从 Cursor 到 MySQL，MCP如何让 AI 真正“帮你干活”？

1 为什么需要MCP？

现在 AI 大行其道，就像以前的"互联网 + 世间万物"一样，AI 也要和世间万物交互。以前是互联网 + 医疗，互联网 + 购物，现在是 AI + 医疗，AI + 购物。

但 LLM 本质上只能"生成文本"，不能直接执行动作。它就像是一个聪明的大脑，但没有其他硬件，我们自然就希望它能接入其他工具。

但现在有一个麻烦事：我们有很多个 AI（如 ChatGPT、Gemini、Claude 等大语言模型（LLM）），也有无数个应用（如 MySQL、GitHub、IDE）。AI 怎么和应用交互呢？如果逐一适配，那太麻烦了。软件设计中有句名言："没有什么是加一层解决不了的问题。"我们可以设计一个 AI 与应用程序的交互协议，只要兼容该协议的 AI 和应用都可以直接交互。MCP 就是这样一个协议。

2 MCP 是什么？

MCP 好比一本使用说明书，用来告诉 LLM 如何调用工具 。简单来说，我们想让 AI 有手有脚，但工具千千万，AI 需要知道每个工具能做什么、怎么用。MCP 通过三个概念解决了这个问题：Tools、Resources 和 Prompts，分别对应能做什么、有什么数据、怎么用。 就好比你新买一个相机，不会用，得先看看说明书，了解这个相机能做什么（Tools）、配置都有什么（Resources）、怎么操作（Prompts）。

规范地说，MCP 解决的是 LLM 如何安全、标准化地调用外部能力。好比是为 AI 打造了一个通用的 USB 接口，是给AI和各类工具建的一座桥梁。

3 实际使用中 MCP 是如何运行的？

这里我通过最常见的代码生成来介绍 MCP ：

假设你用Cursor（Trae/通义灵码）写代码，模型用的是 ChatGPT，并安装好了MySQL 这类 MCP 工具。
现在你告诉Cursor："查询数据库里 Student 表结构，并据此创建实体类 Student.java"。

整个生成代码的流程如下：

Cursor 收到你的指令后，会转发给 LLM（ChatGPT）
ChatGPT 收到指令后，开始思考

1. 然后拆解出流程：

1. 1. "要获取 Student 表结构"
  2. "要创建 Java 实体类 Student.java"

1. 虽然 LLM 还不能执行这些动作，但它会判断：

1. 1. "查表结构" = 需要外部工具（SQL）
  2. "创建实体类文件" = 需要文件系统或 IDE 工具

然后ChatGPT 开始执行流程，第一步就是调用 MCP Tool，他会生成一个标准的 mcp tool call, 格式是JSON，其内容本质就是函数名加参数，和你调用API的内容一样，比如 MySQL.run_sql("DESCRIBE Student")。
ChatGPT 把请求的JSON 发给 Cursor，Cursor 就会找到内部对应的 MCP Client，MCP Client 就会和 MCP Server 通信，拿到结果，然后返回给 ChatGPT。
ChatGPT 拿到表结构后就可以生成 Java代码了，后面可以再调用其他的 Tool ，比如 write_file 来生成文件。

4 MCP 中各参与者的介绍

看完这个流程后，现在再介绍下出场选手：

Host（Cursor） ：运行 LLM + MCP Client + UI
LLM（ChatGPT） ：决策者，决定用哪个工具
MCP Client（Cursor 内部） ：调度者，负责：

- 接收 LLM 的工具调用请求
- 找到对应 Server
- 发送调用
- 把结果返回给 LLM

MCP Server（MySQL） ：能力提供方（执行 SQL）
Tools / Resources：具体能力接口，如 run_sql