AI知识点——MCP

一、什么是MCP协议？有什么作用？

MCP 就像 AI 世界的 USB-C 接口，各种数据源和工具只要遵循 MCP 标准，LLM 就能即插即用，轻松访问数据库、API 等资源，大幅拓展能力和应用场景。

MCP 的作用主要体现在以下几个方面：

标准化数据接入：通过MCP，我们无需为每个模型编写单独的代码，而是通过统一的协议接口，实现一次集成，随处连接。这大大简化了模型与外部系统的集成过程。
增强模型能力：MCP 使得模型能够实时访问最新的数据和工具，例如直接从 GitHub 获取代码库信息，或从本地访问文件。这不仅提升了模型的实用性，也拓展了其应用场景。
提升系统可维护性：通过标准化的协议，系统的各个组件可以更加模块化地协作，降低了维护成本和出错概率。

二、 MCP有哪些核心组件？

MCP主机：希望通过 MCP 访问数据的程序，例如 Claude Desktop、IDE 或 AI 工具·
MCP 客户端：与服务器保持1:1 连接的协议客户端
MCP 服务器：轻量级程序，通过标准化的 MCP 协议向客户端提供特定功能，如数据源、工具和API接口等。
本地数据源：MCP 服务器可以安全访问用户的计算机文件、数据库和服务
远程服务：MCP 服务器可通过互联网（例如通过API）连接到的外部系统

MCP Client 是 LLM 和外部工具的桥梁，流程如下：

从 MCP Server 获取工具列表；
用户提问后，将工具信息通过 Function Calling 发给 LLM；
LLM 判断是否调用工具；
若需要，MCP Client 通过 MCP Server 调用工具；
获取结果反馈给 LLM，模型生成最终回复；
MCP Client 返回答案给用户，完成闭环。

MCP Server 是 MCP 的核心，提供三类能力：

Resources：模型可查的动态/静态数据，如 API 返回、项目结构等；
Tools：可调用的功能接口（如发请求、建文档），执行前可控可授权；
Prompts：预设提示模板，助力高效完成特定任务。

它让 LLM 不只能"看懂"，还能"动手"。

三、 MCP协议支持哪两种模式？

MCP 协议支持两种主要的通信模式，即标准输入输出(Stdio)模式和服务器发送事件(SSE) 模式。

标准输入输出(Stdio)模式：基于 stdio 的实现是最常见的 MCP 客户端方案，它通过标准输入输出流与 MCP服务器进行通信。这种方式简单直观，能够直接通过进程间通信实现数据交豆，避免了额外的网络通信开销。特别适用于本地部署的 MCP 服务器，可以在同一台机器上启动 MCP 服务器进程，与客户端无缝对接。
服务器发送事件(SSE)模式：这个方案相较于 stdio 方式， SSE更适用于远程部署的 MCP服务器，比如分布式系统或需要网络实时推送的场景。客户端可以通过标准 HTTP 协议与服务器建立连接，实现单向的实时数据推送。基于 SSE 的 MCP 服务器支持被多个客户端的远程调用。

四、MCP vs Function Calling

MCP 是协议标准：提供统一的通信规则（基于 JSON-RPC 2.0），负责协调 LLM与外部资源（Resources）、工具（Tools）、提示（Prompts）的交互，实现"一次对接，多模型通用"。
Function Calling 是大模型特性：如 GPT-4 的特定功能，模型生成结构化函数调用，开发者解析后调用对应服务，格式不限，主要扩展模型的执行能力。

维度	MCP	Function Calling
层级	通信协议（系统层）	模型特性（功能层）
作用	统一接入、跨模型兼容	模型内触发外部调用
格式	标准 JSON-RPC	无特定格式限制
类比	支付网关	单个支付接口

五、 MCP的工作流程是什么？

1、初始化连接：主机应用程序(如 Claude Desktop 或 IDE 插件)启动并初始化 MCP 客户端，每个客户端与一个 MCP服务器建立连接。

2、获取工具列表：在系统初始化阶段，MCP Client 首先从 MCP Server获取可用的工具清单和能力描述。这些工具可以是 API、脚本、数据库查询方法等。这个步骤相当于"能力注册"，让模型知道有哪些可以用的"外部技能"

3、构造 Function Calling 请求：当用户输入一个问题后，MCP Client 会将这些工具描述(包括参数、用途、返回值等)一并传给 LLM。传输方式采用Function Calling，即结构化地把"能用的函数长什么样"告诉模型，让它来决定是否要使用。

4、模型智能判断是否调用工具：LLM 根据当前对话上下文以及工具信息判断是否要使用某个工具，并决定调用哪一个、传入什么参数。这个阶段完全由模型推理完成，比如它可以判断"这题需要查天气，那我就调用 getWeather 工具"

5、工具调用执行阶段：如果模型发起调用请求，MCP Client 会根据模型的选择，通过 MCP Server发起工具调用。这一步是真正的"执行动作"------MCP Server 去实际跑工具的逻辑，并把结果返回给客户端。

6、结果返回与模型整合：工具执行结果(比如调用 API得到的数据)被传回 LLM，由模型将这个结果与原始用户问题、已有上下文等信息整合，生成最终的自然语言回应。

7、用户响应输出：最后，MCP Client 将模型生成的回答展示给用户，完成一次完整的"智能+工具"协作流程。

六、 Spring AI如何集成MCP？

客户端启动器

spring-ai-starter-mcp-client 核心启动器提供 STDIO 和基于 HTTP 的 SSE 支持.

spring-ai-starter-mcp-client-webflux 基于WebFlux的SSE流式传输实现

服务器启动器

spring-ai-starter-mcp-server 核心服务器具有 STDIO 传输支持

spring-ai-starter-mcp-server-webmvc 基于Spring MVC的SSE流式传输实现

spring-ai-starter-mcp-server-webflux 基于WebFlux的SSE流式传输实现

七、 MCP协议的安全性设计包含哪些？

MCP协议的安全性设计涵盖多个关键方面，旨在确保大模型系统在与外部工具和资源交互时的安全性和可靠性。MCP 的安全性设计主要包括以下几个方面：

1、用户同意和控制：所有模型对工具、资源和提示的访问请求都必须经过用户的授权。主机负责管理权限、提示用户批准，并在必要时阻止未经授权的访问。用户必须知道哪些数据是需要提供给大模型的，用户在授权使用之前应该了解每个工具的功能。

2、隔离与沙箱机制：MCP 的设计将实际工具调用封装在 MCP Server 内部，模型本身无法直接访问敏感数据，这种 "中间层"设计有效地降低了直接暴露内部业务系统的风险。同时，沙箱机制可以限制工县调用的执行环境，防止任意代码执行或恶意操作对系统造成破坏。

3、加密传输与来源验证：MCP 内置了安全机制，确保只有经过验证的请求才能访问特定资源，相当于在数据安全又加上了一道防线。同时，MCP协议还支持多种加密算法，以确保数据在传输过程中的安全性。

八、如何将已有的应用转化成MCP服务？

要将现有应用转换为 MCP 服务，需将其功能封装为标准化的 MCP 工具(Tools)、资源(Resources)或提示(Prompts)，并通过 MCP Server 对外暴露。

这一过程涉及以下关键步骤:

1、梳理功能模块：识别应用中要提供给外部调用的功能，如 API接口、数据查询、文件处理等

2、创建单独的MCP 服务：创建一个新的MCP 服务，与已有的业务服务隔离开，通过单独的 API 或者 SDK 和业务服务通信。

3、导入依赖如果是 java，导入 spring-ai-mcp 对应的依赖，

4、定义工具：定义 MCP 服务需要包含的工具功能描述、方法入参字段和描述、方法返回的字段和描述.

5、实现 MCP Server：根据 MCP 协议规范，构建一个 MCP Server，负责接收 MCP 客户端请求、调用相应功能模块，并返回结果。