从零开始读懂 MCP：大模型如何通过标准化协议“调用”你的工具？

从零开始读懂 MCP：大模型如何通过标准化协议"调用"你的工具？

如果你最近被 MCP、Agent、Tool Calling 这些词绕晕了，本文将带你从概念到实战，手把手编写第一个 MCP Server，并集成到 Cursor / Trae 中使用。

---

前言：大模型已经能"干活"了，但还不够顺滑

过去一年，LLM（大语言模型）的能力边界不断拓展。我们不再满足于让它"聊天"，而是希望它能 读取文件、执行命令、查询数据库、调用第三方 API。于是，"LLM + Tools = Agent" 这个公式开始流行。

但很快，一个新的痛点出现了：工具变多了、变杂了。

• 你想让 Node.js 写的 Agent 调用一个 Python 脚本？
• 你想把公司内部的用户查询服务暴露给 Cursor？
• 你想集成某个大厂以 MCP 形式发布的 API？

这些需求本质上都是在问：如何让大模型以统一、安全、跨语言的方式调用各种工具？

MCP（Model Context Protocol） 就是为解决这个问题而生的。

---

一、到底什么是 MCP？

1.1 一句话定义

MCP 是一套标准化的"工具描述与调用协议"，由 Anthropic 在 2024 年底提出并贡献给开源社区。

它规定了一个工具应该如何：

• 声明自己的元信息（名称、描述、参数 schema）
• 接收大模型的调用请求
• 返回结构化的执行结果

有了这套协议，任何语言编写的工具，只要遵循 MCP 规范，就能被任何支持 MCP 的客户端（如 Cursor、Claude Desktop、Trae）无缝调用。

1.2 类比理解：就像 USB-C 接口

现实世界	MCP 世界
不同设备需要不同接口（Micro-USB、Lightning、Type-C）	不同工具用不同方式暴露（HTTP API、命令行、gRPC......）
USB-C 统一了物理形态和通信协议	MCP 统一了工具的描述格式和通信方式
一个 Type-C 充电器可以充手机、电脑、Switch	一个 MCP Client 可以调用本地脚本、远程服务、Python 函数

---

二、MCP 的通信层：Stdio 与 HTTP

MCP 协议本身是"传输无关"的，目前最主流的两种通信方式为：

通信方式	适用场景	特点
Stdio（标准输入输出）	本地子进程工具	简单、安全、无需网络配置，适合个人开发者
HTTP / SSE	远程服务、团队共享	支持跨网络调用，适合将内部服务封装成 MCP 暴露

在本文的实战部分，我们将使用 Stdio 方式------MCP 客户端（如 Trae）会启动一个子进程运行我们的 .mjs 脚本，并通过标准输入输出与它通信。

---

三、实战：编写你的第一个 MCP Server（Node.js 版）

目标：实现一个 query-user 工具，让大模型可以查询模拟数据库中的用户信息。

3.1 环境准备

确保你已经安装了 Node.js（v18+）。然后新建一个空目录，初始化项目：

mkdir my-mcp-server
cd my-mcp-server
npm init -y

安装 MCP 官方 SDK 和参数校验库 zod：

npm install @modelcontextprotocol/sdk zod

3.2 编写 MCP Server 代码

创建一个文件 my-mcp-server.mjs，内容如下：

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

// 模拟数据库
const database = {
    users: {
        "001": { id: "001", name: "张三", email: "zhangsan@example.com", role: "admin" },
        "002": { id: "002", name: "李四", email: "lisi@example.com", role: "user" },
        "003": { id: "003", name: "王五", email: "wangwu@example.com", role: "user" },
    }
};

// 1. 创建 MCP Server 实例
const server = new McpServer({
    name: 'my-mcp-server',
    version: '1.0.0',
});

// 2. 注册一个工具 (Tool)
server.registerTool(
    'query-user',                             // 工具名称
    {
        description: '查询数据库中的用户信息。输入用户ID，返回该用户的详细信息（姓名、邮箱、角色）。',
        inputSchema: {                         // 定义输入参数的 schema
            userId: z.string().describe("用户 ID，例如：001, 002, 003")
        }
    },
    async ({ userId }) => {                    // 工具的实际执行逻辑
        const user = database.users[userId];
        if (!user) {
            return {
                content: [
                    {
                        type: 'text',
                        text: `❌ 用户ID ${userId} 不存在。可用的ID: 001, 002, 003`
                    }
                ]
            };
        }
        return {
            content: [
                {
                    type: 'text',
                    text: `✅ 用户信息：\n- ID: ${user.id}\n- 姓名: ${user.name}\n- 邮箱: ${user.email}\n- 角色: ${user.role}`
                }
            ]
        };
    }
);

// 3. 选择 Stdio 传输层，并启动 Server
const transport = new StdioServerTransport();
await server.connect(transport);

3.3 代码关键点解析

代码部分	作用
McpServer	MCP 服务端主类，负责管理工具列表、处理请求。
StdioServerTransport	声明使用标准输入输出作为通信管道。
registerTool	向 MCP 客户端宣告："我有一个叫 query-user 的工具，你需要传入一个 userId 字符串，我会返回一段文本。"
inputSchema	使用 zod 描述参数类型和说明。这些信息会被发送给大模型，让它理解如何正确调用工具。
返回格式 { content: [{ type: 'text', text: '...' }] }	MCP 协议规定的标准工具返回结构。

3.4 测试你的 MCP Server（可选）

你可以直接在终端运行该脚本，看看它是否正常工作（虽然 Stdio 模式下，通常由客户端来启动它）：

node my-mcp-server.mjs

由于它通过 Stdio 通信，直接运行会"卡住"（等待输入），这其实是正常的。真正的对话在下一节配置客户端后发生。

---

四、在 Trae / Cursor 中配置并使用你的 MCP Server

现在，我们要让 AI 编程工具（以 Trae 为例，Cursor 配置几乎相同）加载这个 Server。

4.1 添加 MCP 配置

打开 Trae 的设置，找到 MCP 配置文件（通常是一个 JSON 文件，例如 mcp.json），添加如下内容：

{
  "mcpServers": {
    "my-mcp-server": {
      "command": "node",
      "args": [
        "C:/Users/29031/Desktop/workspace/lesson_zp/ai/agent/mini-cursor/mcp/mcp-tool/my-mcp-server.mjs"
      ]
    }
  }
}

配置图片

配置说明：

• my-mcp-server：给你的 Server 起个名字，会显示在客户端界面。
• command：启动 Server 的命令，这里是 node。
• args：传给命令的参数，即你的 .mjs 文件的绝对路径。

⚠️ 请务必将路径替换为你自己电脑上的实际路径。

4.2 重启客户端并验证

保存配置文件后，重启 Trae（或点击 MCP 列表旁边的刷新按钮）。

如果一切正常，你应该能在 MCP 面板中看到 my-mcp-server 状态为 已连接 ，并且可用工具列表中出现了 query-user。

4.3 实际对话测试

现在，在 Trae 的对话框中输入以下内容（确保 AI 可以调用 MCP 工具）：

帮我查一下用户 002 的详细信息。

大模型会：

1. 理解你的意图。
2. 发现有一个叫 query-user 的工具能满足需求。
3. 自动调用该工具，并传入参数 { "userId": "002" }。
4. 等待你的 Server 返回结果。
5. 将结果整理成自然语言回复你：

用户 002 的信息如下：
- 姓名：李四
- 邮箱：lisi@example.com
- 角色：user

如图

🎉 恭喜！你已经完成了第一个 MCP 工具的开发与集成！

---

五、深入思考：MCP 为什么是"Agent 时代的基石"？

5.1 跨语言、跨进程能力

通过 MCP，你可以用 Node.js 写胶水层，调用 Rust 写的高性能计算模块、Python 写的机器学习脚本、Java 写的企业级服务。大模型完全不需要关心底层实现语言。

5.2 从"个人工具"到"生态服务"

文中提到："大厂将自己的服务以 MCP 的方式向外提供"。想象一下：

• Stripe 提供一个 create-payment MCP 工具。
• Slack 提供一个 send-message MCP 工具。
• 你的公司内部提供 query-employee MCP 工具。

任何支持 MCP 的 Agent（Cursor、Claude Desktop 等）都能立刻获得这些超能力，80% 的轻量级 APP 确实可能被 Agent + MCP 工具链替代。

5.3 安全性与上下文隔离

MCP 将工具的执行隔离在独立的进程（甚至远程服务器）中。大模型只拿到你精心设计的 Schema 描述 和 执行结果文本，它无法直接访问你的数据库连接池、文件系统句柄或内存变量。这是一种天然的安全沙箱。

---

六、常见问题与下一步学习

Q1：我不想用 Stdio，我想把 Server 部署在远程服务器上供团队共用，怎么办？

A：MCP 也支持 HTTP + SSE（Server-Sent Events）传输。你可以使用 @modelcontextprotocol/sdk 中的 SSEServerTransport 模块，将 Server 挂载到一个 Express / Fastify 服务上。

Q2：我的工具执行时间很长（比如生成报表），会不会超时？

A：MCP 协议本身对执行时间没有硬性限制，但客户端通常有自己的超时设置。对于长任务，建议设计为"异步任务 + 状态查询"两个工具配合使用。

Q3：除了查询，我能做写入操作吗（比如修改文件、删除用户）？

A：完全可以。但请注意：

• 在工具描述中明确告知用户这是有副作用的操作。
• 在代码中做好权限校验和日志记录。

下一步学习建议：

• 阅读 MCP 官方文档
• 研究 @modelcontextprotocol/sdk 中的 Resource（资源）概念，它允许大模型直接读取文件、数据库表结构等静态内容。
• 尝试用 Python 或 Go 语言编写一个 MCP Server（官方已有对应 SDK）。

---

七、总结

阶段	核心认知
理解 MCP	一套标准化的工具描述与调用协议，解决大模型与各类工具之间的连接问题。
编写 Server	使用官方 SDK，通过 registerTool 暴露功能，通过 StdioServerTransport 通信。
配置客户端	在 Cursor / Trae 的 mcp.json 中声明启动命令，即可让 AI 获得新能力。
展望未来	MCP 正在成为 Agent 生态的"USB-C 接口"，让大模型真正成为可编程的操作系统。

现在，不妨打开你的编辑器，把第一个 MCP Server 跑起来。当你亲眼看到 AI 调用你写的代码并返回正确结果时，你会真正理解那句------

"LLM + Tools = Agent"
而 MCP，就是让这个加法可以规模化复制的关键。

附录

流程图

如果本文对你有帮助，欢迎点赞、收藏、转发给正在学习 AI 编程的小伙伴。有疑问欢迎在评论区交流！