什么是 MCP？Model Context Protocol 通俗解读

通俗理解

在 MCP 出现之前，每个 AI 应用想调用外部工具，都得自己写一套对接代码。连 Slack 要写一个适配器，连数据库要写另一个，连 GitHub 又是一个——就像早年手机充电器，每个品牌一种接口。

MCP 就是 AI 工具调用的 USB-C。

它定义了一套标准协议：无论是文件系统、数据库、API 还是任何外部服务，只要实现了 MCP 接口，任何支持 MCP 的 AI 应用都能直接使用。

	没有 MCP	有 MCP
工具接入	每个 AI 应用各写一套	写一次，处处可用
工具发现	硬编码在应用里	AI 自动发现可用工具
生态	碎片化，各自为战	统一市场，共享生态

没有 MCP

每个 AI 应用为每个工具各写一套适配代码，工具和应用之间 N×M 对接，生态碎片化。

重复开发碎片化

有 MCP

工具实现一次 MCP 接口，所有 AI 应用都能调用。N+M 对接，统一生态。

写一次用处处自动发现统一生态

技术架构

MCP 采用客户端-服务器架构：

code

┌─────────────┐     MCP 协议      ┌─────────────────┐
│  AI 应用     │ ◄──────────────► │  MCP Server      │
│ (MCP Client) │   JSON-RPC 2.0   │ (工具提供方)      │
│              │                   │                   │
│ Claude Code  │                   │ 如：GitHub Server │
│ Cursor       │                   │     Postgres      │
│ Windsurf     │                   │     Filesystem    │
└─────────────┘                   └─────────────────┘

核心概念只有三个：

Tools（工具）：MCP Server 暴露的可调用函数，比如 search_issues、run_query
Resources（资源）：MCP Server 提供的只读数据，比如数据库表结构、文件列表
Prompts（提示模板）：预定义的交互模板，引导 AI 更好地使用工具

MCP 协议三要素

Tools（工具）

MCP Server 暴露的可调用函数，如 search_issues、run_query。AI 可主动调用。

Resources（资源）

MCP Server 提供的只读数据，如数据库表结构、文件列表。供 AI 读取上下文。

Prompts（提示模板）

预定义的交互模板，引导 AI 更好地使用工具，降低出错率。

工程实践

在 Claude Code 中使用 MCP Server，只需要一行配置：

bash

# 添加一个 GitHub MCP Server
claude mcp add github -- npx -y @modelcontextprotocol/server-github

# 添加一个本地文件系统 Server
claude mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem /path/to/dir

配置后，Claude Code 会自动发现这些 Server 提供的工具，并在需要时调用。

在代码中集成 MCP Server（以 TypeScript 为例）：

typescript

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";

const server = new McpServer({ name: "my-tool", version: "1.0.0" });

// Register a tool
server.tool("get_weather", { city: z.string() }, async ({ city }) => ({
  content: [{ type: "text", text: \`\${city}: 25°C, sunny\` }],
}));

// Start server
const transport = new StdioServerTransport();
await server.connect(transport);

这就是一个最小的 MCP Server——任何支持 MCP 的 AI 应用都能调用它的 get_weather 工具。

MCP 的意义

MCP 解决的不只是技术问题，更是生态问题：

对开发者：写一个 MCP Server，所有 AI 应用都能用，不用为每个平台适配
对 AI 应用：接入 MCP 生态，瞬间获得数千个现成工具
对行业：统一标准降低碎片化，加速 AI 工具生态成熟

目前 Claude Code、Cursor、Windsurf、VS Code 等主流 AI 编程工具都已支持 MCP。