MCP 协议：连接 AI 模型与外部世界的桥梁

背景

随着 AI 技术的飞速发展，大语言模型（LLM）在推理和生成质量上取得了巨大进步。然而，这些模型在实际应用中常常受限于数据孤岛和遗留系统，无法充分发挥潜力。为了解决这一问题，Anthropic 公司于 2024 年 11 月推出了模型上下文协议（MCP，Model Context Protocol），旨在通过统一的客户端-服务器架构，统一大型语言模型与外部数据源和工具之间的通信协议，解决 LLM 应用与数据源连接的难题。
MCP 可以被视为 AI 应用的“USB-C 接口”，它提供了一种标准化的方式，将 AI 模型与各种数据源和工具无缝连接。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。

能力

MCP 协议的核心思想是通过上下文管理来优化模型的交互过程。上下文管理包括上下文的存储、更新、传递和删除等操作。通过有效的上下文管理，模型可以在多轮对话中保持对历史信息的记忆，从而更好地理解用户的意图和需求。MCP 的核心能力还体现在以下几个方面：

• 数据集成：连接 AI 助手与各种数据源，包括本地和远程资源，如文件、数据库、API 等。
• 工具集成：集成 API 和其他工具，您的 AI 助手可以直接与 Git 交互、运行测试、管理问题等等，让 AI 系统能够执行更复杂的操作。
• 模板化交互：基于提示（Prompts）提供模板化的交互方式，方便用户快速构建特定任务的交互流程。
• 安全性：内置安全机制(MCP 服务器隔离凭据和敏感数据，交互需要显式的用户批准（除非对某些 MCP 工具启用自动批准）)，保护数据和 API 密钥不被泄露，确保数据访问既可控又可审计。
• 开发者支持：提供 SDK 和文档，支持开发者构建和测试 MCP 连接器。
• 预构建服务器：提供预构建的 MCP 服务器，快速集成流行企业系统。
• 上下文维护：在不同工具和数据集之间保持上下文，而不是每次都重新开始，MCP 服务器可以跨会话维护知识，创建一个真正的“项目内存”，实现更智能的任务处理。

MCP 支持通过同一协议访问本地资源（如数据库、文件）和远程资源（如 Slack、GitHub API），无需定制集成。MCP 不仅共享数据，还可公开工具和交互模板，且内置安全性，确保资源由服务器完全掌控。目前 MCP 支持本地运行，未来将引入企业级认证的远程支持，实现团队间的安全共享。通过 Claude 桌面应用，开发者可在短时间内集成 MCP，快速连接多种数据源，推动 AI 集成的标准化发展。

使用

MCP 官方文档写得挺细致的，关于使用这块也建议看一下官方文档说明

MCP 协议遵循客户端-服务器架构，规范及 SDK：

• 官网：https://modelcontextprotocol.io
• GitHub：https://github.com/modelcontextprotocol

核心架构：

MCP 包含以下几个核心概念：

• MCP 主机（Hosts）：发起请求的 LLM 应用程序，如 Claude Desktop、IDE 或 AI 工具。
• MCP 客户端（Clients）：在主机程序内部，与 MCP 服务器保持 1:1 的连接。
• MCP 服务器（Servers）：为 MCP 客户端提供上下文、工具和提示信息。
• 本地资源（Local Resources）：本地计算机中可供 MCP 服务器安全访问的资源。
• 远程资源（Remote Resources）：MCP 服务器可以连接到的远程资源，如通过 API 访问的网络资源。
  MCP 定义了两种通信机制：
• 本地通信：使用标准输入输出（stdio）传输数据，客户端启动服务器程序作为子进程，通过 stdin/stdout 进行消息通讯，消息格式为 JSON-RPC 2.0。
• 远程通信：客户端与服务器可以部署在任何地方，通过基于 SSE 的 HTTP 通信，消息格式同样为 JSON-RPC 2.0。

快速开始

目前 MCP 有三种方式可以帮助你快速开始，Python 或 TypeScript 选一个自己比较熟悉的构建服务即可。

• 快速入门（MCP Quickstart）：不到 5 分钟即可开始使用 MCP，可在 Claude 桌面应用和本地服务之间建立安全连接（以上的 “lencx 演示” 就是基于该部分文档实现）。
• 构建第一个 Python 服务 (MCP Python)：15 分钟内用 Python 创建一个简单的 MCP 服务器。
• 构建第一个 TypeScript 服务（MCP TypeScript）：15 分钟内用 TypeScript 创建一个简单的 MCP 服务器。

开发工具

开发 MCP 服务器或将其与应用程序集成时，有效的调试至关重要。所以 MCP 提供了几种不同层次的调试工具：

• MCP 检查器（MCP Inspector）：交互式调试界面；直接服务器测试
• Claude 桌面开发工具（Claude Desktop Developer Tools）：集成测试；日志收集；Chrome DevTools 集成
• 服务器日志（Server Logging）：自定义日志记录实现；错误追踪；性能监控

示例

以下是一个极简单的 MCP 协议使用示例：

• 安装预构建的 MCP 服务器：通过 Claude Desktop 应用程序安装预构建的 MCP 服务器。
• 编写 Server 端代码：根据 MCP 协议定义，创建一个 MCP 服务器，提供资源、工具或提示词。
• 编写 Client 端代码：创建一个 MCP 客户端，与服务器建立连接，并请求使用服务器提供的资源或工具。

以下是一个使用 TypeScript 实现的简单 MCP 协议示例，展示了如何创建一个 MCP 服务器和客户端，并通过它们进行通信。

环境要求：

• Node.js (v18+)
• Python (v3.8+)

1. 创建 MCP 服务器

首先，安装必要的依赖项：

1

npm install @modelcontextprotocol/sdk

然后，创建一个简单的 MCP 服务器，该服务器提供一个工具，用于计算两个数字的和：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52

import { Server, StdioServerTransport } from '@modelcontextprotocol/sdk/server/index.js';
import {
  CallToolRequestSchema,
  ListToolsRequestSchema,
  McpError,
  ErrorCode,
} from '@modelcontextprotocol/sdk/types.js';

const server = new Server(
  {
    name: 'mcp-server',
    version: '1.0.0',
  },
  {
    capabilities: {
      tools: {},
    },
  }
);


server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: 'calculate_sum',
        description: 'Add two numbers together',
        inputSchema: {
          type: 'object',
          properties: {
            a: { type: 'number' },
            b: { type: 'number' },
          },
          required: ['a', 'b'],
        },
      },
    ],
  };
});


server.setRequestHandler(CallToolRequestSchema, async request => {
  if (request.params.name === 'calculate_sum') {
    const { a, b } = request.params.arguments;
    return { toolResult: a + b };
  }
  throw new McpError(ErrorCode.ToolNotFound, 'Tool not found');
});

const transport = new StdioServerTransport();
await server.connect(transport);

2. 创建 MCP 客户端

接下来，创建一个 MCP 客户端，用于调用服务器提供的工具：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

import { Client, StdioClientTransport } from '@modelcontextprotocol/sdk/client/index.js';
import { ListToolsRequestSchema, CallToolRequestSchema } from '@modelcontextprotocol/sdk/types.js';

const transport = new StdioClientTransport({
  command: 'node',
  args: ['server.js'], 
});

const client = new Client(
  {
    name: 'mcp-client',
    version: '1.0.0',
  },
  {
    capabilities: {
      tools: {},
    },
  }
);

await client.connect(transport);


const tools = await client.request({ method: 'tools/list' }, ListToolsRequestSchema);
console.log('Available Tools:', tools);


const result = await client.request(
  {
    method: 'tools/call',
    params: {
      name: 'calculate_sum',
      arguments: { a: 5, b: 3 },
    },
  },
  CallToolRequestSchema
);
console.log('Tool Result:', result);

3. 运行示例

• 启动服务器：运行node server.js启动 MCP 服务器。
• 启动客户端：运行node client.js启动 MCP 客户端。
• 观察输出：客户端会列出可用工具，并调用calculate_sum工具，输出结果。

4. 集成到Claude Desktop

如果需要将 MCP 服务器集成到Claude Desktop，可以在claude_desktop_config.json中添加服务器配置：

1
2
3
4
5
6
7
8

{
  "mcpServers": {
    "mcp-server": {
      "command": "node",
      "args": ["/path/to/your/mcp-server/build/index.js"]
    }
  }
}

应用

工具平台结合

如 Cline 的结合：

社区插件应用

如：

• mcp-rtfm：智能文档获取
• mcp-postman：API 测试
• mcp-playwright：浏览器自动化
• sqlite-explorer-fastmcp：数据库分析
• mcp-rest-api：REST API 测试

总结

MCP 协议为 AI 模型与外部数据源和工具的集成提供了一种标准化、安全且灵活的解决方案。通过客户端-服务器架构和 JSON-RPC 2.0 通信机制，MCP 能够实现本地和远程资源的无缝访问。随着越来越多的应用接入 MCP 协议，未来有望构建一个更加互联、高效的 AI 生态系统。

相关链接

• MCP 官网：https://modelcontextprotocol.io
• MCP GitHub：https://github.com/modelcontextprotocol
• https://mp.weixin.qq.com/s/ASmcjW53HKokdYt1m-xyXA
• https://cline.bot/blog/the-developers-guide-to-mcp-from-basics-to-advanced-workflows
• https://docs.cline.bot/mcp-servers/mcp?ref=cline.ghost.io