MCP (Model Context Protocol)：AI应用连接外部世界的标准协议

随着大语言模型能力的不断增强，AI应用已不再局限于纯粹的文本对话，而是需要与外部世界进行深度交互------读写文件、查询数据库、调用第三方API、搜索网页等。然而，让AI应用对接外部系统一直是一个工程难题：每个服务接口不同、工具定义重复、集成成本高昂。

MCP（Model Context Protocol）的出现，正是为了系统性地解决这一问题。

1. 什么是MCP

MCP是由Anthropic于2024年底推出的开放标准协议，旨在为AI应用与外部系统之间提供统一的交互规范。

在MCP出现之前，开发者必须为每个外部服务手动定义Tool------编写函数签名、参数描述、调用逻辑等。这种方式存在两个核心痛点：

复用性差：不同Agent可能需要同样的工具（如文件操作、天气查询），但每次都需重复定义。
集成成本高：全球有数以万计的服务，接口各异，逐一适配工作量巨大。

MCP的角色可以类比为AI世界的USB接口协议：

服务提供方遵循MCP协议封装并发布自己的工具服务。
AI应用方基于MCP协议直接对接任何兼容的外部服务，无需手动定义Tool。

这一设计从根本上解决了工具复用和服务集成的问题。

2. 核心概念

MCP的架构由三个核心角色组成：

概念	说明
MCP Server	提供工具服务的应用，可以是远程服务，也可以是本地服务
MCP Client	连接到MCP Server，读取工具信息，供Host使用
MCP Host	协调和管理多个MCP Client的AI应用，如LangChain Agent

以一个典型的AI应用为例：该应用需要文件操作、数据库操作和Sentry远程监控三个能力。此时可以配置三个MCP Client，分别对接三个独立的MCP Server，各司其职，互不干扰。

复制代码

┌─────────────────────────────────┐
│         MCP Host (AI应用)        │
│  ┌──────────┬──────────┬──────┐ │
│  │MCP Client│MCP Client│MCP   │ │
│  │(文件操作) │(数据库)   │Client│ │
│  └────┬─────┴────┬─────┴──┬───┘ │
└───────┼──────────┼────────┼─────┘
        │          │        │
   ┌────▼───┐ ┌───▼────┐ ┌▼────────┐
   │MCP     │ │MCP     │ │MCP      │
   │Server  │ │Server  │ │Server   │
   │(本地)   │ │(本地)   │ │(远程)    │
   └────────┘ └────────┘ └─────────┘

通信方式

MCP Client与MCP Server之间支持两种通信方式：

stdio（标准输入输出）

Client将MCP Server脚本作为子进程运行，通过标准输入输出进行进程间通信。没有网络延迟，适合本地服务。脚本的启动方式通常有两种：

npx：基于Node.js的包管理工具
uvx：基于Python的uv工具

SSE / HTTP（Server-Sent Events）

Client通过HTTP请求与远程MCP Server交互，存在网络延迟，适合云端服务。

3. 在LangChain中使用MCP

LangChain通过langchain-mcp-adapters库实现了对MCP的支持。

bash 复制代码

uv add langchain-mcp-adapters

3.1 对接stdio类型服务------以Time MCP为例

Time MCP提供时间查询和时区转换功能，基于stdio通信。

python 复制代码

from langchain_mcp_adapters.client import MultiServerMCPClient

client = MultiServerMCPClient(
    {
        "time": {
            "transport": "stdio",
            "command": "uvx",
            "args": ["mcp-server-time", "--local-timezone=Asia/Shanghai"]
        }
    }
)

# MultiServerMCPClient是异步的，需要await
tools = await client.get_tools()

for tool in tools:
    print(tool.name)        # get_current_time, convert_time
    print(tool.description)

获取工具后，即可正常创建Agent：

python 复制代码

from langchain.agents import create_agent
from langchain_core.messages import HumanMessage

agent = create_agent("deepseek-chat", tools)

response = await agent.ainvoke({
    "messages": [HumanMessage("现在几点了？")]
})

Agent会自动调用get_current_time工具，获取并返回当前时间。

3.2 对接HTTP类型服务------以Kiwi MCP为例

Kiwi Travel MCP提供航班搜索功能，基于HTTP通信，是少有的免费航班搜索MCP服务。

python 复制代码

client = MultiServerMCPClient(
    {
        "kiwi-com-flight-search": {
            "transport": "http",
            "url": "https://mcp.kiwi.com"
        }
    }
)

tools = await client.get_tools()

agent = create_agent(
    model="deepseek-chat",
    tools=tools,
    system_prompt="You are a travel agent. Help user find best flights. "
                  "If the user uses Chinese, use zh-cn as the locale value."
)

response = await agent.ainvoke({
    "messages": [HumanMessage("查一下2026年5月15日晚上从北京飞杭州的航班。")]
})

注意：Kiwi的地域参数（locale）中，中文需指定为zh-cn而非zh，否则会导致报错。这一点Tool描述中未明确说明，需在系统提示词中额外声明。

对于国内航班查询，也可以考虑飞常准提供的MCP服务（https://mcp.variflight.com/），不过该服务是收费的。

3.3 同时对接多个MCP服务

MultiServerMCPClient本身就支持多服务配置，可以在一个Client中同时连接多个MCP Server：

python 复制代码

client = MultiServerMCPClient(
    {
        "time": {
            "transport": "stdio",
            "command": "uvx",
            "args": ["mcp-server-time", "--local-timezone=Asia/Shanghai"]
        },
        "kiwi-com-flight-search": {
            "transport": "http",
            "url": "https://mcp.kiwi.com"
        }
    }
)

tools = await client.get_tools()
# tools中包含来自两个MCP Server的所有工具

4. 自定义MCP Server

在企业内部，不同团队也可以将自身服务封装为MCP Server，供其他团队复用。

4.1 使用FastMCP创建服务

FastMCP是目前创建自定义MCP Server最简洁的方式：

bash 复制代码

uv add fastmcp

以一个数学运算MCP Server为例（math_mcp_server.py）：

python 复制代码

from fastmcp import FastMCP

mcp = FastMCP("Math")

@mcp.tool()
def add(a: float, b: float) -> float:
    """Add two numbers"""
    return a + b

@mcp.tool()
def multiply(a: float, b: float) -> float:
    """Multiply two numbers"""
    return a * b

@mcp.tool()
def square_root(x: float) -> float:
    """Calculate the square root of a number"""
    return x ** 0.5

if __name__ == "__main__":
    mcp.run(transport="stdio")

FastMCP提供了三类装饰器：

装饰器	作用	常用程度
`@mcp.tool()`	定义MCP工具（核心功能）	必备
`@mcp.resource()`	返回资源数据，类似扩展知识库	可选
`@mcp.prompt()`	返回预设提示词	可选

通常只需定义tool即可满足绝大多数场景。

4.2 连接自定义MCP服务

由于是本地Python文件，启动命令使用python而非npx或uvx：

python 复制代码

client = MultiServerMCPClient(
    {
        "math": {
            "transport": "stdio",
            "command": "python",
            "args": ["math_mcp_server.py"]
        }
    }
)

tools = await client.get_tools()

agent = create_agent(
    model="deepseek-chat",
    tools=tools,
    system_prompt="You are a helpful agent. You must use tools to answer math questions."
)

response = await agent.ainvoke({
    "messages": [HumanMessage("467和529的平方根之和是多少?")]
})

Agent会依次调用square_root计算两个数的平方根，再调用add求和，最终返回结果约44.6102。

关键点：采用stdio方式时，MCP Server文件无需手动启动，MCP Client会自动将其作为子进程加载运行。

5. 总结

维度	说明
MCP是什么	开放协议，标准化AI应用获取外部工具的方式，类比AI世界的USB接口
架构	Client-Server架构，Host管理多个Client，Client对接Server
通信方式	stdio（本地，无网络延迟）/ HTTP（远程，适合云服务）
使用流程	配置MultiServerMCPClient → get_tools()获取工具 → 创建Agent调用
自定义Server	使用FastMCP，通过@mcp.tool装饰器定义工具，mcp.run()启动服务

MCP的意义在于它将工具集成从"手工定制"推向了"即插即用"。随着越来越多服务提供方接入MCP生态，AI应用开发者将能够以极低的成本对接丰富的外部能力，而不再为重复的工具定义和接口适配所困扰。