MCP知识梳理(1)

作者：没有四次元口袋的蓝胖

日期：2026-10-05

标签：MCP协议, AI工具

---

MCP协议基础

2024年底Anthropic开源了MCP（Model Context Protocol），短短一年多就成了AI工具生态的事实标准。Claude Desktop、Cursor、VS Code、ChatGPT全都接入了它，GitHub上相关服务器已经超过6000个。面试中问到AI Agent、工具调用、大模型应用架构，MCP几乎绑绑会涉及。

这篇笔记聚焦MCP协议的基础知识------从它是什么、核心架构、三大原语，到常用的官方Server（Filesystem和Fetch），帮你建立对MCP的完整认知。

核心掌握：MCP是什么、Host/Client/Server三层架构、Tools/Resources/Prompts三大原语、JSON-RPC 2.0通信、stdio与HTTP传输、FileSystem与Fetch服务。

---

一、MCP是什么

1.1 一句话定义

MCP（Model Context Protocol）是一个开源的标准化协议，定义了AI应用如何与外部工具和数据源进行通信。

用一个类比：MCP就是AI世界的USB-C接口。在USB-C之前，每个手机品牌用自己的充电口；在MCP之前，每个AI应用要对接每个工具，都得写一套定制集成。MCP把这件事标准化了------任何MCP Client都能连任何MCP Server，不用写胶水代码。

1.2 解决了什么问题

假设你有5个AI应用、10个外部工具（数据库、GitHub、文件系统、Slack......）：

传统方式：5 × 10 = 50 个定制集成
MCP方式：5 个 Client + 10 个 Server = 15 个组件

这就是从 M×N 问题到 M+N 问题的转变。写一个MCP Server，所有支持MCP的AI应用都能用。

在传统模式下，OpenAI有Function Calling的格式，LangChain有自己的Tool抽象，Anthropic有Tool Use规范------同一个数据库要对接三个AI平台，就得写三套完全不同的集成代码。MCP的出现终结了这种混乱。

1.3 发展时间线

时间	事件
2024.11	Anthropic发布MCP协议，开源规范与SDK
2025年上半年	Cursor、VS Code、Zed等开发工具率先接入
2025年下半年	OpenAI的Agents SDK和Responses API也支持MCP
2025.12	MCP捐赠给Linux基金会（AAIF），成为中立治理的开放标准
2026年	生态爆发，公开MCP Server超过6000个，成为AI工具对接的事实标准

1.4 谁在用MCP

• AI助手：Claude Desktop、ChatGPT
• 开发工具：Cursor、VS Code、Zed、Windsurf、Continue.dev
• Agent框架：LangChain、OpenAI Agents SDK
• 企业场景：Block、Apollo等公司已将MCP集成到内部系统

---

二、核心架构：Host / Client / Server

MCP采用三层架构，理解这三个角色是理解整个协议的基础。

┌─────────────────────────────────┐
│          Host（宿主）            │
│  如 Claude Desktop / Cursor     │
│                                 │
│  ┌──────────┐  ┌──────────┐    │
│  │MCP Client│  │MCP Client│    │
│  └────┬─────┘  └────┬─────┘    │
└───────┼──────────────┼─────────┘
        │              │
   JSON-RPC 2.0   JSON-RPC 2.0
        │              │
  ┌─────┴─────┐  ┌────┴──────┐
  │MCP Server │  │MCP Server │
  │ (文件系统) │  │ (GitHub)  │
  └───────────┘  └───────────┘

2.1 三个角色

角色	职责	举例
Host	包含LLM的AI应用，负责编排交互、管理Client实例	Claude Desktop、Cursor、VS Code
MCP Client	嵌入在Host内部，与MCP Server维持1:1连接，发送JSON-RPC请求	Host内部的协议模块
MCP Server	独立进程，对外暴露Tools/Resources/Prompts，不知道模型是谁	filesystem server、fetch server

几个关键点：

• Host可以管理多个Client：Claude Desktop同时连接Filesystem Server和GitHub Server
• 每个Client只连一个Server：Client和Server之间是1:1关系
• Server是无感知的：Server不知道对面是Claude还是Cursor，只处理JSON-RPC请求

2.2 通信协议：JSON-RPC 2.0

所有Client与Server之间的通信都基于JSON-RPC 2.0，这是一种轻量级的远程过程调用协议。消息格式如下：

// 请求
{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "read_file",
    "arguments": { "path": "/home/demo.txt" }
  },
  "id": 1
}

// 响应
{
  "jsonrpc": "2.0",
  "result": {
    "content": [
      { "type": "text", "text": "文件内容..." }
    ]
  },
  "id": 1
}

关键字段：

• method：调用的方法名（如 tools/list、tools/call、resources/read）
• params：方法参数
• id：请求/响应关联ID，确保异步通信中能正确匹配

2.3 两种传输方式

传输方式	适用场景	特点
stdio	本地进程	Host启动Server子进程，通过标准输入/输出通信，无需网络端口，安全默认
Streamable HTTP	远程服务	Server暴露HTTP端点，支持多租户、云端部署、远程API

stdio的工作流程 ：Host把Server作为一个子进程启动（类似 npx -y @modelcontextprotocol/server-filesystem），然后通过stdin发送JSON-RPC请求、通过stdout接收响应。整个过程不需要打开任何网络端口，安全性天然有保障。

注意：早期版本使用HTTP+SSE（Server-Sent Events），2025年11月规范已将其废弃，统一为Streamable HTTP。面试时别再说"SSE传输"了。

2.4 连接生命周期

一次完整的MCP交互流程：

1. 初始化：Client发送 initialize 请求 → Server返回能力声明
2. 能力发现：Client发送 tools/list → Server返回可用工具列表
3. 工具调用：模型决定调用某工具 → Client发送 tools/call → Server执行并返回结果
4. 结果回传：Client将结果交给模型 → 模型生成最终回复

这个流程中，步骤2的动态发现是MCP的精髓------Client不需要提前知道Server有什么工具，运行时查询即可。

---

三、三大原语：Tools / Resources / Prompts

MCP Server对外暴露三种能力（称为primitives），理解它们是掌握MCP的核心。

3.1 Tools（工具）

可被模型调用的动作。有名称、描述、输入Schema，模型根据描述判断何时调用。

• 类比：后端API的POST接口
• 特点：可以有副作用（写文件、发消息、执行计算）
• 示例：read_file、search、send_email

{
  "name": "get_weather",
  "description": "获取指定城市的天气信息",
  "inputSchema": {
    "type": "object",
    "properties": {
      "city": { "type": "string", "description": "城市名称" }
    },
    "required": ["city"]
  }
}

模型的决策链：看到 description → 判断用户是否需要天气 → 构造参数调用 → 拿到结果 → 组织回答。所以 description 写得越清晰，模型调用的准确率越高。

3.2 Resources（资源）

只读数据源。模型可以拉取Resources作为上下文，但不能修改。

• 类比：后端API的GET接口
• 特点：通过URI标识（如 file:///config.json、db://users/123），无副作用
• 示例：配置文件、数据库记录、API响应
• 与Tools的区别：Resources是被动拉取的"数据"，Tools是主动执行的"动作"

3.3 Prompts（提示模板）

可复用的提示词模板。封装与特定服务交互的最佳实践。

• 类比：API的使用说明书 / 预设的对话工作流
• 特点：接受参数，生成结构化的消息列表
• 示例：代码审查模板、SQL查询引导模板、调试流程模板
• 使用场景：当你的工具比较复杂时，Prompt可以教模型"怎么用效果最好"

3.4 三者对比

原语	读写	谁触发	类比	典型场景
Tools	可写	模型决定调用	POST接口	执行操作、计算、API调用
Resources	只读	模型/用户拉取	GET接口	读取文件、查询数据库
Prompts	只读	用户选择	API文档	预定义交互模板

---

四、基本使用：配置与启动MCP Server

4.1 配置文件位置

MCP Client（如Claude Desktop）通过JSON配置文件声明要连接的Server：

系统	配置文件路径
macOS	~/Library/Application Support/Claude/claude_desktop_config.json
Windows	%APPDATA%\Claude\claude_desktop_config.json
Linux	~/.config/Claude/claude_desktop_config.json

4.2 配置结构

{
  "mcpServers": {
    "server-name": {
      "command": "npx",
      "args": ["-y", "包名", "参数..."],
      "env": {
        "API_KEY": "xxx"
      }
    }
  }
}

关键字段说明：

• command：启动Server的命令（npx、uvx、node、python、docker等）
• args：命令参数，通常包含包名和业务参数
• env：环境变量，常用于传递API Key等敏感信息

Cursor也支持项目级配置 ：在项目根目录创建 .cursor/mcp.json，可以为不同项目配置不同的Server，提交到Git后团队共享。

---

五、FileSystem文件服务

让AI读写本地文件的MCP Server，是使用最广泛的官方Server之一。

5.1 配置示例

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/bluep/Documents",
        "/Users/bluep/Projects"
      ]
    }
  }
}

args中从第三个参数开始，每个都是允许访问的目录路径（白名单机制）。可以配多个，但务必只开放必要目录。

5.2 提供的Tools

工具名	功能
read_file	读取文件内容
write_file	写入文件
list_directory	列出目录内容
create_directory	创建目录
move_file	移动/重命名文件
search_files	按正则模式搜索文件
get_file_info	获取文件元信息（大小、修改时间等）

5.3 使用场景

• 让AI分析本地代码项目结构，帮你写README
• 读取配置文件并解释每个字段含义
• 批量重命名或整理文件
• 读取日志文件排查线上问题

5.4 安全注意点

• 最小权限原则 ：只开放必要目录，绝不要开放根目录 / 或 C:\
• Server无法访问白名单之外的路径，这是代码层面的安全约束
• 修改配置后需重启AI应用才能生效
• 不要在开放目录中存放敏感文件（如 .env、密钥文件）

---

六、Fetch网页服务

让AI抓取网页内容的MCP Server，将HTML转换为Markdown格式，方便模型理解。

6.1 配置示例

方式一：通过uvx（推荐，Python）

{
  "mcpServers": {
    "fetch": {
      "command": "uvx",
      "args": ["mcp-server-fetch"]
    }
  }
}

方式二：通过npx（Node.js）

{
  "mcpServers": {
    "fetch": {
      "command": "npx",
      "args": ["-y", "mcp-fetch-server"]
    }
  }
}

方式三：通过Docker

{
  "mcpServers": {
    "fetch": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "mcp/fetch"]
    }
  }
}

6.2 提供的Tools

工具名	功能
fetch	抓取URL，HTML转Markdown返回

6.3 可选参数

参数	说明
url	必填，要抓取的网页地址
max_length	最大返回字符数（默认5000）
start_index	从第几个字符开始返回（支持分块读取大页面）
raw	是否返回原始HTML，不做Markdown转换

6.4 高级配置

{
  "mcpServers": {
    "fetch": {
      "command": "uvx",
      "args": [
        "mcp-server-fetch",
        "--ignore-robots-txt",
        "--user-agent=MyBot/1.0",
        "--proxy-url=http://proxy:8080"
      ]
    }
  }
}

• --ignore-robots-txt：忽略网站的robots.txt限制（谨慎使用）
• --user-agent=xxx：自定义请求的User-Agent
• --proxy-url=xxx：配置代理地址

6.5 使用场景

• 让AI获取网页上的最新信息（新闻、文档、API说明）
• 抓取技术博客内容做总结
• 读取在线文档作为上下文
• 获取GitHub Issue或PR的内容

---

🗺️ 思维导图速览

MCP协议（Model Context Protocol）
├── 是什么
│   ├── Anthropic 2024.11开源的标准化协议
│   ├── AI世界的"USB-C接口"
│   └── 将M×N集成问题降为M+N
├── 三层架构
│   ├── Host：AI应用（Claude/Cursor/VS Code）
│   ├── Client：嵌入Host，维持JSON-RPC连接（1:1连Server）
│   └── Server：独立进程，暴露Tools/Resources/Prompts
├── 通信基础
│   ├── JSON-RPC 2.0协议（请求/响应/通知）
│   ├── stdio传输（本地子进程，安全默认）
│   └── Streamable HTTP传输（远程，多租户）
├── 三大原语
│   ├── Tools：可执行的动作（模型调用，可有副作用）
│   ├── Resources：只读数据（URI标识，被动拉取）
│   └── Prompts：可复用的提示模板（教模型用好工具）
├── 配置使用
│   ├── 配置文件：JSON格式，声明command/args/env
│   └── 支持全局配置与项目级配置
└── 常用Server
    ├── Filesystem：读写本地文件（白名单目录）
    └── Fetch：抓取网页内容（HTML→Markdown）

---

📝 写在最后

学习建议

1. 先用起来：先配置Filesystem和Fetch两个官方Server，在Claude Desktop或Cursor里体验AI操作文件、抓取网页的感觉，建立直觉。
2. 理解架构：重点理解三层架构和三大原语，这是面试考察的核心。能画出Host/Client/Server的关系图就差不多了。
3. 动手配置：熟悉JSON配置文件的写法，搞清楚command、args、env各字段的含义，理解stdio传输的安全机制。
4. 关注生态 ：GitHub上 modelcontextprotocol/servers 仓库有大量官方和社区Server，看看别人怎么写的，比读文档有效。

面试高频问题速答

Q：什么是MCP？

MCP（Model Context Protocol）是Anthropic开源的标准化协议，定义了AI应用与外部工具/数据源的通信方式。它采用Host/Client/Server三层架构，基于JSON-RPC 2.0通信，通过Tools、Resources、Prompts三大原语暴露能力。核心价值是将M×N的集成问题简化为M+N，实现"一次开发，到处接入"。2025年底已捐赠给Linux基金会。

Q：MCP的通信协议是什么？

JSON-RPC 2.0。一种轻量级的远程过程调用协议，基于JSON格式。请求包含method、params、id三个核心字段。

Q：stdio和HTTP传输怎么选？

本地开发、单用户场景用stdio（简单、安全、无需网络端口）。远程服务、多租户、云端部署用Streamable HTTP。

Q：MCP的安全性如何保证？

①权限隔离：每个Server只暴露声明的能力，无法越权操作；②凭证隔离：API Key等敏感信息存在Server端的环境变量中，不会传给模型；③最小权限：如Filesystem Server只开放配置的目录白名单；④用户确认：模型调用工具前通常需要用户确认（取决于Host实现）。