1 MCP 是什么
Model Context Protocol (MCP) 是 Anthropic 推动的开放协议，专门解决 LLM 应用与外部工具、数据源集成时的 接口不统一 问题。
类比：
- USB-C：不同设备用同一套物理/逻辑接口
- MCP：不同 LLM Host 用同一套协议连接工具与数据
没有 MCP 时，每个 Host（Cursor、Claude Desktop、自研 Agent）都要为 filesystem、GitHub、数据库等 各自写一套集成；有了 MCP，同一个 MCP Server 可被多个 Host 复用。
MCP 生态:
| 组成部分 | 说明 |
|---|---|
| MCP Specification | 协议规范：消息格式、生命周期、能力协商 |
| MCP SDK | 各语言官方/社区 SDK（如 TS @modelcontextprotocol/sdk） |
| MCP 开发者工具 | Inspector、调试 CLI 等 |
| 参考实现 / 官方 Servers | filesystem、fetch、github 等现成 Server |
2 架构：Host / Client / Server
MCP 采用 Client-Server 架构，基于 JSON-RPC 2.0 通信。
| 角色 | 职责 |
|---|---|
| Host | 面向用户的应用；内嵌 LLM、编排对话、管理多个 Client |
| MCP Client | Host 内的协议客户端；连接 Server、握手、发现能力、发请求 |
| MCP Server | 独立进程或服务；暴露 Resource / Tool / Prompt 等能力 |
3 MCP Server 提供什么
| 能力 | 说明 | 典型用途 |
|---|---|---|
| Tools | 可被模型调用的函数（带 JSON Schema 参数） | 读文件、搜网页、执行 SQL |
| Resources | 可读取的上下文数据 | 文件内容、schema、配置快照 |
| Prompts | 可复用的提示词模板 | 代码审查模板、固定 workflow |
4 MCP Client 提供什么
MCP 是 双向 的：Server 暴露 Tools 等能力的同时，也可以 反向请求 Client 的能力（需在 initialize 握手时声明 capabilities）。
| Client 能力 | 说明 |
|---|---|
| Roots | 告诉 Server 客户端允许访问的文件系统边界（file:// URI 列表）；Server 通过 roots/list 获取 |
| Sampling | Server 在处理过程中，可请求 Client 代为调用 LLM （sampling/createMessage）；API Key 留在 Client，Server 无需持钥 |
| Elicitation | Server 在处理过程中，可向用户 征集结构化输入 （form 模式）或 引导打开 URL（url 模式，如 OAuth、支付） |
5 MCP Specification
5.1 传输层（Transport）
| 传输方式 | 场景 |
|---|---|
| stdio | 本地子进程；Client spawn Server，stdin/stdout 传 JSON（Claude Desktop、本仓库常用） |
| Streamable HTTP | 远程 Server，HTTP 流式 |
| SSE | 旧版 HTTP 方案，仍可见但逐步被 Streamable HTTP 取代 |
5.2 连接生命周期
arduino
Client Server
│── initialize ──────────────→│ （协议版本 + 双方 capabilities）
│←─ InitializeResult ───────│
│── notifications/initialized →│ （Client 就绪）
│── tools/list ──────────────→│ （之后才能正常调用）
│←─ { tools: [...] } ──────────│
│── tools/call ──────────────→│
│←─ { content: [...] } ────────│5.3 能力协商（Capability Negotiation）
握手时双方声明支持什么；未声明的能力，对方 不应调用 。例如 Client 未声明 sampling，Server 就不该发 sampling/createMessage。
5.4 消息格式
底层均为 JSON-RPC 2.0：
- Request/Response ：
tools/list、tools/call（有id，需回复） - Notification ：
notifications/initialized（无id，不等回复）
6 示例：modelcontextprotocol/sdk
@modelcontextprotocol/sdk 是MCP官方提供的TS版本的sdk，实现了完整的MCP规范。
6.1 安装
bash
npm install @modelcontextprotocol/sdk zod6.2 创建 MCP Server
ts
// server.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
const server = new McpServer({
name: "demo-server",
version: "1.0.0",
});
server.registerTool(
"add",
{
description: "Add two numbers",
inputSchema: { a: z.number(), b: z.number() },
},
async ({ a, b }) => ({
content: [{ type: "text", text: `The sum of ${a} and ${b} is ${a + b}` }],
}),
);
// stdio：从 stdin 读协议消息，向 stdout 写回复
const transport = new StdioServerTransport();
await server.connect(transport);
console.error("MCP Server running via stdio");6.3 创建 MCP Client + 接 OpenAI
ts
// client.ts
import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
import OpenAI from "openai";
const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });
// spawn 子进程并 connect（内部会发 initialize 握手）
const transport = new StdioClientTransport({
command: "npx",
args: ["tsx", "server.ts"],
});
const mcpClient = new Client({ name: "demo-client", version: "1.0.0" });
await mcpClient.connect(transport);
const { tools } = await mcpClient.listTools();
const openaiTools = tools.map((tool) => ({
type: "function" as const,
function: {
name: tool.name,
description: tool.description,
parameters: tool.inputSchema,
},
}));
const messages: OpenAI.ChatCompletionMessageParam[] = [
{ role: "user", content: "What is 5 + 3 and 4 * 7?" },
];
let response = await openai.chat.completions.create({
model: "gpt-4o",
messages,
tools: openaiTools,
tool_choice: "auto",
});
const assistantMsg = response.choices[0].message;
messages.push(assistantMsg);
if (assistantMsg.tool_calls?.length) {
for (const toolCall of assistantMsg.tool_calls) {
const result = await mcpClient.callTool({
name: toolCall.function.name,
arguments: JSON.parse(toolCall.function.arguments),
});
const text = (result.content ?? [])
.map((c) => (c.type === "text" ? c.text : JSON.stringify(c)))
.join("\n");
messages.push({
role: "tool",
tool_call_id: toolCall.id,
content: text,
});
}
const final = await openai.chat.completions.create({
model: "gpt-4o",
messages,
});
console.log("Final:", final.choices[0].message.content);
} else {
console.log("Answer:", assistantMsg.content);
}
await mcpClient.close();Client 侧流程：
StdioClientTransportspawn Server 子进程Client.connect()完成 MCP 握手listTools()发现工具 → 转成 LLM API 格式- LLM 返回 tool_calls →
callTool()执行 → 结果追加到prompt中给 LLM