 Host 可以包含多个 MCP Client。
通常,一个 MCP Client 对应一个 MCP Server,而不是一个 Client 同时管理所有 Server。
3.3 Server:协议服务端
MCP Server 是对外提供能力的服务组件。
它将具体业务系统封装成 MCP 标准接口。
例如,GitHub MCP Server 可以提供:
- 查询仓库。
- 读取文件。
- 查询提交记录。
- 创建 Issue。
- 查询 Pull Request。
数据库 MCP Server 可以提供:
- 查询数据库结构。
- 执行只读 SQL。
- 查询业务数据。
- 获取表字段信息。
MCP Server 可以运行在本地,也可以部署在远程服务器。
3.4 三层架构关系
flowchart TD
A["用户"] --> B["Host:AI 宿主应用"]
subgraph HOST["Host 进程"]
B --> C["大模型"]
B --> D["MCP Client A"]
B --> E["MCP Client B"]
B --> F["MCP Client C"]
end
D <--> G["MCP Server A"]
E <--> H["MCP Server B"]
F <--> I["MCP Server C"]
G --> J["GitHub API"]
H --> K["数据库"]
I --> L["文件系统"]
style A fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style B fill:#DCEFE5,stroke:#4F8B70,color:#24563F
style C fill:#EAE8FA,stroke:#A49BD5,color:#51477D
style D fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style E fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style F fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style G fill:#EAF3EC,stroke:#83A995,color:#315D49
style H fill:#EAF3EC,stroke:#83A995,color:#315D49
style I fill:#EAF3EC,stroke:#83A995,color:#315D49
style J fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style K fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style L fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
需要特别理解:
- Host 是应用和协调层。
- Client 是协议通信层。
- Server 是能力提供层。
MCP Server 不直接控制大模型,也不应该默认拥有 Host 的全部对话上下文。Host 负责控制哪些上下文和请求可以传递给具体 Server。
四、MCP 的三大核心能力
MCP Server 最重要的三个基础能力是:
- Tools:工具。
- Resources:资源。
- Prompts:提示模板。
它们分别解决不同的问题。
4.1 Tools:工具调用
Tools 是 MCP 中最重要的能力之一。
它允许 MCP Server 向 AI 应用暴露可以执行的操作。
例如:
| 工具名称 | 功能 |
|---|---|
| search_repositories | 搜索代码仓库 |
| get_file_contents | 读取文件 |
| create_issue | 创建 Issue |
| query_database | 查询数据库 |
| search_documents | 搜索知识库 |
一个 Tool 通常包含:
name:工具名称。description:工具功能描述。inputSchema:输入参数的 JSON Schema。annotations:可选的工具行为提示信息。
例如,一个查询用户信息的工具:
{
"name": "get_user",
"description": "根据用户 ID 查询用户信息",
"inputSchema": {
"type": "object",
"properties": {
"user_id": {
"type": "string",
"description": "用户 ID"
}
},
"required": ["user_id"]
}
}
MCP Client 可以通过工具发现接口获取工具定义,再将适合的工具信息提供给大模型。
当模型决定调用工具时,Host 根据模型生成的工具调用请求,经过权限检查后,由 MCP Client 向 MCP Server 发送调用请求。
典型调用流程:
flowchart TD
A["用户提出问题"] --> B["Host 将问题提交给大模型"]
B --> C["模型判断是否需要工具"]
C --> D["选择 MCP Tool"]
D --> E["生成工具名称和参数"]
E --> F["Host 校验工具调用请求"]
F --> G{"是否允许执行"}
G -->|"允许"| H["MCP Client 发送 tools/call"]
G -->|"拒绝"| I["返回权限拒绝结果"]
H --> J["MCP Server 执行业务逻辑"]
J --> K["返回工具执行结果"]
K --> L["Host 将结果交给模型"]
L --> M["模型生成最终回答"]
style A fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style B fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style C fill:#EAE8FA,stroke:#A49BD5,color:#51477D
style D fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style E fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style F fill:#EAF3EC,stroke:#83A995,color:#315D49
style G fill:#F7F4E8,stroke:#C7B77A,color:#675A2D
style H fill:#EAF3EC,stroke:#83A995,color:#315D49
style I fill:#F7EAE7,stroke:#C98D7C,color:#754438
style J fill:#EAF3EC,stroke:#83A995,color:#315D49
style K fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style L fill:#EAF3EC,stroke:#83A995,color:#315D49
style M fill:#DCEFE5,stroke:#4F8B70,color:#24563F
这里有一个重要区别:
MCP Tool 的执行并不是大模型直接完成的。
大模型负责理解任务、选择工具并生成参数;Host 和 MCP Client 负责协议调用;MCP Server 负责执行具体业务逻辑。
大模型提出调用请求,不代表该请求已经获得执行授权。
4.2 Resources:资源访问
Resources 用于向 AI 应用提供上下文数据。
它关注的是:
AI 应用可以读取哪些外部信息?
例如:
- 本地文件内容。
- 数据库表结构。
- 项目文档。
- API 返回的数据。
- 日志文件。
- 企业知识库中的资料。
Resource 通常通过 URI 标识。
例如:
file:///workspace/project/README.md
db://production/schema/users
knowledge://company/engineering/architecture
这些 URI 只是资源标识示例,具体格式由 MCP Server 的实现决定。
Resources 通常包含:
| 字段 | 说明 |
|---|---|
uri |
资源唯一标识 |
name |
资源名称 |
description |
资源描述 |
mimeType |
资源内容类型 |
annotations |
可选的资源说明 |
常见的资源操作包括:
resources/list:发现可用资源。resources/read:读取指定资源。resources/subscribe:订阅资源更新(需要 Server 支持)。
需要区分两个概念:
Resource 是数据访问能力,Tool 是操作执行能力。
例如:
- 读取数据库表结构,可以设计成 Resource。
- 根据条件查询数据库,可以设计成 Tool。
- 创建一条数据库记录,可以设计成 Tool。
这并不是绝对的设计限制,同一种业务能力可以根据交互方式和使用场景设计成不同的 MCP 原语。
另外,Resources 的具体读取方式由 Host 决定。有些 Host 会主动选择资源并将其放入上下文,有些 Host 会根据资源 URI 或用户交互来获取内容。
不能简单理解为大模型可以自动读取 MCP Server 的全部资源。
4.3 Prompts:提示模板
Prompts 用于向 AI 应用提供可复用的提示模板。
它解决的问题是:
如何将特定业务场景的提示词标准化、结构化和复用?
例如,一个代码审查 MCP Server 可以提供:
review_code:代码审查模板。explain_code:代码解释模板。generate_tests:测试用例生成模板。
Prompt 可以包含:
- 模板名称。
- 模板描述。
- 参数定义。
- 消息内容。
- 角色信息。
例如:
{
"name": "review_code",
"description": "审查代码中的潜在问题",
"arguments": [
{
"name": "language",
"description": "编程语言",
"required": true
},
{
"name": "code",
"description": "待审查的代码",
"required": true
}
]
}
常见操作:
prompts/list:发现提示模板。prompts/get:获取指定提示模板及其参数化内容。
Prompt 与 Tool 的区别:
| 对比维度 | Prompts | Tools |
|---|---|---|
| 核心作用 | 提供提示模板 | 执行外部操作 |
| 主要内容 | 消息和模板参数 | 函数名称和输入参数 |
| 是否直接执行业务操作 | 通常不执行 | 可以执行 |
| 典型用途 | 代码审查、分析任务 | 查询数据、创建任务 |
Prompt 不是必须由 MCP Server 自动注入到模型上下文中的系统提示词。它通常由 Host 发现、选择和获取,再根据应用交互方式交给模型。
4.4 三大核心能力对比
| 能力 | 解决的问题 | 典型操作 |
|---|---|---|
| Tools | 如何执行操作 | tools/list、tools/call |
| Resources | 如何获取数据 | resources/list、resources/read |
| Prompts | 如何复用提示模板 | prompts/list、prompts/get |
可以用一句话理解:
- Tools:让 AI 能够做事情。
- Resources:让 AI 能够获取信息。
- Prompts:让 AI 能够复用任务模板。
五、MCP 的通信机制
MCP 并不是简单地定义几个 API 接口,它还规定了消息格式、请求响应模式、协议版本、能力发现和传输方式。
5.1 JSON-RPC 2.0
MCP 的基础消息协议采用 JSON-RPC 2.0。
JSON-RPC 是一种轻量级远程过程调用协议,通过 JSON 对象描述请求、响应和通知。
一个典型的 JSON-RPC 请求:
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list",
"params": {}
}
字段说明:
| 字段 | 作用 |
|---|---|
jsonrpc |
协议版本,通常为 2.0 |
id |
请求标识,用于匹配响应 |
method |
请求的方法名称 |
params |
请求参数 |
对应的响应:
{
"jsonrpc": "2.0",
"id": 1,
"result": {
"tools": []
}
}
JSON-RPC 还支持错误响应:
{
"jsonrpc": "2.0",
"id": 1,
"error": {
"code": -32601,
"message": "Method not found"
}
}
常见错误字段:
code:错误代码。message:错误描述。data:可选的错误附加信息。
除了请求和响应,JSON-RPC 还支持 Notification。
Notification 不包含 id,因此接收方不需要返回对应的响应。
例如:
{
"jsonrpc": "2.0",
"method": "notifications/progress",
"params": {
"progress": 50,
"total": 100
}
}
它适合进度通知、资源变更通知等不需要直接响应的场景。
需要注意:MCP 在 JSON-RPC 之上定义了自己的方法、参数结构和语义,并不是任意 JSON-RPC 服务都能直接成为 MCP Server。
5.2 MCP 的请求与响应
一次典型的工具调用包含以下过程:
sequenceDiagram
participant U as 用户
participant H as Host
participant L as LLM
participant C as MCP Client
participant S as MCP Server
participant E as 外部系统
U->>H: 提出业务请求
H->>L: 提供问题和可用工具信息
L-->>H: 返回工具调用意图和参数
H->>H: 校验权限和参数
H->>C: 发起工具调用
C->>S: tools/call
S->>E: 执行业务操作
E-->>S: 返回业务结果
S-->>C: 返回 MCP 结果
C-->>H: 返回工具执行结果
H->>L: 提供工具结果
L-->>H: 生成最终回答
H-->>U: 展示结果
这里需要区分三个层次:
- 模型层: 决定是否需要调用工具,以及使用什么参数。
- 协议层: 使用 MCP 定义的消息格式完成通信。
- 业务层: MCP Server 调用数据库、API 或其他系统完成实际操作。
这三个层次相互协作,但职责不能混淆。
5.3 能力发现与协商
MCP 不要求客户端提前硬编码所有 Server 的能力。
客户端可以通过协议规定的发现机制,了解服务端支持的功能。
例如,工具发现通常使用:
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/list",
"params": {}
}
服务端返回工具列表及其描述和输入参数 Schema。
在能力协商方面,MCP 会根据具体协议版本确认双方支持的功能。
这里有一个需要注意的版本差异:
- 较早的 MCP 版本采用
initialize、notifications/initialized等初始化交互,并在会话中协商能力。 - 2026-07-28 版规范调整为无状态协议核心,使用请求携带的元数据描述协议版本和客户端能力,并引入
server/discover进行可选的前置发现。
因此,不能把旧版初始化流程直接当成所有新版 MCP 实现都必须采用的流程。实际开发需要以客户端、服务端共同支持的协议版本为准。
六、MCP 的传输方式
MCP 将协议消息与底层传输机制分离。
这意味着相同的 MCP 消息可以通过不同的传输方式进行通信。
当前主要关注两种传输方式:
6.1 STDIO
STDIO 是标准输入输出传输方式。
通常用于本地 MCP Server。
Host 启动 MCP Server 进程,并通过:
stdin:向 Server 发送消息。stdout:接收 Server 返回的消息。stderr:输出日志和诊断信息。
通信关系:
flowchart LR
A["Host 进程"] -->|"stdin 写入请求"| B["MCP Server 进程"]
B -->|"stdout 返回响应"| A
B -->|"stderr 输出日志"| C["日志系统"]
style A fill:#DCEFE5,stroke:#4F8B70,color:#24563F
style B fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style C fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
STDIO 的特点:
- 不需要启动 HTTP 服务。
- 本地进程之间通信。
- 不依赖网络连接。
- 延迟较低。
- 适合本地工具和开发环境。
需要特别注意:
STDIO 通道中的标准输出必须用于协议消息。
如果 MCP Server 将普通日志直接输出到 stdout,可能破坏消息解析。因此,诊断日志通常应该输出到 stderr。
6.2 Streamable HTTP
Streamable HTTP 是面向远程 MCP Server 的传输方式。
MCP Client 通过 HTTP 与远程服务端通信。
它适合:
- 云端 MCP 服务。
- 企业内部 MCP 服务。
- 多用户共享的工具服务。
- 需要统一认证和访问控制的场景。
典型通信关系:
flowchart TD
A["AI Host"] --> B["MCP Client"]
B --> C["HTTP POST 请求"]
C --> D["Streamable HTTP Endpoint"]
D --> E["MCP Server"]
E --> F["外部 API / 数据库"]
F --> E
E --> D
D -->|"JSON 响应或流式事件"| B
style A fill:#DCEFE5,stroke:#4F8B70,color:#24563F
style B fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
style C fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
style D fill:#EAE8FA,stroke:#A49BD5,color:#51477D
style E fill:#EAF3EC,stroke:#83A995,color:#315D49
style F fill:#F5F8F4,stroke:#B5CBBB,color:#40594A
Streamable HTTP 的主要特点:
- 使用 HTTP 进行请求和响应。
- 支持普通 JSON 响应。
- 可以使用 Server-Sent Events(SSE)实现流式消息。
- 适合远程部署和服务化管理。
- 可以结合 HTTP 认证和授权机制。
需要区分:
Streamable HTTP 是当前规范中的传输方式;早期的 HTTP+SSE 传输方案属于历史版本的设计,不能简单将两者视为完全相同的实现。
6.3 两种传输方式对比
| 对比维度 | STDIO | Streamable HTTP |
|---|---|---|
| 通信范围 | 本地进程 | 本地或远程服务 |
| 通信机制 | 标准输入输出 | HTTP |
| 部署方式 | 启动子进程 | 部署 HTTP 服务 |
| 网络依赖 | 不需要 | 远程部署时需要 |
| 认证方式 | 通常使用本地环境凭据 | 可结合 HTTP 认证 |
| 典型场景 | 本地文件、开发工具 | 云端 API、企业服务 |
选择哪种方式,主要取决于部署环境、访问范围、安全要求和运维模式。
七、一次完整的 MCP 工作流程
下面以用户要求 AI 助手查询 GitHub 仓库信息为例,梳理完整过程。
假设用户提出:
“查询某个 GitHub 仓库最近的提交记录,并总结最近的代码变更。”
整个过程可以拆成几个阶段。
7.1 阶段一:建立连接与发现能力
Host 创建 MCP Client,并连接 GitHub MCP Server。
双方根据所采用的 MCP 协议版本完成必要的版本和能力发现。
Client 获取 Server 支持的工具列表。
例如:
search_repositories
get_repository
list_commits
get_file_contents
7.2 阶段二:模型理解任务
Host 将用户问题以及适用的工具描述提供给大模型。
模型分析任务后,判断需要调用 list_commits。
随后生成工具参数:
{
"owner": "example",
"repo": "project",
"per_page": 10
}
7.3 阶段三:执行工具调用
Host 对模型生成的调用请求进行校验:
- 工具是否存在?
- 参数是否符合 Schema?
- 当前用户是否有权限?
- 是否需要用户确认?
- 是否超过调用限制?
通过检查后,MCP Client 调用 Server 的 tools/call 方法。
7.4 阶段四:获取外部数据
MCP Server 调用 GitHub API,获取最近的提交记录。
然后将结果转换为 MCP 规定的响应结构,返回给 Client。
7.5 阶段五:模型生成结果
Host 将工具结果交给大模型。
模型根据提交记录进行分析,最终向用户输出变更摘要。
完整流程: