MCP 协议入门：AI 工具集成的通用标准

MCP（Model Context Protocol）是由 Anthropic 创建、现由广泛的行业联盟维护的开放规范。它定义了 AI 模型（称为「客户端」）发现和调用外部能力（称为「服务器」）的标准方式——如读文件、查数据库、调 API 或执行代码——通过统一的 JSON-RPC 接口。

在 MCP 之前，每个 AI 工具集成都是定制的：模型厂商需要为每个服务编写自定义插件。这造成了 N×M 问题——N 个模型乘以 M 个工具意味着 N×M 个集成。MCP 将其简化为 N+M：每个模型实现一次客户端，每个工具实现一次服务端，就能全部互通。

MCP 采用客户端-服务端架构。AI 应用（如 Claude Desktop、Cursor 或你自己的应用）充当 MCP 客户端。外部工具——数据库连接器、文件系统适配器、GitHub 集成——充当 MCP 服务端。它们通过传输层通信，本地工具通常用 stdio，远程服务用 HTTP + SSE（Server-Sent Events）。

MCP 服务端暴露三种能力：tools（模型可调用的函数）、resources（模型可读取的数据）和 prompts（可复用的提示词模板）。服务端在初始化时声明其能力，客户端将其提供给模型。

连接服务端之前，先确认四件事：支持 MCP 的客户端、服务端所需的运行时（视安装包而定，Node.js 或 Python）、启动它的确切命令，以及它需要的凭据或文件路径。阅读服务端 README，了解必需的环境变量和支持的传输方式。先在测试目录或测试账号上使用只读服务端，并把配置纳入版本控制。使用远程服务端时，确认认证方式和传输支持。

最快的方式是通过支持 MCP 的客户端开始。Claude Desktop、Cursor 和 Cline 都原生支持 MCP。你只需添加服务端配置——例如一个文件系统服务端让 AI 浏览你的项目文件，或一个 GitHub 服务端让它读取 Issue 和 PR——模型就能自动获得这些能力。

在 Claude Desktop 中，一个典型的 MCP 配置如下：编辑 claude_desktop_config.json 文件，添加一个包含命令和参数的服务端条目，然后重启。服务端进程会自动启动，工具就会在对话中可用。

MCP SDK（提供 TypeScript 和 Python 版本）让构建服务端变得简单。你将工具定义为带 JSON Schema 描述的函数，注册到服务端，然后处理传入请求。一个最小服务端可以在 50 行代码内完成。

更多关于 AI 工具集成模式，请参阅我们的「构建 AI Agent」教程和「最佳 AI 编程 Agent」指南。要探索兼容 MCP 的工具，可查看 AI 编程工具合集和 MCP 工具使用提示词模板。

由于 MCP 服务端可以暴露强大的能力——文件系统访问、数据库查询、API 调用——安全至关重要。在把输入传给工具之前，始终验证和净化。以最小权限运行 MCP 服务端。远程服务端使用 HTTPS 加认证。在日志中审计工具调用，并设置速率限制以防止滥用。MCP 规范包含安全注意事项章节，每位服务端作者都应阅读。

成功的配置在端到端都能看到。连接后，客户端应列出服务端的 tools、resources 或 prompts；服务端日志应显示初始化握手且没有错误。用一个无害输入调用工具，例如列出测试目录中的文件，并确认结果与你在客户端外看到的一致。然后触发一个预期错误，例如请求不存在的文件，检查客户端会报告错误而不是静默成功。对远程服务端，验证未认证请求会被拒绝。

服务端没有出现时，先检查命令路径：图形客户端通常不会继承你的 shell PATH，因此要用绝对路径或文档中给出的启动器。然后查看客户端的 MCP 日志和服务端的 stderr。如果服务端启动了但工具缺失，确认客户端已完成初始化，且服务端声明了你预期的能力。工具调用失败时，把参数与服务端的 JSON Schema 对照；类型不匹配和缺少必填字段很常见。权限错误通常意味着服务端进程读不到目标路径，或缺少 API 权限范围。每次只改一处，并在两次尝试之间重启客户端。

如果单个脚本或一次 HTTP 调用已经能解决问题，就不要用 MCP；增加协议和服务端进程会扩大故障面。无法隔离服务端的文件或网络访问、凭据无法收窄权限，或政策禁止把数据发给第三方服务端时，也应避免使用。如果你只是想把几份静态文档粘进提示词，检索流水线或直接放入上下文可能更简单。也不要在没有人工批准破坏性操作的情况下，把可写服务端暴露给 Agent。