MCP实战指南 - 技术栈

两个互联领域的重大挑战：

第一、Agent 与 Tools（工具）的交互Agent 需要调用外部工具和API、访问数据库、执行代码等。 --->MCP
第二、Agent 与 Agent（其他智能体或用户）的交互Agent 需要理解其他 Agent 的意图、协同完成任务、与用户进行自然的对话。 --->A2A

如果你是程序员

****

如果你是大众用户：如何理解MCP

有了DeepSeek，你就有了一个"智能助理"。但是，我们期望 LLM 能够承担更多功能，不仅限于简单对话，还能与外部的多种数据、工具进行交互。有了MCP，成为了现实！

如果你是大众用户：如何理解LLM与MCP

如何理解LLM与MCP

1. MCP能干什么？

对于程序员来说

举例1：开发部署

开发者通过自然语言指令"部署新版本到测试环境"，触发 MCP 链式调用 GitLab API（代码合并）、Jenkins API（构建镜像）、Slack API（通知团队）。
举例2：SQL查询

开发者通过自然语言输入，比如"查询某集团部门上个季度销售额"，就能查询出数据库的数据，并结合大模型进行回答，不再需要编写 SQL，MCP 自动转换为精准 SQL语句并执行。
举例3：manus智能体

Manus的每一次任务处理都至少需要调用网页搜索、网页访问、网页信息获取、本地文件创建、代码解释器等几十个外部工具。

这里就暴露了两个问题。

问题1：可供大模型调用的工具不足。
问题2：调用工作量很大。

对于大众用户来说

举例1：旅游规划

当我要去旅行时，旅行规划助手通过 MCP 同时调用天气 API（获取目的地气象）、交通 API（查询航班动态）、地图 API（规划路线），AI 自动生成带实时数据的行程方案。
举例2：联网搜索

我们在与 LLM 交互时，经常需要联网搜索最新信息以减少幻觉。然而，这里也存在问题：
- 1、并非所有聊天机器人都支持联网功能
- 2、即使支持联网，也可能不包含你习惯使用的搜索引擎。

在没有 MCP 的情况下，用户只能等待开发者添加特定搜索引擎的支持。

有了 MCP 后，只需简单配置，就能将所需服务接入当前使用的聊天机器人。

举例3：业绩查询

用户询问"查询上季度营业额"，MCP 自动组合调用 CRM 系统 API（获取客户数据）财务系统 API（调取报表）+ 邮件 API（发送总结报告）。

2.1 MCP的理解

MCP（Model Context Protocol，模型上下文协议），2024年11月底，由Anthropic 推出的一种开放标准。旨在为大语言模型（LLM）提供统一的、标准化方式与外部数据源和工具之间进行通信。

传统AI集成的问题：这种为每个数据源构建独立连接的方式，可以被视为一个M*N问题。

问题：架构碎片化，难以扩展，限制了AI获取必要上下文信息的能力

MCP解决方案：提供统一且可靠的方式来访问所需数据，克服了以往集成方法的局限性。

MCP 作为一种标准化协议，极大地简化了大语言模型与外部世界的交互方式，使开发者能够以统一的方式为 AI 应用添加各种能力。

官方文档：https://modelcontextprotocol.io/introduction

2.2 MCP推广时间线

2024年11月底，Anthropic推出了MCP。目标就是能在Agent 的开发过程中，让大模型更加便捷地调用外部工具。

2025年2月份，Cursor正式宣布加入MCP功能支持，一举将MCP推到了全体开发人员面前！

2025年3月27日，OpenAI智能体支持MCP。OpenAI联合创始人兼首席执行官Sam Altman也特意发文大赞MCP，可见其对Agent的重要性。

2.3 哪些平台支持MCP查询

github查看：

MCP官方资源：https://github.com/modelcontextprotocol/servers
MCP热门资源：https://github.com/punkpeye/awesome-mcp-servers

其它平台：

Glama：https://glama.ai/mcp/servers
Smithery：https://smithery.ai
cursor：https://cursor.directory
MCP.so：https://mcp.so/zh
阿里云百炼：https://bailian.console.aliyun.com/?tab=mcp#/mcp-market

这里有两点要说的：

第1，随着越来越多的Server接入MCP协议，未来AI能够直接调用的工具将呈现指数级增长，这能从根源上打开Agent能力的天花板。未来 AI 生态系统将变得更加开放和强大。

第2，目前社区的 MCP Server 还是比较混乱，有很多缺少教程和文档，很多的代码功能也有问题，大家只能凭经验和参考官方文档了。

3. 程序员如何使用MCP

3.1 MCP应用场景

3.2 使用前的准备工作

MCP的通信机制

根据 MCP 的规范，当前支持两种通信机制（传输方式）：

stdio(标准输入输出)：主要用在本地服务上，操作你本地的软件或者本地的文件。比如 Blender 这种就只能用 Stdio 因为他没有在线服务。 MCP默认通信方式
SSE(Server-Sent Events)：主要用在远程通信服务上，这个服务本身就有在线的 API，比如访问你的谷歌邮件，天气情况等。

MCP的通信机制：stdio方式

优点

这种方式适用于客户端和服务器在同一台机器上运行的场景，简单。
stdio模式无需外部网络依赖，通信速度快，适合快速响应的本地应用。
可靠性高，且易于调试

缺点

Stdio 的配置比较复杂，我们需要做些准备工作，你需要提前安装需要的命令行工具。
stdio模式为单进程通信，无法并行处理多个客户端请求，同时由于进程资源开销较大，不适合在本地运行大量服务。（限制了其在更复杂分布式场景中的使用）

MCP的通信机制：SSE方式

场景

SSE方式适用于客户端和服务器位于不同物理位置的场景。
适用于实时数据更新、消息推送、轻量级监控和实时日志流等场景
对于分布式或远程部署的场景，基于 HTTP 和 SSE 的传输方式则更为合适。

优点

配置方式非常简单，基本上就一个链接就行，直接复制他的链接填上就行

stdio的本地环境安装

stdio的本地环境有两种：

一种是Python 编写的服务，

一种用TypeScript 编写的服务。

分别对应着uvx 和 npx 两种指令。

stdio的本地环境安装：uvx

两种安装方式：

第1种：若已配置Python环境，可使用以下命令安装：

复制代码

pip install uv

第2种：在Windows下可以通过PowerShell运行命令来安装uv。

复制代码

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

验证：重启终端并运行以下命令检查是否正常：

复制代码

uv --version
uvx --help

stdio的本地环境安装：npx

Node.js下载的官网：https://nodejs.org/zh-cn

3.3 Cursor中使用MCP

cursor中国区官网：https://www.cursor.com/cn

在 Cursor 中添加 MCP Server 有两种配置方式：

全局设置：通过 Cursor Settings -> MCP -> Add new global MCP server 添加全局可用的 MCP 服务。
项目级别：在项目目录的 .cursor 目录中新建 mcp.json 文件进行配置，仅对特定项目生效。

推荐使用项目级别配置，因为全局模式会在所有项目中生效，可能在某些情况下影响 Cursor Agent 的输出质量。

1）全局设置如下：

我们点击右上角的齿轮按键，弹出设置栏

点击MCP，然后通过写入JSON的形式导入MCP Server。

2）项目级别设置如下

① 在项目根目录创建 .cursor 文件夹（如果不存在）

② 在该文件夹中创建 mcp.json 文件

3.4 通过Cline使用智能体

通过Cline使用智能体

4. MCP的工作原理

4.1 MCP的C/S架构

5个核心概念

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)
MCP 客户端( MCP Clients )
MCP 服务器( MCP Servers )
本地资源( Local Resources )
远程资源( Remote Resources )

1、 MCP Host

作为运行 MCP 的主应用程序，例如 Claude Desktop、Cursor、Cline 或 AI 工具。为用户提供与LLM交互的接口，同时集成 MCP Client 以连接 MCP Server。

2、MCP Client

MCP client 充当 LLM 和 MCP server 之间的桥梁，嵌入在主机程序中，主要负责：

接收来自LLM的请求；
将请求转发到相应的 MCP server
将 MCP server 的结果返回给 LLM

有哪些常用的Clients

MCP 官网(https://modelcontextprotocol.io/clients) 列出来一些支持 MCP 的 Clients。

分为两类：

AI编程IDE：Cursor、Cline、Continue、Sourcegraph、Windsurf 等
聊天客户端：Cherry Studio、Claude、Librechat、Chatwise等

更多的Client参考这里：

MCP Clients：https://www.pulsemcp.com/clients

Awesome MCP Clients：https://github.com/punkpeye/awesome-mcp-clients/

3、MCP Server

每个 MCP 服务器都提供了一组特定的工具，负责从本地数据或远程服务中检索信息。是 MCP 架构中的关键组件。

与传统的远程 API 服务器不同，MCP 服务器既可以作为本地应用程序在用户设备上运行，也可部署至远程服务器。

比如你让助手：

"帮我查航班信息" → 它调用航班查询 API
"算一下 37% 折扣后多少钱" → 它运行计算器函数

作用：让 LLM 不仅能"说"，还能"做"（执行代码、查询数据等）。

MCP Server 的本质

本质是运行在电脑上的一个nodejs或python程序。可以理解为客户端用命令行调用了电脑上的nodejs或python程序。

使用 TypeScript 编写的 MCP server 可以通过 npx 命令来运行
使用 Python 编写的 MCP server 可以通过 uvx 命令来运行。

4.2 MCP工作流程

API 主要有两个

tools/list：列出 Server 支持的所有工具
tools/call：Client 请求 Server 去执行某个工具，并将结果返回

举例：

数据流向图

5. 手动开发MCP项目(C/S)

本项目旨在构建一个本地智能舆情分析系统，通过自然语言处理与多工具协作，实现用户查询意图的自动理解、新闻检索、情绪分析、结构化输出与邮件推送。

具体参考: https://blog.csdn.net/su2231595742/article/details/155916826

6. 大众用户如何使用MCP

6.1 Cherry Studio的MCP说明

Cherry Studio 是一款集多模型对话、知识库管理、AI 绘画、翻译等功能于一体的全能 AI 助手平台。支持 Windows，Linux 和 Mac。

同时，CherryStudio提供了一个简洁便于操作的可视化页面，通过简单的配置即可开启MCP服务。非常适合大众用户用于构建"低代码智能流程"。

Cherry Studio的下载地址：https://cherry-ai.com/

6.2 准备工作

安装Cherry Studio&添加大模型

略

安装 uv、bun

Cherry Studio 目前只使用内置的 uv 和 bun，不会复用系统中已经安装的 uv 和 bun。

在设置 - MCP 服务器中，点击安装按钮，即可自动下载并安装。安装成功与否，以下文提到的文件夹内是否有文件为准。

UV：是python的运行环境

Bun：是类似于Nodejs的运行环境

可执行程序安装目录：

Windows: C:\Users\用户名.cherrystudio\bin

macOS，Linux: ~/.cherrystudio/bin

无法正常安装的情况下：

可以手动下载可执行文件放到这个目录下。如果没有对应目录，需要手动建立。

Bun: https://github.com/oven-sh/bun/releases

UV: https://github.com/astral-sh/uv/releases

6.3 案例

步骤1：配置MCP服务器

在这里，我们配置的DeepSeek官网的R1模型。

点击左下角的齿轮按键，再点击MCP服务器即可去配置我们的MCP Server。

点击编辑MCP配置，导入这段JSON

json 复制代码

{
    "mcpServers": {
        "fs": {
            "command": "cmd",
            "args": [
                "/c",
                "npx",
                "-y",
                "@smithery/cli@latest",
                "run",
                "@bunasQ/fs",
                "--key",
                "8ce02901-a503-4520-8ebc-a2a362e93993"
            ]
        },
        "desktop-commander": {
            "isActive": true,
            "command": "npx",
            "args": [
                "-y",
                "@wonderwhy-er/desktop-commander"
            ],
            "name": "desktop-commander"
        },
        "amap-maps": {
            "isActive": true,
            "command": "npx",
            "args": [
                "-y",
                "@amap/amap-maps-mcp-server"
            ],
            "env": {
                "AMAP_MAPS_API_KEY": "e62ad882bd8922676d2aeabc0793730f"
            },
            "name": "amap-maps"
        }
    }
}

步骤2：聊天框中启用 MCP 服务

进入聊天界面，先确定使用的大语言模型。这里注意：需要使用支持函数调用（在模型名字后会出现扳手符号）的模型。

然后，输入框中有一个 MCP 配置项，选择要使用的MCP Servers：

步骤3：提供需求

复制代码

现在交给你一个任务，编写一个北京一日游的出行攻略
1、在工作目录E:\CherryMCP下创建一个新的文件夹，命名为"北京旅行"
2、从高德地图的MCP服务中获取北京站到天安门、天安门到颐和园、颐和园到南锣鼓巷的地铁线路，并保存在"北京旅行"目录下的"地铁路线.txt"文件中
3、从高德地图的MCP中获取颐和园、南锣鼓巷附件的美食信息，每处获取三家美食店铺信息，并保存在"北京旅行"目录下的"周边美食.txt"文件中
4、最后根据txt中的内容，生成一个精美的html前端展示页面，并存放在该目录下

步骤4：功能测试

首先我们提出需求，然后CherryStudio会对任务进行拆解和分析，之后执行