MCP协议：让AI应用像插USB一样连接外部世界

前言

你有没有想过，为什么现在的AI助手只能回答一些通用问题，却无法帮你查快递、订外卖、或者根据你的位置推荐约会地点？

答案很简单：AI模型被"关在笼子里"了。它们虽然有强大的推理能力，但无法直接访问外部数据源和API。

MCP（Model Context Protocol，模型上下文协议）的出现，就是为了解决这个问题。它就像是AI应用的USB接口，为AI模型连接不同的数据源和工具提供了标准化的方法。

什么是MCP？

根据官方定义，MCP是一种开放协议，它标准化了应用程序如何向大模型提供上下文的方式。

可以把MCP想象成AI应用的USB接口------就像USB为设备连接各种外设和配件提供了标准化方式一样，MCP为AI模型连接不同的数据源和工具提供了标准化的方法。

MCP本身不是一种技术，而是一种开放标准。它的目标是增强AI与外部系统的交互能力，让AI能够：

访问最新数据
执行复杂操作
与现有系统集成

为什么要用MCP？

1. 轻松增强AI的能力

通过MCP协议，AI应用可以轻松接入别人提供的服务来实现更多功能，比如：

搜索网页
查询数据库
调用第三方API
执行计算任务

2. 统一标准，降低使用和理解成本

MCP定义好了一套规范，让服务提供者和服务使用者去遵守。就像HTTP协议一样，它定义好了请求和响应的格式，让不同的服务可以方便地交互。

3. 打造服务生态，造福开发者

以前，如果你想给AI增加查询地图的能力，需要自己开发工具来调用第三方地图API。如果有多个项目，或者其他开发者也需要同样的能力，大家就要重复开发。

而现在，如果有人把查询地图的能力直接做成一个MCP服务，谁要用谁接入，省去了开发成本，还能保证效果一致。当大家都陆续开放自己的服务，就相当于打造了一个服务市场，造福广大开发者！

MCP架构详解

宏观架构：客户端-服务器模式

MCP的核心是 "客户端-服务器"架构，一个MCP客户端主机可以连接到多个MCP服务器。

从上图可以看出：

MCP客户端主机（如Claude、IDE、AI工具）作为中心节点
MCP服务A/B/C分别连接不同的数据源：
- 本地数据源
- 文件系统
- 第三方API（通过远程调用）

SDK三层架构

如果要在程序中使用MCP或开发MCP服务，可以引入MCP官方的SDK。MCP SDK主要分为三层：

层级	组件	职责
客户端/服务器端	McpClient / McpServer	处理客户端/服务器端的协议操作
会话层	McpSession	通过DefaultMcpSession管理通信模式和状态
传输层	McpTransport	处理JSON-RPC消息序列化和反序列化

传输层支持多种实现方式：

Stdio（标准输入/输出流）：适用于本地调用
SSE（Server-Sent Events）：基于HTTP，适用于远程调用

SSE是基于HTTP协议实现的技术，允许服务器持续向客户端推送消息。

MCP核心概念

很多人以为MCP协议只能提供工具给别人调用，但按照官方的说法，总共有6大核心概念：

概念	说明	开发关注度
Tools（工具）	让AI执行特定操作	⭐⭐⭐ 重中之重
Resources（资源）	提供数据和上下文	⭐⭐
Prompts（提示词）	预定义的提示模板	⭐⭐
Sampling（采样）	AI生成回复	⭐
Roots（根目录）	文件系统根路径	⭐
Transports（传输）	通信方式	⭐

对于大多数MCP服务开发，重点关注Tools即可。

MCP客户端与服务端

MCP客户端

MCP Client是MCP架构中的关键组件，主要负责：

与MCP服务器建立连接并进行通信
自动匹配服务器的协议版本
确认可用功能
负责数据传输和JSON-RPC交互
发现和使用各种工具、管理资源

支持的传输方式：

Stdio标准输入/输出（本地调用）
基于Java HttpClient和WebFlux的SSE传输（远程调用）

MCP服务器

MCP Server负责为客户端提供各种工具、资源和功能支持：

处理客户端的请求
解析协议、提供工具
管理资源、处理交互信息
记录日志、发送通知
支持多客户端同时连接

关键优势： 客户端和服务端完全解耦，任何语言开发的客户端都可以调用MCP服务。

实战：在程序中使用MCP

让我们通过一个实际案例，了解如何在Spring AI框架中使用MCP。

场景需求

实现一个能够根据另一半的位置推荐约会地点的AI助手。

实现步骤

1. 引入依赖

在项目中添加Spring AI框架的MCP客户端依赖。

2. 配置MCP服务

在MCP服务市场中搜索地图服务，创建MCP Server的配置文件 mcp-servers.json：

perl 复制代码

{
  "mcpServers": {
    "amap-maps": {
      "command": "npx",
      "args": [
        "-y",
        "@amap/amap-maps-mcp-server"
      ],
      "env": {
        "AMAP_MAPS_API_KEY": "改成你的 API Key"
      }
    }
  }
}

3. 配置Spring

修改Spring配置文件，由于是本地运行MCP服务，使用Stdio传输方式：

yaml 复制代码

spring:
  ai:
    mcp:
      client:
        request-timeout: 30s
        stdio:
          servers-configuration: classpath:mcp-servers.json

MCP客户端程序启动时，会额外启动一个子进程来运行MCP服务。

4. 编写业务代码

通过自动注入的ToolCallbackProvider获取MCP服务提供的所有工具，并提供给ChatClient：

scss 复制代码

@Resource
private ToolCallbackProvider toolCallbackProvider;

public String doChatWithMcp(String message, String chatId) {
    ChatResponse response = chatClient
            .prompt()
            .user(message)
            .advisors(spec -> spec.param(CHAT_MEMORY_CONVERSATION_ID_KEY, chatId)
                    .param(CHAT_MEMORY_RETRIEVE_SIZE_KEY, 10))
            .advisors(new MyLoggerAdvisor())
            .tools(toolCallbackProvider)  // 注册MCP工具
            .call()
            .chatResponse();
    
    String content = response.getResult().getOutput().getText();
    log.info("content: {}", content);
    return content;
}

调试效果

从上图可以看到，MCP客户端成功识别到了地图服务提供的工具，比如 maps_regeocode（将高德经纬度坐标转换为行政区划地址信息）。

核心原理

从代码可以看出，MCP调用的本质就是工具调用：

并不是让AI服务器主动去调用MCP服务
而是告诉AI "MCP服务提供了哪些工具"
如果AI想要使用这些工具完成任务，就会告诉后端程序
后端程序执行工具后将结果返回给AI
最后由AI总结并回复

总结

MCP协议为AI应用打开了一扇通往外部世界的大门：

特性	价值
标准化	统一的接入方式，降低学习和开发成本
解耦	客户端和服务端可用不同语言开发
生态化	可复用的服务市场，避免重复造轮子
灵活性	支持本地（Stdio）和远程（SSE）两种传输方式

随着MCP生态的不断发展，我们可能会看到：

更多的MCP服务被开放出来
AI应用的能力边界被极大扩展
开发者可以像搭积木一样组合各种MCP服务

MCP，正在让AI从"大脑"变成真正能"动手"的智能体。

📌 参考资料

MCP官方文档

Spring AI MCP集成文档