MCP 技术解读

Liz大约 13 分钟

MCP 技术解读

MCP概念、演进与意义
MCP架构、核心组件与功能类型
MCP Client 与 MCP Server
不同角色使用 MCP 的方式和逻辑

1. MCP是什么

MCP（Model Context Protocol）是由 Anthropic（就是训练 Claude 的那个公司）推出的一种新兴的标准开放协议，用于解决 Agent 平台的AI 模型与外部工具交互的痛点，帮助你在 LLM 之上构建智能体和复杂工作流。MCP 将应用程序向 AI 模型提供上下文的方式标准化，旨在通过安全的双向连接来增强 AI 模型与工具和数据源的交互能力。可以将 MCP 视为 AI 应用的 USB-C 接口，正如 USB-C 为设备连接各种外设和配件提供了标准化方式，MCP 也为 AI 模型连接不同数据源和工具提供了标准化方法。

MCP Server 就是为了实现 AI Agent 的自动化而存在的，它是一个中间层，告诉 AI Agent 目前存在哪些服务，哪些 API，哪些数据源，AI Agent 可以根据 Server 提供的信息来决定是否调用某个服务，然后通过 Function Calling 来执行函数。以前每个工具都要单独写代码才能连AI，但现在MCP就像"通用接口"，工具和AI各装一个MCP插件，就能直接对话了。

比如要用Github服务，最终实现还是通过调用Github的API（https://api.github.com）来实现和Github交互，在调用 Github 官方的 API 之前，MCP 的主要工作是描述 Server 提供了哪些能力(给 LLM 提供)，需要哪些参数(参数具体的功能是什么)，最后返回的结果是什么。所以 MCP Server 并不是一个新颖的、高深的东西，它只是一个具有共识的协议。

官网：https://modelcontextprotocol.io/introduction

Github: https://github.com/modelcontextprotocol

2. AI 工具调用演进

从复杂提示词 → Function Calling → GPTs 插件 → MCP 协议的技术演进路径，非常类似于几个经典技术标准化的发展历程，特别是 Web 技术、互联网协议和 API 标准化的过程。以 Web API 的标准化进程类比，

Web API 演进	AI 工具调用演进
早期：RPC（远程过程调用）各自实现	早期：提示词工程中的工具调用
发展期：SOAP 和 XML-RPC 等框架	发展期：Function Calling 的 JSON 结构化调用
成熟期：REST API 成为主流	成熟期：GPTs 等平台专属实现
统一期：GraphQL 等新一代标准	统一期：MCP 作为统一协议

3. MCP 出来前后的区别是啥？意义是啥？

MCP 出来前后的区别

MCP 出来前，Agent 平台需要自己维护可用工具列表以及进行工具调用
Agent 平台集成 MCP 后，维护可用工具列表以及进行工具调用都由MCP来做

MCP意义

MCP 解决了 Agent 平台工具调用标准不统一的问题，MCP Server 直接提供功能 API 作为 MCP 工具，供任意 Agent 平台直接使用，避免 Agent 平台重复造轮子，大幅降低开发成本
MCP 通过标准化协议和客户端-服务器架构，提升了 AI 的上下文感知、自动化能力和安全性
MCP 的客户端-服务器架构支持模块化扩展，一个客户端可连接多个服务器，Agent 平台可以轻松解锁多样化功能

4. MCP vs Function Calling

功能深度不同

MCP: 连接层
Function Calling: 执行层
AI Agent: 决策层

应用场景不同

MCP: 需要连接大量工具，但不想写代码
Function Calling: 简单任务自动化
AI Agent: 自主决策

5. MCP 架构

MCP 采用客户端-服务器架构

6. MCP 核心组件

核心组件

Host 主机
- 是应用程序（如 Claude 桌面或 IDEs），它们发起连接
Client 客户端
- 在主机应用程序内部与服务器保持 1:1 的连接
Server 服务器
- 为客户端提供上下文、工具和提示
Protocol layer 协议层
- 协议层处理消息封装、请求/响应链接和高级通信模式
Transport layer 传输层
- 传输层负责处理 Client 和 Server 之间的实际通信

MCP 支持多种传输机制，所有传输都使用 JSON-RPC 2.0 来交换消息

Stdio transport （标准输入输出传输）
- 使用标准输入/输出进行通信
- 适用于本地进程
HTTP with SSE transport （使用 SSE 传输的 HTTP）
- 服务器到客户端的消息传输: 服务器发送事件方式（Server-Sent Events，SSE）
- 客户端到服务器的消息传输: HTTP POST方式

消息类型

Requests
Results
Errors
Notifications

7. MCP 连接生命周期

7.1. Initialization 初始化

7.2. Message exchange 消息交换

客户端或服务器发送请求，另一方响应
任一方发送单向消息(Notifications)

7.3. Termination 终止

任何一方均可终止连接

8. MCP 功能类型

MCP 服务器提供三种主要功能类型：

Tools 工具
- 可以由 LLM 集成的功能
- 常见工具类型
  - System operations 系统操作
    - 与本地系统交互的工具
  - API integrations API 集成
    - 封装外部 API 的工具
  - Data processing 数据处理
    - 转换或分析数据的工具
- https://modelcontextprotocol.io/docs/concepts/tools#python
Resources 资源
- 可以由 LLM 读取的任何类型的数据
- 每个资源都由一个唯一的 URI 标识，可以包含文本或二进制数据
- Resource types 资源类型
  - Text resources 文本资源
    - 文本资源包含 UTF-8 编码的文本数据。这些适用于：
      - Source code 源代码
      - Configuration files 配置文件
      - Log files 日志文件
      - JSON/XML data JSON/XML 数据
      - Plain text 纯文本
  - Binary resources 二进制资源
    - 二进制资源包含原始的二进制数据，以 base64 编码。这些资源适用于：
      - Images 图片
      - PDFs PDF 文件
      - Audio files 音频文件
      - Video files 视频文件
      - Other non-text formats 其他非文本格式
- https://modelcontextprotocol.io/docs/concepts/resources
Prompts 提示
- 创建可重用的提示模板和工作流程，帮助用户完成特定任务的预写提示模板
- https://modelcontextprotocol.io/docs/concepts/prompts

两种额外功能：

Sampling
- MCPServer 调用 MCPClient 的 LLM
- https://modelcontextprotocol.io/docs/concepts/sampling
Roots
- Roots定义了服务器可以操作的范围
- 比如客户端在服务器上开了个人工作空间，客户端在工作空间中进行操作，告诉服务器它在用这个工作空间
- Roots通常用于定义：
  - Project directories 项目目录
  - Repository locations 仓库位置
  - API endpoints API 端点
  - Configuration locations 配置位置
  - Resource boundaries 资源边界
- https://modelcontextprotocol.io/docs/concepts/roots

9. 不同功能类型的标准协议

9.1. Resources

Resources URIs 统一资源标识符

每个Resource都按以下标准定义

[protocol]://[host]/[path]

9.2. Prompts

Prompt Structure 提示结构

每个Prompt都按以下标准定义

{
  name: string;              // Unique identifier for the prompt
  description?: string;      // Human-readable description
  arguments?: [              // Optional list of arguments
    {
      name: string;          // Argument identifier
      description?: string;  // Argument description
      required?: boolean;    // Whether argument is required
    }
  ]
}

9.3. Tools

Tool definition structure 工具定义结构

每个 Tool 都按以下标准定义

{
  name: string;          // Unique identifier for the tool
  description?: string;  // Human-readable description
  inputSchema: {         // JSON Schema for the tool's parameters
    type: "object",
    properties: { ... }  // Tool-specific parameters
  },
  annotations?: {        // Optional hints about tool behavior
    title?: string;      // Human-readable title for the tool
    readOnlyHint?: boolean;    // If true, the tool does not modify its environment
    destructiveHint?: boolean; // If true, the tool may perform destructive updates
    idempotentHint?: boolean;  // If true, repeated calls with same args have no additional effect
    openWorldHint?: boolean;   // If true, tool interacts with external entities
  }
}

9.4. Sampling

Message format 消息格式

服务器发起 Sampling 请求都按以下标准定义

{
  messages: [
    {
      role: "user" | "assistant",
      content: {
        type: "text" | "image",

        // For text:
        text?: string,

        // For images:
        data?: string,             // base64 encoded
        mimeType?: string
      }
    }
  ],
  modelPreferences?: {
    hints?: [{
      name?: string                // Suggested model name/family
    }],
    costPriority?: number,         // 0-1, importance of minimizing cost
    speedPriority?: number,        // 0-1, importance of low latency
    intelligencePriority?: number  // 0-1, importance of capabilities
  },
  systemPrompt?: string,
  includeContext?: "none" | "thisServer" | "allServers",
  temperature?: number,
  maxTokens: number,
  stopSequences?: string[],
  metadata?: Record<string, unknown>
}

Response format 响应格式

客户端返回 Sampling 结果都按以下标准定义

{
  model: string,  // Name of the model used
  stopReason?: "endTurn" | "stopSequence" | "maxTokens" | string,
  role: "user" | "assistant",
  content: {
    type: "text" | "image",
    text?: string,
    data?: string,
    mimeType?: string
  }
}

10. MCP Client (MCP 客户端)

比较火的MCP客户端

适合非工程师
- Claude Desktop App
  - Anthropic官方产品，支持MCP的本地工具和数据源集成，适合工程师和非工程师
  - https://claude.ai/download
- LibreChat
  - 开源聊天应用，支持MCP工具集成
  - https://github.com/danny-avila/LibreChat
适合工程师
- Cursor
  - AI驱动的代码编辑器，快速采用MCP，适合开发者
  - https://www.cursor.com/
- Cline
  - 开源VSCode扩展，支持MCP市场和自定义服务器
  - https://github.com/cline/cline
- Continue
  - VSCode和JetBrains扩展，支持完整的MCP功能
  - https://github.com/continuedev/continue
- Zed
  - 高性能代码编辑器，支持MCP扩展
  - https://zed.dev/
- Windsurf Editor
  - AI驱动的代码编辑器，支持MCP协议
  - https://windsurf.com/editor
- Sourcegraph Cody
  - AI编码助手，支持MCP配置
  - https://sourcegraph.com/cody

应用程序集成对 MCP 支持后（也就是作为 MCP 客户端），可为用户提供强大的 AI 上下文能力，方便用户通过 AI 模型与 MCP 服务器进行交互

不同客户端可能支持不同的 MCP 功能，因此与 MCP 服务器的集成程度也有所差异。

Client	Resources	Prompts	Tools	Sampling	Roots	Notes
Claude Desktop App	✅	✅	✅	❌	❌	Supports tools, prompts, and resources.
LibreChat	❌	❌	✅	❌	❌	Supports tools for Agents
Cursor	❌	❌	✅	❌	❌	Supports tools.
Cline	✅	❌	✅	❌	❌	Supports tools and resources.
Continue	✅	✅	✅	❌	❌	Supports tools, prompts, and resources.
Zed	❌	✅	❌	❌	❌	Prompts appear as slash commands
Windsurf Editor	❌	❌	✅	❌	❌	Supports tools with AI Flow for collaborative development.
Sourcegraph Cody	✅	❌	❌	❌	❌	Supports resources through OpenCTX

官网提及的客户端列表：https://modelcontextprotocol.io/clients
PulseMCP提及的客户端列表：https://www.pulsemcp.com/clients

10.1. Cursor 作为 MCP 客户端

Cursor 配置 MCP 的介绍：https://docs.cursor.com/context/model-context-protocol

将 Cursor 连接到外部工具或数据源，代替了用户通过 Prompt 告诉 Cursor 外部的一些情况

示例：

传输机制：

11. MCP Server (MCP 服务器)

官方 MCP Servers
- https://github.com/modelcontextprotocol/servers
- https://modelcontextprotocol.io/examples
Cursor MCP Servers
- https://cursor.directory/mcp
punkpeye 精选 MCP Servers: https://github.com/punkpeye/awesome-mcp-servers/blob/main/README-zh.md
Cline的MCP Marketplace
https://smithery.ai/
https://www.pulsemcp.com/
http://glama.ai/mcp/servers

好用的MCP工具

数据与文件系统
- Filesystem
  - 提供安全的文件操作功能，并且可以配置访问控制权限，确保文件访问的安全性和规范性
- PostgreSQL
  - 提供只读数据库访问，具备架构检查功能
开发工具
- GitHub
  - 实现仓库管理、文件操作，还集成了 GitHub API，方便与 GitHub 平台进行交互
- Git
  - 提供读取、搜索和操作 Git 仓库的工具，帮助开发人员管理代码版本
爬虫
- Firecrawl：复制网站
网络与浏览器自动化
- Brave Search：利用Brave的搜索API进行网络和本地搜索。
- Fetch：为LLM优化的网络内容获取和转换
- Puppeteer：提供浏览器自动化和网页抓取功能。
- Playwright：控制浏览器
  - 可以自动化浏览器任务。填表单，截图，导航网页。还能执行JavaScript，监控控制台日志
  - 让LLM和浏览器无缝配合。API测试也变得更简单

12. 不同角色使用 MCP 的方式和逻辑

MCP Client 用户（eg. 使用 Claude Desktop App 或 Cursor 的用户）
- 只需在配置中添加要使用的 MCP Server 后，正常问问题就行
MCP Client 开发者（eg. Claude Desktop App 或 Cursor的开发者）
- 实例化 MCP 客户端
- MCP 客户端与 MCP 服务器建立连接
- 每当用户发起一个问题，执行以下逻辑（传给LLM的工具列表是和工具调用是由MCP负责的）：
  - 拼接用户 query 为 messages
  - MCP Client 获取可用工具列表 available_tools
  - 将 messages 和 available_tools 作为入参调用 LLM
  - LLM 响应有两种：text 或 tool_use
  - 如果是 text 则将文本结果返回给用户，结束
  - 如果是 tool_use
    - MCP Client 通过MCP Server执行工具调用
    - 得到工具调用结果
    - messages 除了用户 query（"role": "user"）外，接着拼接 LLM 响应（"role": "assistant"）和工具调用结果（"role": "user"）为新的 messages
    - 将拼接后的 messages 和 available_tools 作为参数再次调用 LLM
    - 将 LLM 响应结果返回给用户，结束
MCP Server 开发者
- 实例化 MCP 服务器
- 定义工具，实现每个工具的执行逻辑
- 运行 MCP 服务器

13. MCP Client 用户使用案例（Claude Desktop App）

13.1. 在 Claude Desktop App 中配置想要使用的MCP服务器

在Claude Desktop App 中添加想要使用的 MCP 服务器 "weather" 到 "mcpServers" 配置项

告诉 Claude Desktop App 有一个名为 "weather" 的 MCP 服务器

{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather",
                "run",
                "weather.py"
            ]
        }
    }
}

保存配置后重启Claude Desktop App

13.2. 在 Claude Desktop App 中查看可用工具

可以看到配置的所有服务器提供的所有工具

工具名称
工具的功能描述
工具来源于哪个MCP服务器

13.3. 在 Claude Desktop App 中问一些相关问题

用户发起一个问题
Claude分析可用工具，决定是否使用工具和使用哪个工具
如果确定使用MCP工具，该工具对应的MCP Client通过MCP Server执行选中的工具
执行结果返回给Claude
Claude将执行结果转为自然语言响应
用户收到响应

14. 构建 MCP 服务器案例

以下代码构建的 MCP 服务器名称为 “weather”，提供了2个工具：get-alerts 和 get-forecast

14.1. 实例化 MCP 服务器

mcp = FastMCP("weather")

14.2. 定义工具，实现每个工具的执行逻辑

加上@mcp.tool()后，一个API就是一个MCP工具
不需要提供一个查询可用工具列表的API

@mcp.tool()
async def get_alerts(state: str) -> str:
    """Get weather alerts for a US state.

    Args:
        state: Two-letter US state code (e.g. CA, NY)
    """
    pass

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """Get weather forecast for a location.

    Args:
        latitude: Latitude of the location
        longitude: Longitude of the location
    """
    pass

14.3. 运行 MCP 服务器

mcp.run(transport='stdio')

15. 构建 MCP 客户端案例

15.1. 创建 .env 文件

设置Anthropic API key

ANTHROPIC_API_KEY=<your key here>

15.2. 定义 MCPClient 类

load_dotenv()  # load environment variables from .env

class MCPClient:
    def __init__(self):
        # Initialize session and client objects
        self.session: Optional[ClientSession] = None
        self.exit_stack = AsyncExitStack()
        self.anthropic = Anthropic()
    # methods will go here

15.3. 实现服务器连接管理函数 connect_to_server

async def connect_to_server(self, server_script_path: str):
    """Connect to an MCP server

    Args:
        server_script_path: Path to the server script (.py or .js)
    """
    is_python = server_script_path.endswith('.py')
    is_js = server_script_path.endswith('.js')
    if not (is_python or is_js):
        raise ValueError("Server script must be a .py or .js file")

    command = "python" if is_python else "node"
    server_params = StdioServerParameters(
        command=command,
        args=[server_script_path],
        env=None
    )

    stdio_transport = await self.exit_stack.enter_async_context(stdio_client(server_params))
    self.stdio, self.write = stdio_transport
    self.session = await self.exit_stack.enter_async_context(ClientSession(self.stdio, self.write))

    await self.session.initialize()

    # List available tools
    response = await self.session.list_tools()
    tools = response.tools
    print("\nConnected to server with tools:", [tool.name for tool in tools])

15.4. 实现处理查询和工具调用的函数 process_query

async def process_query(self, query: str) -> str:
    """Process a query using Claude and available tools"""
    messages = [
        {
            "role": "user",
            "content": query
        }
    ]

    response = await self.session.list_tools()
    available_tools = [{
        "name": tool.name,
        "description": tool.description,
        "input_schema": tool.inputSchema
    } for tool in response.tools]

    # Initial Claude API call
    response = self.anthropic.messages.create(
        model="claude-3-5-sonnet-20241022",
        max_tokens=1000,
        messages=messages,
        tools=available_tools
    )

    # Process response and handle tool calls
    final_text = []

    assistant_message_content = []
    for content in response.content:
        if content.type == 'text':
            final_text.append(content.text)
            assistant_message_content.append(content)
        elif content.type == 'tool_use':
            tool_name = content.name
            tool_args = content.input

            # Execute tool call
            result = await self.session.call_tool(tool_name, tool_args)
            final_text.append(f"[Calling tool {tool_name} with args {tool_args}]")

            assistant_message_content.append(content)
            messages.append({
                "role": "assistant",
                "content": assistant_message_content
            })
            messages.append({
                "role": "user",
                "content": [
                    {
                        "type": "tool_result",
                        "tool_use_id": content.id,
                        "content": result.content
                    }
                ]
            })

            # Get next response from Claude
            response = self.anthropic.messages.create(
                model="claude-3-5-sonnet-20241022",
                max_tokens=1000,
                messages=messages,
                tools=available_tools
            )

            final_text.append(response.content[0].text)

    return "\n".join(final_text)

15.5. 定义 chat_loop 和 cleanup 函数

async def chat_loop(self):
    """Run an interactive chat loop"""
    print("\nMCP Client Started!")
    print("Type your queries or 'quit' to exit.")

    while True:
        try:
            query = input("\nQuery: ").strip()

            if query.lower() == 'quit':
                break

            response = await self.process_query(query)
            print("\n" + response)

        except Exception as e:
            print(f"\nError: {str(e)}")

async def cleanup(self):
    """Clean up resources"""
    await self.exit_stack.aclose()

15.6. 主入口

async def main():
    if len(sys.argv) < 2:
        print("Usage: python client.py <path_to_server_script>")
        sys.exit(1)

    client = MCPClient()
    try:
        await client.connect_to_server(sys.argv[1])
        await client.chat_loop()
    finally:
        await client.cleanup()

if __name__ == "__main__":
    import sys
    asyncio.run(main())

MCP 技术解读

# MCP 技术解读

# 1. MCP是什么

# 2. AI 工具调用演进

# 3. MCP 出来前后的区别是啥？意义是啥？

# 4. MCP vs Function Calling

# 5. MCP 架构

# 6. MCP 核心组件

# 7. MCP 连接生命周期

# 7.1. Initialization 初始化

# 7.2. Message exchange 消息交换

# 7.3. Termination 终止

# 8. MCP 功能类型

# 9. 不同功能类型的标准协议

# 9.1. Resources

# 9.2. Prompts

# 9.3. Tools

# 9.4. Sampling

# 10. MCP Client (MCP 客户端)

# 10.1. Cursor 作为 MCP 客户端

# 11. MCP Server (MCP 服务器)

# 12. 不同角色使用 MCP 的方式和逻辑

# 13. MCP Client 用户使用案例（Claude Desktop App）

# 13.1. 在 Claude Desktop App 中配置想要使用的MCP服务器

# 13.2. 在 Claude Desktop App 中查看可用工具

# 13.3. 在 Claude Desktop App 中问一些相关问题

# 14. 构建 MCP 服务器案例

# 14.1. 实例化 MCP 服务器

# 14.2. 定义工具，实现每个工具的执行逻辑

# 14.3. 运行 MCP 服务器

# 15. 构建 MCP 客户端案例

# 15.1. 创建 .env 文件

# 15.2. 定义 MCPClient 类

# 15.3. 实现服务器连接管理函数 connect_to_server

# 15.4. 实现处理查询和工具调用的函数 process_query

# 15.5. 定义 chat_loop 和 cleanup 函数

# 15.6. 主入口

MCP 技术解读

1. MCP是什么

2. AI 工具调用演进

3. MCP 出来前后的区别是啥？意义是啥？

4. MCP vs Function Calling

5. MCP 架构

6. MCP 核心组件

7. MCP 连接生命周期

7.1. Initialization 初始化

7.2. Message exchange 消息交换

7.3. Termination 终止

8. MCP 功能类型

9. 不同功能类型的标准协议

9.1. Resources

9.2. Prompts

9.3. Tools

9.4. Sampling

10. MCP Client (MCP 客户端)

10.1. Cursor 作为 MCP 客户端

11. MCP Server (MCP 服务器)

12. 不同角色使用 MCP 的方式和逻辑

13. MCP Client 用户使用案例（Claude Desktop App）

13.1. 在 Claude Desktop App 中配置想要使用的MCP服务器

13.2. 在 Claude Desktop App 中查看可用工具

13.3. 在 Claude Desktop App 中问一些相关问题

14. 构建 MCP 服务器案例

14.1. 实例化 MCP 服务器

14.2. 定义工具，实现每个工具的执行逻辑

14.3. 运行 MCP 服务器

15. 构建 MCP 客户端案例

15.1. 创建 .env 文件

15.2. 定义 MCPClient 类

15.3. 实现服务器连接管理函数 connect_to_server

15.4. 实现处理查询和工具调用的函数 process_query

15.5. 定义 chat_loop 和 cleanup 函数

15.6. 主入口