返回专栏
· 24 分钟阅读

什么是 MCP?Model Context Protocol 模型上下文协议详解


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:

  1. 管理用户交互。
  2. 管理大模型调用。
  3. 创建和管理 MCP Client。
  4. 管理 MCP Server 连接。
  5. 控制工具权限和用户授权。
  6. 汇总外部数据并构建模型上下文。
  7. 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:

  1. Tools:工具。
  2. Resources:资源。
  3. 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:

  1. 模型层: 决定是否需要调用工具,以及使用什么参数。
  2. 协议层: 使用 MCP 定义的消息格式完成通信。
  3. 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:

  1. 使用 HTTP 进行请求和响应。
  2. 支持普通 JSON 响应。
  3. 可以使用 Server-Sent Events(SSE)实现流式消息。
  4. 适合远程部署和服务化管理。
  5. 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: