MCP 协议：AI 工具的"USB-C"统一标准

MCP（Model Context Protocol）是 Anthropic 推出的 AI 工具统一协议，被誉为 AI 时代的 USB-C。本文详解其原理、价值与上手指南。

📅 2025-09-05 👤 fengwei ⏱ 6 分钟 👁 9 次阅读

MCP 协议：AI 工具的"USB-C"统一标准

2024 年 11 月，Anthropic 发布了 Model Context Protocol（MCP）。半年内，OpenAI、Google、Microsoft、Cursor 等纷纷采纳。它被誉为 AI 工具的 USB-C 标准。

一、为什么需要 MCP

1.1 之前的混乱：M×N 集成问题

没有 MCP 时：
- Cursor 要连 GitHub → 写一套集成
- Claude 要连 GitHub → 写一套集成
- ChatGPT 要连 GitHub → 又写一套集成

每多一个 AI 工具 × 每个 SaaS = 新的集成工作
N 个 AI × M 个 SaaS = N×M 集成噩梦

1.2 MCP 的解决方案

有了 MCP 后：
- GitHub 实现一次 MCP Server
- 所有支持 MCP 的 AI 都能用

N 个 AI × M 个 SaaS = N + M 个实现

这就是 USB-C 的故事：以前每台设备一个接口，现在一根线通用。

二、MCP 是什么

2.1 核心概念

MCP = Model Context Protocol
模型上下文协议

连接 AI 模型 与 工具/数据 的标准协议
让 AI 能访问本地文件、数据库、API、Git 等

2.2 三个核心角色

1. Host（主机）
   - Claude Desktop、Cursor、Cline 等
   - AI 应用本身

2. Client（客户端）
   - Host 内置的 MCP 客户端
   - 负责与 Server 通信

3. Server（服务器）
   - 提供具体能力的工具
   - 例如：文件系统、GitHub、Postgres
   - 每个 Server 是一组 tools + resources + prompts

2.3 三大原语

MCP Server 暴露三类能力： Tools：可调用的函数（类似 OpenAPI）

@mcp.tool()
def search_github(query: str) -> list[dict]:
    """搜索 GitHub 仓库"""
    return github.search(query)

Resources：可读取的资源（文件、数据库行）

@mcp.resource("file:///{path}")
def read_file(path: str) -> str:
    """读取文件内容"""
    return open(path).read()

Prompts：可复用的提示词模板

@mcp.prompt()
def code_review(code: str) -> str:
    return f"请审查以下代码：\n\n{code}"

三、MCP 工作原理

3.1 协议基础

MCP 基于 JSON-RPC 2.0
传输：stdio（本地）/ HTTP + SSE（远程）
消息格式：JSON

3.2 一次工具调用流程

1. 用户："帮我看看 ~/Documents/report.pdf 的最新修改"
2. AI 思考 → 决定调用 read_file 工具
3. Client 通过 MCP 协议发送请求给 Server：
   {
     "jsonrpc": "2.0",
     "method": "tools/call",
     "params": {
       "name": "read_file",
       "arguments": {"path": "report.pdf"}
     }
   }
4. Server 执行：open("report.pdf").read()
5. Server 返回结果
6. AI 收到结果，整理成回答
7. 用户看到："最新修改是第 3 页... "

3.3 资源读取

类似但更轻量：直接读取数据，不需要执行

3.4 提示词模板

Client 请求 Server 返回预设的 prompt
用户填入参数
提交给 AI

四、MCP vs Function Calling

4.1 Function Calling（OpenAI 2023）

每个 AI 厂商有自己的格式
不通用
需要为每个 AI 重新适配

4.2 MCP（2024）

统一协议
一次开发，所有 AI 可用
类似 LSP（Language Server Protocol）

维度	Function Calling	MCP
标准	各家私有	开放标准
集成	N×M	N+M
调试	各家工具	统一调试器
生态	各自封闭	共享

五、上手指 MCP

5.1 用现成的 MCP Server

社区已有 100+ MCP Server：

# 官方服务器列表
- @modelcontextprotocol/server-filesystem
- @modelcontextprotocol/server-github
- @modelcontextprotocol/server-postgres
- @modelcontextprotocol/server-puppeteer
- @modelcontextprotocol/server-slack

# 社区服务器
- mcp-server-notion
- mcp-server-linear
- mcp-server-jira

5.2 在 Claude Desktop 配置

// claude_desktop_config.json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/Documents"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {"GITHUB_TOKEN": "xxx"}
    },
    "postgres": {
      "command": "python",
      "args": ["-m", "mcp_server_postgres", "--connection-string=postgres://..."]
    }
  }
}

5.3 在 Cursor 配置

// ~/.cursor/mcp.json
{
  "mcpServers": {
    "github": {
      "url": "https://mcp.github.com/sse",
      "headers": {"Authorization": "Bearer xxx"}
    }
  }
}

六、构建第一个 MCP Server

6.1 Python 实现

# 安装
pip install mcp

# my_server.py
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-server")

@mcp.tool()
def get_weather(city: str) -> str:
    """获取城市天气"""
    # 调用天气 API
    return f"{city} 的天气是..."

@mcp.resource("file:///{path}")
def read_file(path: str) -> str:
    """读取文件"""
    with open(path) as f:
        return f.read()

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

6.2 TypeScript 实现

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";

const server = new McpServer({
  name: "my-server",
  version: "1.0.0",
});

server.tool(
  "get_weather",
  { city: z.string() },
  async ({ city }) => ({
    content: [{ type: "text", text: `${city} 天气是...` }],
  })
);

server.run();

6.3 调试 MCP Server

# 用 MCP Inspector
npx @modelcontextprotocol/inspector

# 它会启动一个 Web UI
# 可以测试每个 tool、resource、prompt

七、真实应用场景

7.1 个人效率

MCP 服务器组合：
- filesystem：访问本地文件
- github：管理代码仓库
- notion：管理笔记
- calendar：管理日程

AI 助手能：
- "帮我写一份 [主题] 的报告，参考 ~/Documents/notes/"
- "把今天的工作总结到 Notion"
- "查找所有关于 [主题] 的 GitHub Issue"

7.2 团队协作

MCP 服务器：
- jira：项目管理
- slack：团队沟通
- github：代码
- figma：设计

AI 助手能：
- "这个 bug 的相关讨论在哪？"
- "把设计稿转成前端代码"
- "分析团队效率"

7.3 企业级

私有 MCP 服务器：
- 数据库查询
- 内部 API
- ERP/CRM

AI 助手能：
- 回答业务问题
- 自动生成报告
- 辅助决策

八、未来展望

8.1 短期（2025-2026）

MCP Server 数量爆发：100 → 10,000+
AI 工具全面支持：所有主流 AI 都内置 MCP 客户端
MCP 调试工具成熟：类似 Postman

8.2 中期（2027-2028）

MCP 市场：买卖 MCP Server
MCP 安全标准：防止恶意 Server
远程 MCP：跨网络调用（已部分支持）

8.3 长期

AI 操作系统：MCP 是"系统调用"
AI 应用商店：MCP Server 是"应用"
AI 互联网：MCP 协议是"HTTP"

九、上手指南

9.1 第一天

安装 Claude Desktop
配置一个 filesystem MCP Server
让 AI 总结你的文件夹

9.2 第一周

添加 github、notion 等 Server
尝试复杂任务：跨多个工具的工作流
找到你最常用的 3 个 MCP Server

9.3 第一月

自己写一个简单的 MCP Server
分享给团队或社区
探索更复杂的应用

十、给开发者的启示

10.1 立即行动

试试 MCP：Claude Desktop + filesystem server
找痛点：哪些重复工作可以让 AI 做？
写 MCP Server：把内部工具变成 MCP

10.2 长期价值

MCP 是 AI 时代的 HTTP。

HTTP 让 web 互联 → MCP 让 AI 工具互联
早期 web 公司靠 HTTP 赚钱 → 早期 MCP 公司靠 AI 工具赚钱

MCP 不会取代任何现有技术，它让 AI 真正变得"有用"。

当 AI 能访问你的所有数据 + 所有工具 + 所有服务时， 它就从"聊天机器人"变成"真正的助手"。

🏷️ 相关标签

#Python #AI Agent #开源

分享文章：微博 Twitter LinkedIn

💬 评论 0 条

暂无评论 — 来做第一个发声的人 ✨

MCP 协议：AI 工具的"USB-C"统一标准

一、为什么需要 MCP

1.1 之前的混乱：M×N 集成问题

1.2 MCP 的解决方案

二、MCP 是什么

2.1 核心概念

2.2 三个核心角色

2.3 三大原语

三、MCP 工作原理

3.1 协议基础

3.2 一次工具调用流程

3.3 资源读取

3.4 提示词模板

四、MCP vs Function Calling

4.1 Function Calling（OpenAI 2023）

4.2 MCP（2024）

五、上手指 MCP

5.1 用现成的 MCP Server

5.2 在 Claude Desktop 配置

5.3 在 Cursor 配置

六、构建第一个 MCP Server

6.1 Python 实现

6.2 TypeScript 实现

6.3 调试 MCP Server

七、真实应用场景

7.1 个人效率

7.2 团队协作

7.3 企业级

八、未来展望

8.1 短期（2025-2026）

8.2 中期（2027-2028）

8.3 长期

九、上手指南

9.1 第一天

9.2 第一周

9.3 第一月

十、给开发者的启示

10.1 立即行动

10.2 长期价值

🏷️ 相关标签

📌 相关推荐 1 篇

AI Agent 实战：让 AI 自己干活，而不是只回答问题

💬 评论 0 条

发表你的看法