从零到一MCP协议指南:从原理到实战
大模型越来越聪明,却始终无法顺畅连接外部世界。MCP(Model Context Protocol)正是为解决这一"碎片化"难题而生的统一通信底座——它让 AI 以"即插即用"的方式安全访问外部数据与工具。本文将系统拆解 MCP 的诞生背景、客户端-服务端架构、三种传输方式与三大核心能力,并结合 OpenCSG 的完整实践,讲清从源码仓库到 Agent 接入的全链路。
01 背景与诞生
在生成式AI快速发展的过程中,大模型作为"大脑"越来越聪明,却无法顺畅连接外部世界。
Function Calling(函数调用),是大语言模型(LLM)为了更好地连接外部世界而诞生的一项关键技术。可以把它理解为大模型与外部工具(如API、数据库、代码函数)进行交互的"关键能力"。
开发者面临一个巨大的痛点,如果想让大语言模型调用接口、读取代码仓库或访问本地SQL数据库,需要为每一种工具、每一种模型编写特定的集成代码。这种"点对点"的连接模式导致了极高的维护成本和极差的可移植性。
Model Context Protocol(MCP)在这样的背景环境下被提出,旨在解决这一问题。如果说LLM比作AI时代的计算引擎,那么MCP就是统一的通信底座。它让AI模型能够以"即插即用"的方式,安全、无缝地访问外部数据源和工具能力。

MCP旨在成为AI时代的"通用接口",从根本上解决AI与数据、工具集成的"碎片化"难题。
—— MCP 的核心使命
02 MCP核心架构:客户端-服务端模型
MCP采用了客户端-服务端架构,并引入了"宿主"分层,形成一个三位一体的运作体系。
2.1 三个关键角色
MCP Host(宿主应用):智能体的"神经中枢"。Host是用户与AI交互的第一入口,负责集成大模型,调度多个MCP Client的生命周期,并充当安全"守门员",决定哪些工具可以被执行。
MCP Client(客户端):连接意图与能力的"翻译官"。Client是嵌入在Host内部的协议实现层。Host每连接一个Server,就会实例化一个专用的Client。任务是将大模型的推理结果"翻译"成标准的JSON-RPC请求,并维护与Server的实时连接状态。
MCP Server(服务端):执行任务的真实环境。Server是能力的最终提供者,是一个独立的程序。它通过MCP协议向外展示自己有什么、能做什么。Server既可以部署在本地计算机,也可以部署在远程云端。

2.2 工作流程:从发现到执行
MCP的运作的三步流程:
01第一步:握手协议(能力发现)。这种初始交互用于确认MCP客户端与MCP服务器能够相互通信。客户端会分享它具有的功能以及它支持的MCP版本;服务器也会将支持的功能以及可提供的工具和资源分享给客户端。
02第二步:动态发现。完成初始交互后,客户端和服务器协同为用户解决问题。MCP允许客户端在其内存中存储相关数据,以帮助完成请求。这种共享和分析相关数据的能力,为模型提供了充分的上下文。
03第三步:执行与返回。服务器执行具体操作(如查询数据库、调用API),并将结果通过协议返回给客户端。
04第四步(扩展):服务器端支持可选扩展功能,例如实时更新的推送通知,以及长耗时操作的进度跟踪。

03 MCP通信传输方式
传输层(Transport Layer)定义了MCP客户端和服务器之间的通信机制,负责底层消息的发送与接收。
数据层实现了基于 JSON-RPC 2.0 的交换协议,该协议定义了消息结构和语义。
传输层主要有以下三种:

Streamable HTTP和SSE对比的优势:

04 MCP的三大核心能力
MCP Server可以向客户端提供三种主要能力,其中Resources,Prompts ,Tools都是主要用于体现"上下文"机制的作用。
01Resources 提供上下文数据
02Prompts 提供交互模板
03Tools 提供可执行能力
4.1 Tools(工具):可执行的函数
Tools是MCP最直接的能力,允许AI模型调用外部函数执行实际操作。每个Tool都有唯一的名称、描述和输入参数的JSON Schema,用于类型验证和文档说明。
典型应用场景:查询API余额、发送消息、创建文档、执行代码等。
4.2 Resources(资源):可读取的数据
Resources允许服务器向客户端共享数据,为语言模型提供上下文,如文件、数据库schema或应用特定信息。每个资源通过URI唯一标识。资源的设计目的是应用驱动的,Host应用程序可以根据自身需求决定如何整合上下文。
核心职责是提供"读什么", 存储和管理数据。
Resources与Tools的关键区别在于:
01Resources是被读取并为模型提供数据上下文。
02Tools:被执行,触发实际操作或计算
4.3 Prompts(提示模板):标准化的交互模板
Prompts是可重用的提示模板和工作流程,用于标准化和共享常见的LLM交互。帮助定义标准化的用户交互模式。
核心职责用于定义"怎么问", 封装交互逻辑。
05 实例-智能数据分析与报告生成MCP
一个智能销售数据分析的Agent可以利用Resources获取数据,再利用Prompts生成专业的分析报告。销售数据属于实时数据,模型不可能提前预知最新产生的实时数据,因此需要借助外部MCP的资源来提供数据用于Agent的分析能力。
01定义Resource提供数据源
02定义Prompt构建分析框架
03定义Tool 将生成的报告导出成文件
将数据库查询结果以API的方式将数据暴露为Resource。Agent可以随时读取最新数据,无需等待模型训练或手动更新。
Prompt可以设定分析的维度、重点和输出格式,确保Agent以一致、专业的方式完成任务。
Tool 将Agent生成导出成报告文件。
MCP部署成功后随时可以接入OpenCSG AgenticHub 进行无缝使用。
06 OpenCSG MCP 完整实践
OpenCSG 如何承接 MCP 生命周期
协议解决如何连接,OpenCSG 负责把 Server 作为可管理资产贯穿源码、说明文档、协议解析、发现、部署和调用。开发者可以从社区复用已有 Server,也可以创建自己的 MCP 仓库,再将仓库代码部署到 MCP 类型应用空间。
访问 https://opencsg.com/mcp/servers。Servers 页面适合先按业务目标选择完整服务,例如数据库文档查询、药品信息查询或提示词优化。可使用搜索框、全部与个人范围以及排序条件缩小结果。页面中的服务数量和排序会持续变化,本指南不固定记录数量。
1.用业务对象和动作组合搜索,例如"语言翻译"或"医疗保健"。
2.进入候选 Server,先阅读介绍和 文件Readme ,确认数据来源、依赖、许可证和维护状态。
3.再打开协议页面,核对环境变量和工具 Schema,避免只凭名称判断是否适用。
4.比较多个候选项后,再决定下载代码、本地运行或一键部署。

在 MCP Tools 中发现能力
访问 https://opencsg.com/mcp/servers/tools。Tools 页面把不同 Server 暴露的 Tool 汇总在同一入口,更适合已经知道所需动作但不知道由哪个 Server 提供的场景。搜索结果会同时显示 Tool 名称、所属 Server 和描述。
例如,需要"根据制造商查询药品"时,可以直接检索 Tool 描述,而不必逐个打开药品类 Server。点击结果后,应回到所属 Server 的协议页面,继续检查输入参数、必填环境变量和完整使用说明。

阅读 Server 详情与协议
一个 Server 详情页通常包含介绍、文件、协议和讨论等区域,并提供下载代码或一键部署入口。阅读顺序应从业务说明走向运行要求,而不是直接点击部署。

服务器配置表中的环境变量只说明名称、类型、用途和是否必填。真实密钥应在部署环境中设置,不能写入仓库。Tool 描述和类型标注会直接影响平台展示和模型选择,因此应把它们视为公开接口文档的一部分。
—— 安全提示
创建并发布 MCP 源码仓库
如果社区中没有满足需求的 Server,可以把本地项目发布为 OpenCSG MCP 仓库。创建入口需要登录。页面字段可能随产品版本调整,但核心信息包括所有者、仓库名称、简介、许可证和可见性。
1.登录 OpenCSG,选择新建 MCP,确定个人或组织所有者。
2.填写稳定的仓库名称和一句话简介。名称应反映业务能力,不使用临时项目名。
3.选择许可证和可见性。涉及企业内部接口时,应使用组织允许的私有范围。
4.创建仓库后上传 app.py、requirements.txt、README.md 和许可证文件。少量文件可在网页中创建或上传,持续开发建议使用 Git。
5.等待平台解析仓库,并在协议页面检查环境变量、Prompts、Resources 和 Tools 是否完整。
README 应说明用途、边界、依赖、运行命令、MCP 端点、环境变量名称、各项能力、调用示例和许可证。不要只复制代码注释。README 解释业务语义,协议页面展示机器可发现的接口,两者应保持一致。

一键部署到 MCP Space
复用社区 Server 时,可在详情页选择一键部署。平台会以仓库代码为基础创建运行实例。部署前先查看协议页面中的必填环境变量;缺少密钥或连接信息时,实例可能构建成功但调用仍会失败。
1.在目标 Server 详情页确认代码、许可证、环境变量和传输方式。
2.选择一键部署,并填写实例名称、所有者和可用的云资源。
3.在部署配置中填写必需环境变量。敏感值使用平台的密钥或环境变量机制保存。
4.提交部署后等待实例进入运行中状态,并记录平台给出的访问地址。
5.确认最终 MCP 地址包含正确的 /mcp 路径,再使用 Client 验证能力发现。
NOTE
一键部署会创建或更新云端运行资源,因此正式操作前应确认资源归属、可见性和费用规则。本指南只说明流程,不实际创建资源。

等到服务变成运行中即可以将mcp接入AgenticHub

手动创建 MCP 应用空间
自建 Server 可以通过 MCP 类型应用空间部署。该路径适合需要控制仓库内容、依赖版本和启动逻辑的项目。
1.登录后从个人头像进入新建应用空间。
2.填写所有者、空间名称和许可证,将 SDK 类型选择为 MCP,并选择云资源。
3.在空间仓库中添加完整项目文件。入口文件应能够启动 Streamable HTTP Server。
4.确保服务监听 0.0.0.0 和 8000 端口,端点保持为 /mcp。
5.在空间设置中添加运行所需环境变量,等待自动构建和启动。
6.运行状态正常后,从空间页面取得公开或受保护的服务地址。
如果构建失败,依次检查依赖能否安装、Python 版本、入口文件、启动命令和端口。如果运行成功但 Client 无法连接,重点检查 /mcp 路径、HTTPS 地址、认证头、重定向和请求超时。

接入 AgenticHub
在 AgenticHub 中,MCP 作为工具资源提供给 Agent。修改模型、工具、知识库或 Prompt 后,需要按照实例流程重新部署,新的配置才会进入运行环境。
1.在agent中选择工具,选择 MCP ,创建新的远程配置。
2.填写 Server 名称、选择类型,填写URL或 Command。
3.把工具绑定到目标 Agent 实例,并检查工具说明是否足以让模型正确选择。
4.部署或重新部署实例,在对话中用明确请求验证 Tool 调用和结果。


WARNING
Agent 能看到 Tool 不等于有权访问后端数据。Server 和后端系统仍需独立执行认证、授权和审计。
07 MCP的优势:从协议到可复用能力
与传统方式的对比

MCP 将外部能力组织为可发现的 Server 接口,OpenCSG 则补齐了从源码资产到运行服务的管理链路。开发者可以在 Servers 页面按服务发现能力,在 Tools 页面按具体动作反查 Server,通过协议页面检查 Schema,再把仓库部署到 MCP Space,并由 AgenticHub 接入 Agent。
优先复用社区 Server,可以降低重复开发成本,但仍要检查代码来源、许可证、权限和环境变量。需要连接企业内部系统、执行定制业务规则或满足特定合规要求时,应创建自有仓库,并把访问控制落实在 Server 和后端系统中。
对于开发者来说,MCP降低了AI应用集成的复杂度,让AI Agent能够真正实现"连接万物"的目标。无论你是构建AI驱动的IDE、增强聊天界面,还是创建自定义AI工作流,MCP都提供了标准化的方式连接LLM所需的上下文。
关于AgenticHub
AgenticHub是OpenCSG(开放传神)平台专为智能体(Agent)设计的一站式AI智能体开发平台,旨在构建、开发、自学习和持续进化智能体。它独特地融合了自然语言接入、可视化设计、大模型自适应、数据自提高及智能体间工作流编排等核心能力,提供了从自然语言交互到无代码和代码的完整智能体构建体验。
官网链接:

浙公网安备 33010602011771号