MCP（Model Context Protocol）入门与实践

BWrong2025-04-27 12:31

一、MCP 基础概念

1.1 什么是 MCP？

定义 ：MCP（Model Context Protocol，模型上下文协议）是由Anthropic公司于2024年底提出的一种开放标准协议 ，它标准化了应用程序如何为 LLM 提供上下文，旨在解决大型语言模型（LLM）与外部数据、工具之间的连接交互问题。它为AI应用提供了一种统一的、标准化的方式来访问和处理数据（实时数据、本地数据），解决了AI模型的数据孤岛问题，为 AI 应用提供了连接万物的接口，被誉为 "AI 领域的 USB-C"。

核心价值：

传统的AI模型面临几个关键挑战：

  • 知识时效性限制：模型只了解训练截止日期前的信息
  • 专有数据访问困难：无法直接访问企业内部系统的数据
  • 集成成本高昂：每接入一种新数据源，都需要定制专门的集成方案。传统上，将 AI 系统连接到外部工具涉及集成多个 API。每个 API 集成都意味着单独的代码、文档、身份验证方法、错误处理和维护。

MCP的核心优势：

  • 生态：MCP 提供很多现成的插件，你的 AI 可以直接使用。
  • 统一性：不限制于特定的 AI 模型，任何支持 MCP 的模型都可以灵活切换。
  • 数据安全：你的敏感数据留在自己的电脑上，自行决定上传那些数据。

MCP 是 AI大模型 与数据（包括本地数据和互联网数据）之间的一座桥梁，通过 MCP 服务器和 MCP 客户端，大家只要都遵循这套协议，就能实现"万物互联"。比如，可以和数据和文件系统、开发工具、Web 和浏览器自动化、生产力和通信、各种社区生态能力全部集成，实现强大的协作工作能力。

1.2 核心架构

MCP 遵循客户端-服务器架构（client-server），其中包含以下几个核心概念：

  • MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。
  • MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持 1:1 的连接。
  • MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。
  • 本地资源（Local Resources）：本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。
  • 远程资源（Remote Resources）：MCP server 可以连接到的远程资源（例如通过 API）。

其中，重点关注MCP Client和MCP Server。

MCP Client ：

MCP client 充当 LLM 和 MCP server 之间的桥梁，MCP client 的工作流程如下：

❶ MCP client 首先从 MCP server 获取可用的工具列表。 ❷ 将用户的查询连同工具描述通过 function calling 一起发送给 LLM。 ❸ LLM 决定是否需要使用工具以及使用哪些工具。 ❹ 如果需要使用工具，大模型向MCP client发出请求，MCP client 会通过 MCP server 执行相应的工具调用。 ❺ MCP server处理请求，处理结果返回给MCP client ❺ MCP client将结果发送回 LLM。 ❻ LLM 基于所有信息生成自然语言响应。 ❼ MCP Hosts将响应展示给用户。

Claude Desktop 和Cursor都支持了MCP Server接入能力，它们就是作为 MCP client来连接某个MCP Server感知和实现调用。

MCP Server ：

MCP server 是 MCP 架构中的关键组件，它可以提供 3 种主要类型的功能：

○ 资源（Resources）：将 Server 上的数据和内容开放给大语言模型，可以是文本或二进制数据。如 API 响应、文件内容、图像等。 ○ 工具（Tools）：可以被调用的函数，这些函数可由客户端调用，并由 LLM 使用来执行操作。 ○ 提示（Prompts）：预先编写的可复用的提示词模板和工作流程。

这些功能使 MCP server 能够为 AI 应用提供丰富的上下文信息和操作能力，从而增强 LLM 的实用性和灵活性。

一个形象的比喻

我在网上看到了一个比较形象的比喻，感觉还不错，摘录到这里，如果需要查看原文请点这里 首先，用户让 LLM 调用工具，就好比我（特工少女，即 User）让男朋友（LLM）去小店（软件服务提供商）买东西（Data & Tool）并使用。如果模型接到的任务则可能需要多个工具调用（Tool Use），这就好比我跟男朋友讲的需求比较复杂，比如做从零做一道番茄炒蛋。

然后男朋友通过规划（Planning）决定去苏泊尔买个锅和铲，去菜场买个西红柿和鸡蛋，再去便利店买个糖和盐，以此来完成番茄炒蛋这道菜。但是在传统的 AI 应用开发过程中，男朋友（LLM）能去的小店（能使用的工具）都需要开发者预先定义线路（编写代码）。

但是，男朋友（LLM）每去一个新地方，都要造一条新路（编写代码），似乎不太方便。于是后来字节扣子、百度千帆、阿里云百炼等平台出现了，他们就好比是开了一个商超。商超跟各种小店说，我这里人气旺，你们直接按我们的要求来货架上架你们的商品就行，再跟我（User）说我这现成的商品多，以后让男朋友（LLM）来这买就行。

小店们觉得这事不错，便遵守平台一定的上架规范，开始把他们的商品（Tool）变成了插件（Plugin），我（User）提的好多需求，男朋友（LLM）在这些平台上就能一站式满足了，选几个插件直接用就行，方便了挺多。

但是，Anthropic 干了一个什么事情呢？他想搞电商！

他跟小店们说，不同平台的插件规范不太一样，你们去各个平台上架插件也挺累的。咱们搞个新玩法，能让天下的男朋友（LLM）都很容易的用到更多商品（调用更多工具）。你们呢按照我这个标准，把你们的商品都做一个数字化的标准信息处理（即变成了 MCP Server），我们再定义一个叫电商组件的东西（即 MCP Client），你们的 MCP Server 要跟电商组件有互动，只要遵守一个开放的规则，这部分就是 MCP 协议，即 Server 和 Client 的通信协议。

此外，Anthropic 基于这个电商平台（Client）的理念做了一个淘宝的外壳，这个淘宝就好比没有包含 LLM 的 Claude Desktop。在这基础上，如果再加上 Claude 的模型，就相当于让"男朋友刷淘宝"，这一整体就构成了 MCP Host。

MCP Server 只管提供各种工具，MCP Host 只管通过 MCP Client 获取并使用这些工具。然后淘宝上玲琅满目的商品很多，就形成了 MCP Market。

1.3 通信机制

关于Client和Server之间的通信方式，MCP 协议支持两种主要的通信机制：基于Stdio（标准输入输出）的本地通信和基于SSE（Server-Sent Events）的远程通信。

这两种机制都使用 JSON-RPC 2.0 格式进行消息传输，确保了通信的标准化和可扩展性。

**本地通信：**通过 stdio 传输数据，适用于在同一台机器上运行的客户端和服务器之间的通信。 **远程通信：**利用 SSE 与 HTTP 结合，实现跨网络的实时数据传输，适用于需要访问远程资源或分布式部署的场景。

连接过程 ：

  1. 客户端发送包含协议版本和功能的请求initialize
  2. Server 使用其协议版本和功能进行响应
  3. 客户端发送通知作为确认initialized
  4. 正常消息交换开始

二、MCP与其他技术的比较

2.1 与Function Calling对比

Function Calling，最初是由OpenAI在2023年6月作为其API的一部分提出的，是一种函数调用机制，允许LLM通在生成内容的过程中调用外部函数或服务，从而获取更多能力。现在，很多其他大模型也借鉴了这种概念，纷纷推出了自己的function calling 。借助这个功能，可以调用外网检索引擎、天气查询、图片生成服务、音乐生成服务调用等。

对比项目 MCP Function Calling
定义 模型和其它设备集成的标准接口，包含：工具 Tools、资源 Resources、提示词 Prompts 将模型连接到外部数据和系统，平铺式的罗列 Tools 工具。和 MCP Tool 不同的在于：MCP Tool 的函数约定了输入输出的协议规范。
性质 协议 功能
协议 JSON-RPC，支持双向通信、可发现性、更新通知能力。 JSON-Schema，静态函数调用。
调用方式 Stdio / SSE / 同进程调用 同进程调用 / 编程语言对应的函数
范围 通用（多数据源、多功能） 特定场景（单一数据源或功能）
目标 统一接口，实现互操作 扩展模型能力
实现 基于标准协议 没有统一的标准，各个大模型提供厂商都有自己的接入方式
开发复杂度 低：通过统一协议实现多源兼容 高：需要为每个任务单独开发函数
复用性 高：一次开发，可多场景使用 低：函数通常为特定任务设计
灵活性 高：支持动态适配和扩展 低：功能扩展需要额外开发
适用场景 动态、复杂场景，如跨平台数据访问和整合 简单任务。如天气查询、翻译等

Function calling 功能单一，不具备上下文管理能力，一次只执行一个任务，一般是同步进行调用。没有特定的标准，需要厂商或者我们自己去开发实现。生态相对封闭，没有多少开源项目，定制化比较多。 MCP 功能复杂，可以支持多轮对话，一次能调用多个任务，也可以异步执行。有统一的标准，只要是适配了 MCP 的 Server 都可以用统一的代码去调用，而且除了工具调用，还提供了提示词和上下文资源。

2.2 举例

  • 如果你的 function 最初需要两个参数（例如，天气服务的 location 参数和 date 参数，用户需严格按此参数结构构建应用。

  • 之后，如果你决定为该 function 添加第三个必选参数（例如，unit参数（温度单位）），将"契约"进行变更。

  • 这意味着该 function 的所有用户都必须更新代码，增加对新参数的支持，如果未及时更新，他们的请求可能会失败、报错或提供不完整的结果。

MCP 的设计解决了这个问题，具体方法如下：

  • MCP 引入了一种动态、灵活的方法。

  • 当 Client（例如 Claude Desktop 这类 AI 应用）连接 MCP Server（例如天气服务）时，会发送初始请求，以便了解 Server 的能力。

  • Server 的响应包含可用的 tools、resources、prompts 以及相关参数的详细信息。例如，若天气 API 最初仅支持 location 和 date 参数，服务器会通过能力交换告知这些信息。

  • 当新增 unit 参数时，MCP Server 可在下次进行能力交换时动态更新能力描述。Client 无需硬编码或预定义参数，只需查询 Server 的最新能力并自动适配。

  • 这样，Client 就能使用更新后的新功能（例如在其请求中包含 unit 参数），实时调整行为，而无需重写或重新部署代码。

当然，mcp协议和function call两者并不直接对立的，反而是进行相互补充：

  • mcp协议工作在应用与外部工具对接的阶段，标准化这些工具的开发，以及在应用层接入、执行等过程，更多指的是整个让模型调用工具的整体手段。
  • function call 则工作在应用与大模型交互之间，标准化如何让大模型理解、调用外部工具。如Host 里的 LLM 向 Client 调用工具时，大多仍然使用 Function Calling。

三、实战案例：交通态势实时查询

3.1 需求

开发一个支持自然语言查询的某市某条道路的实时交通态势，通过 MCP 调用高德 API。

3.2 实现MCP Server

准备：高德ApiKey、安装@modelcontextprotocol/sdk

代码如下：

ts 复制代码 
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
// 通过命令行获取key
const API_KEY = process.argv[2];

/**
 * @description 创建服务器实例
 */
const server = new McpServer(
  {
    name: "amap-traffic-mcp-server",
    version: "1.0.0",
  },
  {
    capabilities: {
      resources: {},
      tools: {},
      prompts: {},
    },
    instructions: "交通态势查询服务，使用高德API",
  }
);

// 注册交通态势查询工具
server.tool(
  "get_traffic",
  "线路交通态势查询",
  {
    city: z.string().describe("城市名称"),
    name: z.string().describe("道路名，街道名字"),
  },
  async ({ city, name }) => {
    try {
      // URL 编码参数
      const encodedCity = encodeURIComponent(city);
      const encodedName = encodeURIComponent(name);
      // https://lbs.amap.com/api/webservice/guide/api-advanced/traffic-situation-inquiry
      // 调用高德地图 API
      const response = await fetch(
        `https://restapi.amap.com/v3/traffic/status/road?key=${API_KEY}&level=5&name=${encodedName}&city=${encodedCity}`
      );

      if (!response.ok) {
        throw new Error(`API请求失败: ${response.status}`);
      }

      const data = await response.json();

      // 检查 API 响应状态
      if (data.status !== "1") {
        throw new Error(`高德地图API错误: ${JSON.stringify(data)}`);
      }

      // 检查是否有交通信息
      if (!data.trafficinfo) {
        return {
          content: [
            {
              type: "text",
              text: `未找到 ${city} 的 ${name} 的交通信息`,
            },
          ],
        };
      }

      const { description, evaluation } = data.trafficinfo;

      // 计算道路通畅程度
      const status = evaluation?.status || "未知";
      let statusText = "";
      switch (status) {
        case "1":
          statusText = "通畅";
          break;
        case "2":
          statusText = "基本通畅";
          break;
        case "3":
          statusText = "轻度拥堵";
          break;
        case "4":
          statusText = "中度拥堵";
          break;
        case "5":
          statusText = "重度拥堵";
          break;
        default:
          statusText = "未知";
      }

      return {
        content: [
          {
            type: "text",
            text: `${city}${name}当前路况：${statusText}\n\n${
              description || "暂无详细描述"
            }`,
          },
          {
            type: "text",
            text: evaluation
              ? `\n\n道路状况统计：\n- 畅通路段：${evaluation.expedite}\n- 缓行路段：${evaluation.congested}\n- 拥堵路段：${evaluation.blocked}\n- 未知路段：${evaluation.unknown}`
              : "",
          },
        ],
      };
    } catch (error) {
      console.error("交通信息查询失败:", error);
      throw new Error(
        error instanceof Error ? error.message : "服务调用失败，请稍后重试"
      );
    }
  }
);

/**
 * @description 启动服务器
 */
async function main() {
  try {
    const transport = new StdioServerTransport();
    await server.connect(transport);
    console.error("交通态势查询服务已启动");
  } catch (error) {
    console.error("服务启动失败:", error);
    process.exit(1);
  }
}
main();

在开发的时候，可以使用@modelcontextprotocol/inspector进行调试。

3.3 实现MCP Client

js 复制代码 
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";

const transport = new StdioClientTransport({
  command: "node",
  args: ["/Users/bwrong/0WorkSpace/00.MyStudy/mcp-demo/server/build/index.js",'API-KEY']
});

const client = new Client(
  {
    name: "traffic-client",
    version: "1.0.0"
  }
);

await client.connect(transport);
console.log("connect success");
// List prompts
// const prompts = await client.listPrompts();

// Get a prompt
// const prompt = await client.getPrompt({
//   name: "example-prompt",
//   arguments: {
//     arg1: "value"
//   }
// });

// List resources
// const resources = await client.listResources();

// Read a resource
// const resource = await client.readResource({
//   uri: "file:///example.txt"
// });
const tools = await client.listTools();
console.log(tools);
// Call a tool
const result = await client.callTool({
  name: "get_traffic",
  arguments: {
    city: "成都市",
    name: "天府大道北段"
  }
});

console.log(result);

在Client中可以连接Server，然后获取它提供的resource、prompt、tools，并可以执行调用。

当然我们也可以使用现有的一些支持MCP集成的应用来调用，不同的应用支持的功能可能有差异，具体可查看这里。下面我们使用cursor来演示。

  1. 打开cursor的MCP配置文件。
  2. 添加配置
js 复制代码 
{
  "mcpServers": {
    "amap-traffic-mcp-server": {
      "type": "stdio",
      "command": "node",
      "args": [
        "/Users/bwrong/0WorkSpace/00.MyStudy/mcp-demo/server/build/index.js",
        "111111111111111111" // 你的高德API-key
      ]
    }
  }
}
  1. 正常情况可以看到mcp列表中已出现添加的MCP及它提供的tools
  2. 在chart面板中输入"帮我查询成都市天府大道北段道路交通情况"。可以看到它调用了MCP，并返回了结果 当然，如果你的MCP想共享给别人使用，那么可以发布到npm上，在package.json中添加如下内容,支持使用npx运行。
json 复制代码 
"bin": {
    "amap-traffic-mcp-server": "./build/index.js"
}

然后进行发布，发布后，别人就可以使用如下方式进行集成了。

json 复制代码 
"amap-traffic-mcp-server": {
  "type": "stdio",
  "command": "npx",
  "args": [
    "amap-traffic-mcp-server",
    "cc2b744799eaa97ade23c468e272c731"
  ]
}

更多代码亲查看这里

四、使用社区现有的MCP服务

MCP的出现，极大降低了大模型调用外部海量工具、软件、接口的门槛，越来越多的软件及工具厂商参与到 MCP 服务（MCP Server）生态的建设中，将其产品能力包装为 MCP 服务开放给 AI 模型使用。以下是一些MCP托管平台：

一些有意思的MCP Server:

参考文档：

相关推荐
泯泷1 小时前
探索DeepWiki：开发者的代码知识库利器
github·openai·ai编程
tonydf3 小时前
0帧起手本地跑一下BitNet
后端·ai编程
蚂小蚁4 小时前
AI+云编程搞定Web3游戏开发：下一代游戏的新基建
web3·aigc·ai编程
DisonTangor5 小时前
月之暗面开源 Kimi-Audio-7B-Instruct，同时支持语音识别和语音生成
人工智能·开源·aigc·语音识别
一只韩非子6 小时前
什么是MCP？为什么引入MCP？（通俗易懂版）
人工智能·aigc·mcp
Brady9518 小时前
爆火的Agent智能体到底是什么？为何被称作ChatGPT的'终极进化版'？
aigc
星际码仔8 小时前
解“码”良方：主流 AI 编程工具对比手册
ai编程·cursor·windsurf
天天扭码8 小时前
什么？2025年了还在写传统爬虫！来试试更有爽感的AI爬虫 ψ(｀∇´)ψ
爬虫·node.js·ai编程
win4r8 小时前
🚀AutoGen重大更新！新增McpWorkbench完美支持MCP Server！支持将Agent和Team封装为工具！开启模块化智能体编程！实战教程：从零
aigc·openai·ai编程
热门推荐
01KGG转MP3工具|非KGM文件|解密音频02从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑03我决定放弃搞 Java 了04YOLOv5改进 | 添加CA注意力机制 + 增加预测层 + 更换损失函数之GIoU05YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】06DeepSeek各版本说明与优缺点分析07西电B测-计算机网络综合实验(含验收问题)08yolov8，yolo11，yolo12 服务器训练到部署全流程 笔记09苍穹外卖面试总结10最新 Kubernetes 集群部署 + flannel 网络插件（保姆级教程，最新 K8S 版本）