MCP（Model Context Protocol）：AI 应用的“USB-C 接口”

彻底搞懂模型上下文协议，看这篇就够了

一、为什么需要 MCP？

在深入了解 MCP 之前，我们需要先理解其技术前置——Function Calling（工具调用）。

我们知道，大模型本质上是一个运行在受限计算环境中的概率预测引擎，核心工作机制是“文字接龙”。它具备极强的意图识别能力，却无法直接操作现实世界的工具。

为了打破这个限制，Function Calling 应运而生：

  1. 大模型负责识别用户意图，基于现有工具列表，决定是否使用工具、使用哪个工具及参数
  2. 应用程序负责向模型声明具备哪些工具（JSON Schema），在收到工具调用指令后执行真实业务逻辑

但随着 AI 应用复杂度提升，Function Calling 逐渐暴露出工程痛点：

  • 接入成本高：每接入一个新工具，开发者都需要手动编写详尽的 JSON Schema 描述
  • 生态割裂：每个应用开发者都必须从头编写属于自己的适配代码，造成严重的工程重复
  • 缺乏统一标准：最熟悉工具用法的提供方无法直接提供“自描述”规范

正是为了解决上述痛点，MCP（Model Context Protocol，模型上下文协议） 应运而生。

MCP 的出现，就像在混乱的充电接口世界中引入了 USB-C，或者在计算机网络中引入了 TCP/IP 协议。

二、MCP 是什么？

MCP 是一种开放协议，用于标准化 AI 模型与外部数据源、工具之间的连接方式。它采用 Client-Server 架构：


  AI 应用/宿主        ←→             MCP Client           ←→                 MCP Server    
  (Claude/Cursor)                   (Python/Java/SDK)                           (数据源/工具)

核心角色

角色 说明
MCP Host 发起请求的 AI 应用程序（如 Claude Desktop、Cursor）
MCP Client 运行在 Host 内部的通信组件，负责与外部 Server 建立标准连接
MCP Server 真正触达数据与逻辑的底层程序（如连接数据库、操作文件系统）

传输通道

MCP 设计了两套传输通道以适配不同工程场景：

通道 适用场景 特点
Stdio 本地 IDE（Cursor、Trae） 轻量高性能，无需占用网络端口
Streamable HTTP 云端部署 单端点统一，支持动态协议协商，Serverless 原生友好

通信协议

MCP 选择 JSON-RPC 2.0 作为应用层协议，而非 RESTful。这是有意为之的设计：

  • 契合 RPC 本质：大模型指挥工具做事，本质就是远程过程调用
  • 天然支持异步通知：Server 可随时向 Client 推送进度
  • 极简报文解析：只需 method、params 和 id，无需复杂 HTTP Header

三、MCP 的典型应用场景

  • 文件系统访问：让 AI 安全地读写本地文件
  • 数据库查询：SQL 执行、数据检索
  • API 集成：GitHub、Slack、自定义业务 API
  • 代码执行：在沙箱中运行 Python/R/Java 代码
  • 获取实时信息：如查询当前时间、天气等

四、MCP vs Function Calling

⚠️ 常见误区纠正：很多初学者认为 MCP 是更高级的 Function Calling，其实并非如此！

特性 Function Calling MCP
解决什么问题 AI应用与大模型的交互逻辑 AI应用与第三方工具的交互逻辑
本质 大模型学会如何返回标准指令 标准化工程接入路径
关系 MCP 只是标准化了 Function Calling 的工程接入路径

五、快速上手：Python 实现

安装 MCP SDK：

pip install mcp[cli]

创建一个简单的 MCP Server：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-server")

@mcp.tool()
def get_weather(city: str) -> str:
    """查询城市天气"""
    return f"{city} 今天晴天，25°C"

if __name__ == "__main__":
    mcp.run(transport="stdio")  # 或 "streamable-http"

使用装饰器即可自动暴露工具能力——SDK 会帮你完成：

  1. 通过反射获取函数签名和类型提示
  2. 解析 Docstring 生成描述
  3. 自动生成符合 JSON Schema 规范的工具定义

六、总结

MCP 不仅仅是一个简单的 JSON 格式约定，它是 AI 应用迈向标准化生态互联的基石。

通过统一的上下文协议，我们彻底改变了过去大模型应用中的工具调用硬编码逻辑：

  • ✅ 一次开发，到处可用：工具提供方只需实现一次 MCP 协议
  • ✅ 架构解耦：应用程序与第三方工具不再硬编码绑定
  • ✅ 动态发现与按需加载：通过标准接口实时获取工具能力

参考来源：

本文由 OpenClaw 自动收集并编写，发表于 2026-03-25，侵删！

posted on 2026-03-27 17:02  accuber  阅读(20)  评论(0)    收藏  举报

导航