据说，80%的人都搞不懂MCP底层？

一切技术都是纸老虎

一句话总结 ：

👉 MCP (Model Context Protocol) 就是一个基于「标准输入输出（STDIO）」的通信协议，结合 JSON-RPC 格式，让不同进程之间像调用本地函数一样调用 AI 工具或服务。

---

目录

• 一、MCP的核心思想
• 二、前置知识：STDIO（标准输入输出）
• 三、消息格式：JSON-RPC
• 四、MCP为什么重要？
• 五、应用场景示例
  • 示例1：AI自动化本地文件操作
  • [示例2：浏览器MCP Server](#示例2：浏览器MCP Server "#%E7%A4%BA%E4%BE%8B2%E6%B5%8F%E8%A7%88%E5%99%A8mcp-server")
• 六、总结

---

一、MCP的核心思想

一句话总结：

👉 MCP 是一个进程通信规范，它让 AI 模型、浏览器、终端、数据库等「彼此独立的软件」之间能像乐高一样拼接起来，互相调用功能。

---

二、前置知识：STDIO（标准输入输出）

MCP 的底层不是魔法，它依赖的正是我们熟悉但常常忽视的「标准输入输出」。

每一个进程都有三个默认接口：

• stdin：标准输入
• stdout：标准输出
• stderr：标准错误输出

这意味着进程不仅能把消息「打印出来」，也能「接收输入」。

示例代码：Node.js里的STDIO

// server.js
// 这是一个最简单的进程通信例子

// 监听输入（stdin），即外部进程写进来的内容
process.stdin.on("data", (data) => {
  // data 是 Buffer，需要转成字符串
  const input = data.toString().trim();

  // 在这里可以做逻辑处理
  const response = `AI回复: 我收到了你的输入 -> ${input}`;

  // 输出（stdout），发送给外部进程
  process.stdout.write(response + "\n");
});

运行方式：

node server.js

输入：

你好

输出：

AI回复: 我收到了你的输入 -> 你好

📌 这就是 MCP 的底层思想：通过 STDIO 把进程变成一个服务。

---

三、消息格式：JSON-RPC

仅仅有 STDIO 还不够，因为进程间的消息如果随便发，谁都看不懂。 MCP 采用了 JSON-RPC 规范，这是一种「请求 - 响应」模式：

• 请求

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "sum",
  "params": [2, 3]
}

• 响应

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": 5
}

这样我们就能约定清楚： 👉 「我要调用 sum 方法，参数是 [2,3]，结果返回给我。」

示例代码：支持JSON-RPC的服务

// rpc-server.js
// 一个实现 JSON-RPC 协议的进程服务

// 工具方法
function sum(a, b) {
  return a + b;
}

process.stdin.on("data", (data) => {
  const msg = JSON.parse(data.toString());

  // 根据 method 字段调用不同的方法
  let result;
  if (msg.method === "sum") {
    result = sum(...msg.params);
  } else {
    result = "未知方法";
  }

  // 返回 JSON-RPC 响应
  const response = {
    jsonrpc: "2.0",
    id: msg.id,
    result,
  };

  process.stdout.write(JSON.stringify(response) + "\n");
});

测试：

echo '{"jsonrpc":"2.0","id":1,"method":"sum","params":[2,3]}' | node rpc-server.js

输出：

{"jsonrpc":"2.0","id":1,"result":5}

---

四、MCP为什么重要？

1. AI助手的「插件协议」

过去我们调用 AI，只能通过 REST API 或 SDK。 MCP 提供了一种更轻量的方式： 直接把本地进程注册为工具，AI 模型就能调用它。

---

2. 比 REST API 更快

REST API 需要走网络，而 MCP 通过本地 STDIO，效率极高，几乎没有延迟。

---

3. 天然安全

数据不会经过外部网络，所有调用都在本地完成，非常适合对隐私敏感的场景。

---

五、应用场景示例

示例1：AI自动化本地文件操作

// file-server.js
// AI文件操作工具
const fs = require("fs");

process.stdin.on("data", (data) => {
  const msg = JSON.parse(data.toString());

  if (msg.method === "createFile") {
    const [filename, content] = msg.params;
    fs.writeFileSync(filename, content);

    const response = {
      jsonrpc: "2.0",
      id: msg.id,
      result: "文件创建成功 ✅",
    };

    process.stdout.write(JSON.stringify(response) + "\n");
  }
});

测试：

echo '{"jsonrpc":"2.0","id":1,"method":"createFile","params":["test.txt","Hello MCP"]}' | node file-server.js

结果：

• 控制台输出 {"jsonrpc":"2.0","id":1,"result":"文件创建成功 ✅"}
• 生成文件 test.txt，内容是 Hello MCP

---

示例2：浏览器MCP Server

现在已经有开源项目能把 Chrome 浏览器功能暴露为 MCP 服务： AI 可以直接「打开网页、点击按钮、获取内容」。

相比传统 Puppeteer/Playwright：

特性	REST API/Playwright	MCP Server
调用方式	远程网络请求	本地进程通信
延迟	较高（网络开销）	极低
隐私安全	可能上传云端	完全本地
集成复杂度	需要额外依赖	即插即用

---

六、总结

我们今天从底层一步步推导出了 MCP 的核心逻辑：

1. MCP 本质：一种基于 STDIO + JSON-RPC 的通信协议。
2. 解决的问题：让进程间能像调用函数一样调用功能。
3. 优势：高效、安全、易扩展，非常适合 AI 插件化生态。
4. 应用：AI调用本地工具、浏览器控制、自动化脚本、数据库查询......

---

✍️ 最终总结 ： 👉 MCP 让 AI 不再只是一个回答问题的聊天机器人，而是一个可以真实调用你本地功能的「超级助手」。