MCP 协议到底是什么？一文讲透 Model Context Protocol 原理与实战
MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年底推出的开放标准协议，现已成为 AI 应用与外部工具、数据源交互的事实标准。2025 年底 MCP 捐赠给 Linux 基金会后，OpenAI、Google、Microsoft、AWS 等厂商全面支持，SDK 月下载量突破 9700 万，GitHub Stars 超过 81000。
如果把 AI 模型比作电脑，那 MCP 就是 USB-C 接口——一个通用连接器，让你写一次工具就能在所有 AI 客户端上运行。
MCP 解决了什么问题？
在 MCP 出现之前，每接入一个新工具，开发者就要为每个 AI 模型单独写一套集成代码。如果你有 M 个模型和 N 个工具，就要维护 M×N 个集成。MCP 把这个复杂度降到了 M+N——模型端和工具端各实现一次协议即可。
核心痛点：
- 每个工具厂商各自为政，集成方式不统一
- 相同功能在不同 AI 客户端上需要重复开发
- 工具发现、权限管理、错误处理缺少标准
MCP 通过定义统一的通信协议、工具注册规范和资源发现机制，一次性解决了这些问题。
三大核心原语
MCP 定义了三种基本能力单元，所有功能都围绕它们构建：
1. Tools（工具）
Tools 是模型可以调用的操作，有副作用。比如查询数据库、发送消息、创建文件。
{ "name": "query_database", "description": "执行 SQL 查询并返回结果", "inputSchema": { "type": "object", "properties": { "sql": { "type": "string", "description": "SQL 查询语句" } }, "required": ["sql"] } }
2. Resources（资源）
Resources 是只读的上下文数据，模型可以主动拉取。比如代码仓库内容、数据库表结构、日志文件。
{ "uri": "file:///project/README.md", "name": "项目说明文档", "mimeType": "text/markdown" }
3. Prompts（提示模板）
Prompts 是可复用的提示词模板，支持参数化。比如代码审查模板、Bug 分析模板。
{ "name": "code_review", "description": "代码审查模板", "arguments": [ { "name": "language", "required": true }, { "name": "focus_area", "required": false } ] }
技术架构详解
MCP 的通信基于 JSON-RPC 2.0，整体架构分为三层：
┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Host │ │ Server │ │ Data Source │ │ (AI 客户端) │◄───►│ (MCP 服务) │◄───►│ (外部系统) │ └─────────────┘ └─────────────┘ └─────────────┘ Client MCP API
Host（宿主）：运行 AI 模型的应用程序，如 Claude Desktop、Cursor、Cline。一个 Host 可以同时连接多个 Server。
Client（客户端）：Host 内部与 Server 建立连接的组件，每个 Client 维护一个与 Server 的会话。
Server（服务端）：提供 Tools、Resources、Prompts 的程序，暴露能力给 Client 使用。
传输方式
MCP 支持两种传输方式：
- stdio：本地开发场景，Server 作为子进程运行，通过标准输入输出通信
- Streamable HTTP：生产环境场景，Server 作为独立服务运行，支持负载均衡和 CDN 部署
Streamable HTTP 是 2025 年 11 月引入的新传输方式，取代了早期的 SSE 方案，更契合云原生架构。
认证机制
2025 年 6 月起，MCP 规范引入 OAuth 2.1 作为远程 Server 的标准认证方案。这意味着：
- 远程 MCP Server 不再使用裸 API Key
- 客户端通过 OAuth 2.1 流程获取 access token
- 支持细粒度的权限范围控制（scope）
MCP vs Function Calling：有什么区别？
这是一个常见误区。MCP 和 Function Calling 不是竞争关系：
| 对比维度 | Function Calling | MCP |
|---|---|---|
| 定位 | 模型 API 层 | 集成协议层 |
| 作用 | 让模型输出结构化调用 | 标准化工具注册和通信 |
| 范围 | 单个模型调用 | 跨客户端、跨工具 |
| 关系 | 底层能力 | 上层协议 |
简单说，Function Calling 是模型知道"怎么调用工具"，MCP 是定义了"工具怎么被所有模型发现和调用"。现代架构中两者配合使用。
快速上手：5 分钟搭建一个 MCP Server
以 Python 为例，使用 FastMCP 框架：
from mcp.server.fastmcp import FastMCP mcp = FastMCP("my-tools") @mcp.tool() def get_weather(city: str) -> str: """获取指定城市的天气信息""" return f"{city}：晴，25°C" @mcp.resource("config://app") def get_config() -> str: """返回应用配置""" return '{"version": "1.0", "debug": false}' @mcp.prompt() def code_review(code: str) -> str: """代码审查提示模板""" return f"请审查以下代码，关注安全性和性能：\n\n{code}" if __name__ == "__main__": mcp.run()
在 Claude Desktop 的配置文件中添加：
{ "mcpServers": { "my-tools": { "command": "python", "args": ["server.py"] } } }
重启 Claude Desktop 后，模型就能自动发现并使用你定义的工具了。
2026 年生态现状
MCP 生态在 2026 年已非常成熟：
主流 AI 客户端支持：Claude Desktop、Claude Code、Cursor、Cline、Continue、OpenClaw、Codex、Zed、Chatbox 等全部原生支持 MCP。
开源 Server 生态：500+ 个公开 MCP Server，覆盖 GitHub、Slack、PostgreSQL、Stripe、Figma、Docker、Kubernetes、Notion、Linear、Chrome DevTools 等主流工具。
2026 路线图方向：无状态化。当前 Server 是有状态的，每个连接维持 session，限制了横向扩展。2026 年将把 session 的创建、恢复、迁移标准化，使 MCP Server 能像无状态 Web 服务一样水平扩展。
常见问题
MCP 是免费的吗？ 是的，MCP 是开源协议，任何人都可以免费使用和实现。
MCP 只支持 Claude 吗？ 不是。MCP 是开放标准，所有主流 AI 客户端都已支持。
MCP 和 LangChain 的区别？ LangChain 是应用框架，提供编排和链式调用；MCP 是通信协议，定义工具如何被发现和调用。两者互补。
远程 MCP Server 安全吗？ 2025 年规范已引入 OAuth 2.1 认证，安全性有标准保障。但安全责任在 Host 端——Host 控制用户授权、凭证范围和工具白名单。