MCP 生态崛起——像搭积木一样复用 AI 工具

高德地图、Chrome DevTools、文件系统...... 所有能力一键接入 Agent

前言

上一篇文章我们聊了 MCP 的基础概念和跨进程调用。今天继续深入，看看 MCP 生态到底能给我们的开发效率带来多大提升。

先看一个场景：你的 Agent 需要------

• 查询某个坐标点附近的酒店
• 把结果保存到本地文件
• 打开浏览器展示酒店图片

放在以前，你可能要写一堆 HTTP 请求、文件操作、 Puppeteer 脚本，还要把这些功能封装成 Tool 供 LLM 调用。

但现在，有了 MCP 协议，这些能力全都有现成的 Server 可以直接复用。

图片注释原文： "有了 MCP 协议后，有个巨大的好处。任何人都可以开发基于这个协议的 MCP Server，然后可以直接复用。"

---

一、MCP 基础：架构三组件 + 三大原语

在深入实战之前，我们先快速建立 MCP 的核心概念框架，避免后续混淆。

1.1 架构三组件：Host、Client、Server

MCP 的通信模型由三个角色组成：

组件	本质	示例
MCP Host	AI 应用程序（Agent）	LangChain 脚本、Cursor、Claude Desktop
MCP Client	协议通信层（内置在 Host 中）	MultiServerMCPClient
MCP Server	独立的工具/资源/提示提供者	my-mcp-server、高德 MCP、Filesystem MCP

图片注释原文： "ai agent 是 MCP 客户端（host），可以通过 MCP 协议调用各种 MCP Server，clients 配置添加，实现跨进程工具调用。"

一句话总结 ：Host 是大脑，Client 是神经，Server 是手脚。 Host 通过 Client 与多个 Server 通信，实现能力扩展。

1.2 三大原语：Tools、Resources、Prompts

MCP 协议定义了三种可暴露的能力，统称为"原语（Primitives）"：

原语	作用	交互方式	类比
Tools（工具）	执行动作、计算	模型主动调用（传参执行）	AI 的"手"
Resources（资源）	提供数据、知识	模型被动接收（注入上下文）	AI 的"备忘录"
Prompts（提示模板）	提供指令模板、话术	Client 主动获取并填充	AI 的"SOP"

图片注释原文： "MCP 通过 stdio/http 跨进程提供 Tool/Resource/Prompt"

• Tool 最常见，和平时说的 Tool Use 没本质区别，只是跨进程了（抛饵）。
• Resource 可以作为 SystemMessage 的一部分，成为 Content。
• Prompt 则是预定义的提示词模板，可带参数动态渲染。

三者在 Agent 工作流中协同工作：

启动时读取 Resources 和 Prompts 构建高质量的 System Prompt；运行时根据用户 Query 自主决定调用哪些 Tools；Tool 执行结果回传后继续推理，直至完成任务。

---

二、远程 MCP 的应用场景

MCP 本质上还是 Tool，只不过包了一层进程，可以通过 stdio 或 HTTP/SSE 来访问。

常见场景

MCP Server	功能	典型用途
高德地图 MCP	位置查询、路线规划、POI 搜索	酒店查询、导航、地理编码
Chrome DevTools MCP	打开/关闭页面、点击元素、截图	自动化测试、网页信息抓取
FileSystem MCP	读写文件、创建目录	日志记录、数据持久化、配置管理

图片注释原文： "高德 MCP 可以做位置查询、路线规划等；ChromeDevTool 控制浏览器，打开关闭页面、点击元素、截图等；fileSystem 读写文件、创建目录等。"

这些 Server 可以是本地的（stdio），也可以是远程的（HTTP/SSE）。比如高德地图官方就提供了远程 MCP 服务，只需要一个 API Key 就能用。

---

三、一键集成多个 MCP Server

在 LangChain 中，MultiServerMCPClient 支持同时配置多个 MCP Server，无论是本地还是远程。

3.1 配置示例

javascript

import { MultiServerMCPClient } from '@langchain/mcp-adapters';
import { ChatOpenAI } from '@langchain/openai';

const mcpClient = new MultiServerMCPClient({
  mcpServers: {
    // 1. 远程 MCP（高德地图，通过 SSE）
    'amap-sse': {
      url: 'https://mcp.amap.com/sse?key=你的高德API密钥'
    },

    // 2. 本地 Node 编写的自定义 MCP（含 Tool + Resource + Prompt）
    'my-mcp-server': {
      type: 'stdio',
      command: 'node',
      args: ['路径/my-mcp-server.mjs']
    },

    // 3. 官方 FileSystem MCP（通过 npx 直接运行）
    'file-system-server': {
      type: 'stdio',
      command: 'npx',
      args: [
        '@modelcontextprotocol/server-filesystem',
        'C:\Users\...\workspace'  // 允许访问的根目录
      ]
    },

    // 4. Chrome DevTools MCP（通过 npx 运行）
    'chrome-devtools-server': {
      type: 'stdio',
      command: 'npx',
      args: [
        '--y',
        'chrome-devtools-mcp',
        '--port', '9222',
        '--chrome-path', 'C:\Program Files\Google\Chrome\Application\chrome.exe'
      ]
    }
  }
});

图片注释原文： "file-system-server: type:stdio, command:npx, args: '@modelcontextprotocol/server-filesystem', '路径'"

3.2 获取所有 Tool、Resource 和 Prompt

javascript

// 获取所有工具（用于绑定给 LLM）
const tools = await mcpClient.getTools();

// 获取所有 Resources（可注入 System Prompt）
const resources = await mcpClient.listResources();
let resourceContent = '';
for (const [serverName, resList] of Object.entries(resources)) {
  for (const res of resList) {
    const content = await mcpClient.readResource(serverName, res.uri);
    resourceContent += content[0].text;
  }
}

// 获取 Prompts（可动态获取提示模板）
const prompts = await mcpClient.listPrompts();
// 例如获取 'travel_guide' 模板并传入城市参数
const promptResult = await mcpClient.getPrompt('travel_guide', { city: '西安' });
// promptResult.messages 即为渲染后的提示消息

图片注释原文： "MultiServerMCPClient getResources；Object.entries 拼成字符串"

这三行代码，就把四个不同来源、不同语言、不同进程的 Server 中的所有能力全部聚合到了一起。这就是 MCP 生态的威力。

---

四、为什么 MCP 让复用变得如此简单？

在 MCP 之前，如果你想复用别人写的 Tool，通常要：

• 复制代码，修改依赖
• 或者封装成 REST API，自己写 Client
• 语言不同时还要跨语言 RPC

而现在，只要对方按照 MCP 规范暴露了一个 Server（stdio 或 HTTP），你就可以直接通过 MultiServerMCPClient 配置一下 URL 或命令，零代码侵入地拿到所有工具、资源和提示。

图片注释原文： "MCP 本质上还是 tool，只不过还包了一层进程，可以通过 stdio/http 来访问。"

这种"插件化"的架构，让 AI Agent 的能力边界可以无限扩展------需要什么能力，就加一个 MCP Server 配置。

---

五、生态现状

目前 MCP 生态已经涌现出大量官方和社区贡献的 Server：

• 官方维护：FileSystem、GitHub、Slack、Google Drive 等
• 第三方：高德地图、Browser Automation、Database（PostgreSQL/MySQL）、Redis 等
• 自定义：你可以为自己的业务系统开发专属 MCP Server

未来，MCP 极有可能成为 AI Agent 领域的 "USB 接口标准" ------任何工具只要插上这个接口，就能被任意 Agent 识别和使用。

---

六、小结

• MCP 架构：Host（Agent） 内嵌 Client ，通过 stdio/HTTP 连接多个 Server
• MCP 能力三原语：Tools（行动） 、Resources（知识） 、Prompts（话术）
• MultiServerMCPClient 支持同时接入本地和远程多个 Server
• 生态正在迅速丰富，从地图、浏览器到文件系统应有尽有

下一篇文章，我们将基于这些 Server，实现一个完整的实战案例：查询酒店 -> 保存结果 -> 浏览器展示图片。