什么是MCP（Model Context Protocol）

简单理解

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，用于连接 AI 模型与外部数据源和工具。

简单来说：MCP 让 AI 能够"看到"和"操作"你的数据，而不仅仅是对话。

为什么需要 MCP？

传统方式的问题

在 MCP 之前，想让 AI 访问外部数据，需要：

写大量胶水代码：每个数据源都要单独集成
重复造轮子：每个 AI 应用都要重新实现
维护成本高：API 变更需要更新所有集成
安全风险：各种自定义实现难以统一管理

MCP 的解决方案

传统方式：
AI应用 A ←→ [自定义代码] ←→ 数据源 1
AI应用 A ←→ [自定义代码] ←→ 数据源 2
AI应用 B ←→ [另一套代码] ←→ 数据源 1
AI应用 B ←→ [另一套代码] ←→ 数据源 2

MCP 方式：
AI应用 A ←→ [MCP协议] ←→ MCP服务器 ←→ 数据源 1
AI应用 A ←→ [MCP协议] ←→ MCP服务器 ←→ 数据源 2
AI应用 B ←→ [MCP协议] ←→ MCP服务器 ←→ 数据源 1（复用）
AI应用 B ←→ [MCP协议] ←→ MCP服务器 ←→ 数据源 2（复用）

MCP 核心架构

三个核心组件

组件	角色	示例
MCP Host	AI 应用（客户端）	Claude Desktop、Cursor、VS Code
MCP Client	协议实现层	内置于 Host 中
MCP Server	数据/工具提供者	文件系统、数据库、API 服务

三大能力

1. Resources（资源）

让 AI 读取外部数据：

文件内容
数据库记录
API 响应
网页内容

2. Tools（工具）

让 AI 执行操作：

创建/修改文件
执行数据库查询
调用外部 API
发送消息

3. Prompts（提示模板）

预定义的交互模板：

代码审查模板
数据分析模板
文档生成模板

实际应用场景

场景 1：本地文件访问

用户：帮我分析 ~/Documents/report.pdf 的内容

AI 通过 MCP：
1. 调用文件系统 MCP 服务器
2. 读取 PDF 文件内容
3. 分析并返回结果

场景 2：数据库查询

用户：查询本月销售额最高的 10 个产品

AI 通过 MCP：
1. 连接数据库 MCP 服务器
2. 执行 SQL 查询
3. 整理数据返回

场景 3：GitHub 集成

用户：帮我创建一个修复 bug 的 PR

AI 通过 MCP：
1. 读取 Issue 内容
2. 分析代码库
3. 创建分支、提交代码
4. 发起 Pull Request

主流 MCP 服务器

官方服务器

服务器	功能	使用场景
filesystem	文件读写	本地文件操作
github	GitHub API	代码管理、Issue、PR
postgres	PostgreSQL	数据库查询
slack	Slack API	团队消息
google-drive	Google Drive	云文档访问
puppeteer	浏览器控制	网页抓取、自动化

社区热门服务器

服务器	功能
mcp-server-sqlite	SQLite 数据库
mcp-server-notion	Notion 集成
mcp-server-brave-search	Brave 搜索
mcp-server-memory	持久化记忆
mcp-server-sequential-thinking	深度推理

MCP vs 传统 Function Calling

特性	Function Calling	MCP
标准化	各厂商不同	统一协议
可复用性	需重复实现	一次开发，处处使用
生态	碎片化	统一生态
安全性	自行实现	协议级安全
发现性	无	支持动态发现

支持 MCP 的应用

官方支持

Claude Desktop：完整支持
Claude Code：终端 AI 编程工具

第三方支持

Cursor：AI 代码编辑器
Windsurf：Codeium 的 AI IDE
Zed：高性能编辑器
Continue：VS Code AI 插件
Cline：VS Code Claude 插件

MCP 的优势总结

开放标准：任何人都可以实现和扩展
安全可控：用户完全控制 AI 的访问权限
一次集成，处处可用：写一个 MCP 服务器，所有支持的应用都能用
本地优先：数据可以留在本地，不必上传云端
生态繁荣：社区贡献大量服务器

下一步

想要开始使用 MCP？请阅读下一篇教程：MCP 配置与使用指南