一文入门 MCP（Model Context Protocol）

你是谁？

Model Context Protocol

一个约定好的协议。使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。

而约定的三方分别是：

• MCP Host 也就是用户使用的客户端，比如cursor，trae ------ 笔记本
• MCP Client 也就是中转站 ------ 笔记本扩展坞
• MCP server 要扩展的工具 ------ Type-C接头 这边举个例子：

组件	餐厅类比	技术职责
用户	顾客	提出自然语言请求（如"查订单123的物流"）
MCP Host	服务员+厨师	1. 理解用户意图 2. 决定需要调用哪些工具 3. 整合结果生成自然响应
​​MCP Client​​	传菜员	1. 将Host的指令转为标准协议 2. 管理连接/重试等通信细节
​​ MCP Server​​	厨房设备	实际执行数据查询/API调用等具体操作

这三者通过约定好的协议，协调工作

从哪里来？

本质来源于人们懒地 Ctrl C V ，而前置雏形则是prompt engineering（提示词）。提示词和MCP的目的就是让AI更高效更准确地来工作

假如没有MCP，在使用AI的过程中，必然需要人工提取关键信息，然后提供。从提出问题到解答变成了多个步骤：

1. 提出问题
2. AI思考并给出初步答案
3. 人工纠错或提供更多信息
4. AI再思考最终给出准确答案

最关键纠错和提供信息的过程可能会持续好几个回合 而当MCP出现之后，AI会自动取寻找相关的信息，并自己去获取错误，然后再思考。分步操作瞬间变成了自动化操作。

要去往何方

与AI相关的技术，最终目的只有一个：让AI代替人 所以MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一，让 AI 能直接调用那些它本不能调用或模糊理解的东西。

如何实现的

MCP其实可以理解为协商过后定义下来的数据格式，来看一个问题到解答的流程图： 根据这张图，我们可以拆解出几个关键的地方：

• 模型 <-------> MCP Client （为什么直接说是模型与MCP Client沟通，因为MCP Host就是客户端，就是个壳子，需要沟通的其实是模型和MCP Client）
• MCP Client <--------> MCP Server

MCP Client 与 MCP Server 之间

client 与 server 两者之间有个明确的数据格式：JSON-RPC 所以同情本质为 HTTP content-type = json-rpc

JSON-RPC规定了具体的数据规范，比如：

请求对象（Request Object）

字段名	类型	是否必须	说明
jsonrpc	String	必须	协议版本，​​必须为"2.0"​​
method	String	必须	调用的方法名，禁止以rpc.开头
params	Array / Object	可选	方法参数，可省略
id	String / Number / null	可选	请求标识符。若省略则为​​通知​​（无响应）；建议不为null且数字为整数

响应对象（Response Object）​

字段名	类型	是否必须	说明
jsonrpc	String	必须	协议版本，​​必须为"2.0"​​
result	Any	成功时必选	方法返回值，​​与error互斥​​
error	Object	失败时必选	错误信息（含code和message），​​与result互斥​​
id	String / Number / null	必须	必须与请求的id一致；若请求id无效（如解析错误），则必须为null

--> {"jsonrpc": "2.0", "method": "subtract", "params": {"subtrahend": 23, "minuend": 42}, "id": 3}
<-- {"jsonrpc": "2.0", "result": 19, "id": 3}

--> {"jsonrpc": "2.0", "method": "subtract", "params": {"minuend": 42, "subtrahend": 23}, "id": 4}
<-- {"jsonrpc": "2.0", "result": 19, "id": 4}

具体可以去官网中查看www.jsonrpc.org/specificati...

MCP Host（模型）与MCP Client 之间

我们直接看deepseekAPI中的请求参数： 这里 这边我们看到请求分成了四种：系统设定(System)、用户输入(User)、AI响应(Assistant)、工具回调(Tool) 而在MCP中我们需要关注的就是工具回调(Tool)，也就是MCP Server执行后的结果传入的消息。 至于怎么告诉AI模型有哪些方法可以执行呢？则是通过一下的参数tools传入

MCP Server 最小实现

相对于 MCP Client 和 MCP Host 来说，平常开发者其实更关注 MCP Server 的开发，毕竟不管是 AI模型开发 还是 客户端开发 都是巨大的工程，反而个人写一个MCP Server是非常现实的。

所以我们直接先看 MCP Server ，它一共有三大块功能：

• Resources（资源）：类似文件的数据，可以被客户端读取（如 API 响应或文件内容）
• Tools（工具）：可以被 LLM 调用的函数（需要用户批准）
• Prompts（提示）：预先编写的模板，帮助用户完成特定任务

下面只讲解最小实现，具体构建项目可以参考官方文档，都是简单的命令行执行

import {
  McpServer,
  ResourceTemplate,
} from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

// 创建一个McpServer实例，名称为"Demo"，版本为"1.0.0"
const server = new McpServer({
  name: "Demo",
  version: "1.0.0",
});

// 定义一个名为"add"的工具，接受两个数字参数a和b，返回它们的和
server.tool("add", { a: z.number(), b: z.number() }, async ({ a, b }) => ({
  content: [{ type: "text", text: String(a + b) }],
}));

// 定义一个名为"greeting"的资源，根据{name}参数生成问候信息
server.resource(
  "greeting",
  new ResourceTemplate("greeting://{name}", {
    list: async () => ({
      resources: [
        {
          uri: "greeting://",
          name: "这是一个描述",
        },
      ],
    }),
  }),
  async (uri, { name }) => ({
    contents: [
      {
        uri: uri.href, // 确保 uri.href 是字符串
        text: `Hello, ${name}!`,
      },
    ],
  })
);

// 定义一个名为"greet"的提示，生成问候消息，支持多种语言
server.prompt(
  "greet",
  "Generate a greeting message",
  {
    name: z.string().describe("Name to greet"),
    language: z.enum(["en", "zh", "es"]).describe("Language for greeting"),
  },
  async ({ name, language }) => {
    const greetings = {
      en: `Hello, ${name}!`,
      zh: `你好，${name}！`,
      es: `¡Hola, ${name}!`,
    };
    return {
      messages: [
        {
          role: "assistant",
          content: {
            type: "text",
            text: greetings[language],
          },
        },
      ],
    };
  }
);

// 使用StdioServerTransport创建一个传输实例，并将server连接到该传输实例
const transport = new StdioServerTransport();
await server.connect(transport);

以上可以看出要写一个简单的MCP Server是非常简单的，主要按照规定的格式和类型就不会有问题。

官方还提供了个debug的方式npx @modelcontextprotocol/inspector node main.js

MCP Client 是如何接受数据的？

  // 列出所有提示
  async listPrompts() {
    try {
      const result = await this.mcp.listPrompts();
      console.log("Available prompts:", result);
      return result.prompts;
    } catch (e) {
      console.log("Failed to list prompts:", e);
      throw e;
    }
  }
  
  // 调用指定提示
  async callPrompt(name, language) {
    try {
      const result = await this.mcp.getPrompt({
        name: "greet",
        arguments: { name, language },
      });
      console.log("Prompt result:", result.messages);
      return result.content;
    } catch (e) {
      console.log("Failed to call prompt:", e);
      throw e;
    }
  }

// 列出所有资源
  async listResources() {
    try {
      const result = await this.mcp.listResources();
      console.log("Available resources:", result);
      return result.resources;
    } catch (e) {
      console.log("Failed to list resources:", e);
      throw e;
    }
  }

  // 读取指定资源的内容
  async readResource(resourceUri, variable) {
    try {
      const result = await this.mcp.readResource({
        uri: resourceUri,
      });
      console.log("Resource content:", result);
      return result.content;
    } catch (e) {
      console.log("Failed to read resource:", e);
      throw e;
    }
  }

  // 列出所有提示
  async listPrompts() {
    try {
      const result = await this.mcp.listPrompts();
      console.log("Available prompts:", result);
      return result.prompts;
    } catch (e) {
      console.log("Failed to list prompts:", e);
      throw e;
    }
  }
   
  // 调用指定提示
  async callPrompt(name, language) {
    try {
      const result = await this.mcp.getPrompt({
        name: "greet",
        arguments: { name, language },
      });
      console.log("Prompt result:", result.messages);
      return result.content;
    } catch (e) {
      console.log("Failed to call prompt:", e);
      throw e;
    }
  }