是什么

MCP 全称 Model Context Protocol（模型上下文协议），是一个用于把 AI 应用连接到外部系统的开源标准。借助 MCP，Claude、ChatGPT 这样的 AI 应用可以接入各种数据源（本地文件、数据库）、工具（搜索引擎、计算器）和工作流（专门设计的提示词），从而获取关键信息、执行实际任务。

官方用了一个很形象的比喻：MCP 就像 AI 应用的 USB-C 接口。USB-C 让各种电子设备用同一种方式互联，MCP 则让 AI 应用用同一种方式连接外部系统。在 MCP 出现之前，每个 AI 应用想接入一个新工具，往往都要单独写一套集成代码；有了统一协议，一个工具只要实现一次 MCP 服务端，就能被所有支持 MCP 的应用使用。

MCP 由 Anthropic 于 2024 年发起并开源，如今已经得到广泛支持：Claude、ChatGPT 等 AI 助手，以及 Visual Studio Code、Cursor 等开发工具都能作为 MCP 客户端使用。

需要注意的是，MCP 只负责「上下文交换」这一层协议，它并不规定 AI 应用如何使用大模型，也不规定应用怎样管理拿到的上下文。

主要功能

MCP 项目本身由几部分组成：

  • MCP 规范：定义客户端和服务端的实现要求；
  • 官方 SDK：提供 TypeScript、Python、C#、Go、Rust、Ruby、Java、Swift、PHP、Kotlin 等多种语言的实现，按功能完整度分为不同等级；
  • 开发工具：例如用于调试 MCP 服务端的 MCP Inspector；
  • 参考实现：一批官方维护的 MCP 服务端示例，如文件系统服务端。

通过 MCP，可以实现的事情包括：

  • 让智能体访问你的 Google 日历和 Notion，成为更懂你的个人助手；
  • 让 Claude Code 根据 Figma 设计稿生成完整的网页应用；
  • 让企业聊天机器人连接组织内的多个数据库，用对话完成数据分析；
  • 让 AI 在 Blender 中创建 3D 模型并交给 3D 打印机输出。

技术原理

参与者。 MCP 采用客户端—服务端架构，有三个角色：

  • MCP Host（宿主）：AI 应用本身，例如 Claude Code、Claude 桌面版或 VS Code，负责协调和管理一个或多个 MCP 客户端；
  • MCP Client（客户端）：宿主内部的组件，与某一个 MCP 服务端保持连接，并为宿主获取上下文；
  • MCP Server（服务端）：向客户端提供上下文的程序。

宿主每连接一个服务端，就会创建一个对应的客户端对象，二者一对一。服务端既可以运行在本地，也可以部署在远端。

两层结构。 MCP 分为数据层和传输层：

  • 数据层基于 JSON-RPC 2.0，定义消息结构和语义，包括能力与版本发现、核心原语和通知机制；
  • 传输层定义通信通道，目前支持两种方式：Stdio，用标准输入输出在同一台机器的进程间通信，没有网络开销，常用于本地服务端；Streamable HTTP，客户端用 HTTP POST 发送消息，可选用 Server-Sent Events 流式返回，支持 Bearer Token 等标准 HTTP 认证，适合远程服务端。

核心原语。 服务端可以向客户端提供三类原语：

  • 工具（Tools）：AI 可以调用的可执行函数，如文件操作、API 调用、数据库查询；
  • 资源（Resources）：提供上下文的数据源，如文件内容、数据库记录；
  • 提示（Prompts）：可复用的交互模板，如系统提示、少样本示例。

每类原语都有对应的发现（*/list）和获取（*/get）方法，工具还有执行方法 tools/call。客户端一般先用 tools/list 列出可用工具，再按需调用。当服务端的工具列表发生变化时，可以通过通知实时告知客户端。

客户端一侧也可以提供原语，例如 Elicitation，让服务端在需要时向用户索取补充信息或请求确认。在最新的协议版本中，每个请求都携带协议版本和客户端能力信息，服务端无需依赖之前的请求状态。

如何使用

作为使用者：在支持 MCP 的应用中添加服务端配置即可。以 Claude 桌面版为例，在配置文件 claude_desktop_config.json 的 mcpServers 字段中声明服务端的启动命令，重启应用后就能使用该服务端提供的工具。Claude Code、Cursor 等工具也有各自的 MCP 配置入口。

作为开发者：用官方 SDK 编写自己的服务端。以 Python 为例，先安装依赖：

uv add "mcp[cli]"

然后用几行代码声明一个工具：

from mcp.server import MCPServer

mcp = MCPServer("weather")

@mcp.tool()
async def get_alerts(state: str) -> str:
    """查询某个州的天气预警"""
    ...

if __name__ == "__main__":
    mcp.run(transport="stdio")

SDK 会根据函数的类型标注和文档字符串自动生成工具定义。开发过程中可以用 MCP Inspector 调试服务端。由于 SDK 接口会随协议版本演进，动手前请以官方文档中的最新示例为准。

项目地址

应用场景

  • 编程智能体：让 Claude Code、Cursor 等读取设计稿、工单、监控告警，直接参与开发流程。
  • 企业知识接入：把内部数据库、文档系统、业务 API 包装成 MCP 服务端，供多个 AI 应用共用。
  • 个人效率：连接日历、笔记、邮件，让 AI 助手代为整理和执行。
  • 工具厂商：为自家产品提供一个 MCP 服务端，一次开发即可接入众多 AI 客户端。

常见问题

MCP 和普通的函数调用（Function Calling）有什么区别？ 函数调用是模型层面的能力，描述模型如何表达「我要调用某个函数」；MCP 是应用与外部系统之间的通信协议，规定工具如何被发现、描述和调用。两者是配合关系：应用通过 MCP 拿到工具列表，再借助模型的函数调用能力决定何时调用。

本地服务端和远程服务端怎么选？ 需要访问本机文件或程序时，用 Stdio 传输的本地服务端；需要多人共享、或者服务本身在云上时，用 Streamable HTTP 的远程服务端。

使用 MCP 安全吗？ MCP 服务端能执行真实操作，安全性取决于服务端的实现和你授予的权限。官方文档专门提供了安全最佳实践，建议只安装可信来源的服务端，并谨慎授权敏感操作。

必须用 Anthropic 的产品吗？ 不需要。MCP 是开放协议，任何应用都可以实现客户端或服务端，目前已有许多不同厂商的产品支持。