MCP（模型上下文协议）

一、MCP定义
MCP 是一套让大模型能够标准化地连接外部工具、数据和系统的协议。AI 世界里的“USB 接口标准”。

                 ┌─ 数据库
                 ├─ 文件系统
大模型 → MCP →  ──┼─ 搜索
                 ├─ 企业系统
                 ├─ GitHub
                 └─ 其他工具

二、MCP的作用
大模型原生局限：
1、知识存在截止时间，无法获取实时天气、新闻、股价；
2、不能读取本地文档、表格、代码仓库、企业数据库；
3、各家 Function Calling（函数调用）协议互不通用：M 个 AI 应用 × N 个工具 = M×N 套适配代码，开发成本极高；
4、多步复杂任务很难连贯调取外部资源，容易产生 AI 幻觉。
MCP 核心目标：一次开发工具，全平台 AI 通用接入。

三、三层核心架构（Host-Client-Server）
整体基于 JSON-RPC 2.0 通信，支持本地 Stdio、远程 Streamable HTTP 两种传输方式.
1、Host（宿主）
用户交互入口，内置大模型 + MCP 客户端：Claude 桌面端、Cursor 编辑器、VS Code、各类 AI 智能体应用；负责接收用户指令、统筹思考、发起工具调用。
2、MCP Client（客户端）
寄宿在 Host 内部，桥梁角色：标准化收发消息、管理连接、权限校验，用户无感知。
3、MCP Server（服务端）
轻量化独立小程序，对接各类外部资源：本地资源、数据服务（mysql、知识库）、在线工具（搜索引擎、地图、邮件、Git、办公系统）

四、三大核心能力
1、Tools（工具调用）
AI 主动调用外部功能：查天气、运行代码、发送邮件、数据库查询、文件读写；
2、Resources（资源读取）
直接加载静态 / 动态上下文：本地 PDF、文档、表格、网页内容、数据库条目，把资料投喂给大模型；
3、Prompts（提示词模板）
预设标准化提示词模板，统一任务范式（工作总结、数据分析、代码调试模板），跨应用复用。
五、MCP vs 传统 Function Calling

维度	MCP	传统函数调用 Function Calling
标准属性	跨厂商通用开放标准	各家自研私有协议（OpenAI、Anthropic 互不兼容）
复用性	一套 MCP Server，所有兼容 AI 均可使用	工具需要分别适配每一个大模型平台
能力发现	运行时动态扫描所有可用工具	启动前静态配置工具列表，难以更新
适用场景	本地文件、企业私有化系统、复杂多步骤 Agent 任务	简单单次在线 API 调用
安全管控	统一权限、沙箱隔离、访问日志	各家安全规则不统一

六、典型应用场景
1、AI 编程开发
Cursor、VS Code 接入 MCP：AI 读取本地项目代码、检索 Git 仓库、运行调试脚本、查阅接口文档；
2、个人本地助手
Claude 桌面读取电脑文档、整理笔记、汇总周报、检索本地资料；
3、企业办公智能体
对接企业 OA、报销系统、数据库、知识库，自然语言查询审批流程、业务数据；
4、数据分析
AI 调取表格、数据库数据，自动计算、生成图表、撰写分析报告；
5、个人效率
查实时新闻、天气、车票，收发邮件、日程管理。