什么是 MCP 协议？

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 于 2024 年底提出、2025 年被 OpenAI、Google 等主流厂商广泛采纳的开放标准协议。它定义了 AI 大模型如何与外部工具、数据源、服务进行标准化交互，是 AI Agent 时代的”USB 接口”。

在 MCP 出现之前，每个 AI 应用都需要为不同的工具（数据库、API、文件系统等）编写专用的集成代码，维护成本极高。MCP 通过标准化通信协议，让一个 AI 模型可以无缝连接任意实现了 MCP Server 的服务。

MCP 架构设计

MCP 采用 Client-Server 架构，包含三个核心角色：

• MCP Host（宿主）：运行 AI 模型的应用，如 Claude Desktop、Cursor、自定义 Agent
• MCP Client：嵌入在 Host 中，负责与 MCP Server 建立 1:1 连接
• MCP Server：独立进程，暴露特定能力（工具、资源、提示词）给 AI 使用

┌─────────────────────────────────────┐
│           MCP Host Application       │
│  ┌──────────────────────────────┐   │
│  │         AI Model (LLM)        │   │
│  └──────────────┬───────────────┘   │
│                 │                    │
│  ┌──────────────▼───────────────┐   │
│  │         MCP Client            │   │
│  └──────┬───────────┬───────────┘   │
└─────────┼───────────┼───────────────┘
          │           │
    stdio/SSE    stdio/SSE
          │           │
┌─────────▼──┐ ┌──────▼─────────┐
│ MCP Server │ │  MCP Server    │
│ (数据库)    │ │  (文件系统)     │
└────────────┘ └────────────────┘

MCP 三大核心能力

1. Tools（工具调用）

允许 AI 执行具体操作，类似 OpenAI Function Calling，但更标准化：

# MCP Server 定义一个工具（Python SDK 示例）
from mcp.server import Server
from mcp.types import Tool, TextContent

server = Server("my-database-server")

@server.list_tools()
async def list_tools():
    return [
        Tool(
            name="query_database",
            description="Execute a SQL query and return results",
            inputSchema={
                "type": "object",
                "properties": {
                    "sql": {"type": "string", "description": "SQL query to execute"},
                    "database": {"type": "string", "description": "Database name"}
                },
                "required": ["sql"]
            }
        )
    ]

@server.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "query_database":
        sql = arguments["sql"]
        # 执行查询逻辑...
        result = execute_sql(sql)
        return [TextContent(type="text", text=str(result))]

2. Resources（资源读取）

允许 AI 读取外部数据（文件、数据库记录、API 响应），数据作为上下文注入模型：

@server.list_resources()
async def list_resources():
    return [
        Resource(
            uri="file:///logs/app.log",
            name="Application Logs",
            mimeType="text/plain"
        )
    ]

@server.read_resource()
async def read_resource(uri: str):
    if uri == "file:///logs/app.log":
        with open("/logs/app.log") as f:
            return f.read()

3. Prompts（提示词模板）

服务端定义可复用的提示词模板，AI 可按需调用：

@server.list_prompts()
async def list_prompts():
    return [
        Prompt(
            name="analyze_error",
            description="Analyze an error log and suggest fixes",
            arguments=[
                PromptArgument(name="error_text", description="The error message", required=True)
            ]
        )
    ]

MCP 传输协议

MCP 支持两种传输方式：

传输方式	适用场景	特点
stdio	本地 MCP Server	通过标准输入/输出通信，低延迟，无需网络
SSE（Server-Sent Events）	远程 MCP Server	基于 HTTP，支持跨机器，适合云端部署

快速搭建一个 MCP Server

# 安装 MCP Python SDK
pip install mcp

# 创建一个简单的天气查询 MCP Server
# weather_server.py

import asyncio
from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent
import urllib.request, json

server = Server("weather-server")

@server.list_tools()
async def list_tools():
    return [Tool(
        name="get_weather",
        description="Get current weather for a city",
        inputSchema={
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"]
        }
    )]

@server.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "get_weather":
        city = arguments["city"]
        url = f"https://wttr.in/{city}?format=j1"
        data = json.loads(urllib.request.urlopen(url).read())
        temp = data["current_condition"][0]["temp_C"]
        desc = data["current_condition"][0]["weatherDesc"][0]["value"]
        return [TextContent(type="text", text=f"{city}: {temp}°C, {desc}")]

async def main():
    async with stdio_server() as streams:
        await server.run(*streams, server.create_initialization_options())

asyncio.run(main())

# 在 Claude Desktop 的 mcp.json 中注册该 Server：
{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["/path/to/weather_server.py"]
    }
  }
}

2026 年 MCP 生态现状

截至 2026 年初，MCP 生态已相当成熟：

• 官方 Server：Anthropic 提供了 GitHub、Slack、PostgreSQL、Filesystem、Brave Search 等 30+ 官方 MCP Server
• 主流 IDE 支持：Cursor、VS Code（GitHub Copilot）、JetBrains AI Assistant 均已内置 MCP 支持
• 多语言 SDK：官方提供 Python、TypeScript SDK，社区提供 Go、Rust、Java 等语言的实现
• 安全机制：2025 年底规范新增了 OAuth 2.0 授权和细粒度权限控制

总结

MCP 的出现极大降低了 AI Agent 的工具集成成本，是 AI 应用从”聊天”走向”行动”的关键基础设施。无论你是在开发 AI 产品，还是为企业内部系统添加 AI 能力，掌握 MCP 协议都是 2026 年最值得投入的技术之一。