MCP 协议详解：AI 工具调用的开放标准

MCP（Model Context Protocol）是 Anthropic 推出的开放协议，让 AI 能调用外部工具和数据源。

什么是 MCP？

MCP 是一个标准协议，让 AI 模型能够：

调用外部工具（API、数据库、文件系统）
访问外部数据源
与各种服务集成

为什么需要 MCP？

没有 MCP 之前：

每个 AI 工具需要单独集成
工具开发者需要为每个 AI 平台适配
用户需要手动配置

有了 MCP：

统一的工具接口标准
工具开发者只需实现一次
用户即插即用

MCP 架构

┌─────────────┐     MCP      ┌─────────────┐
│   AI 模型   │ ←──────────→ │  MCP 服务器  │
│  (Client)   │              │  (Tools)    │
└─────────────┘              └─────────────┘
     │                            │
     │                            ├─ 文件系统
     │                            ├─ 数据库
     │                            ├─ API 服务
     │                            └─ 其他工具

支持 MCP 的工具

工具	支持程度	说明
Claude Desktop	✅ 完整	官方支持
Claude Code	✅ 完整	CLI 支持
Cursor	✅ 支持	IDE 集成
Windsurf	✅ 支持	IDE 集成
Continue	✅ 支持	VS Code 插件

MCP 核心概念

1. Tools（工具）

AI 可以调用的函数：

{
  "name": "read_file",
  "description": "读取文件内容",
  "inputSchema": {
    "type": "object",
    "properties": {
      "path": {
        "type": "string",
        "description": "文件路径"
      }
    },
    "required": ["path"]
  }
}

2. Resources（资源）

AI 可以访问的数据：

{
  "uri": "file:///path/to/file",
  "name": "配置文件",
  "description": "应用配置文件",
  "mimeType": "application/json"
}

3. Prompts（提示）

预定义的提示模板：

{
  "name": "code_review",
  "description": "代码审查",
  "arguments": [
    {
      "name": "code",
      "description": "要审查的代码",
      "required": true
    }
  ]
}

创建 MCP 服务器

Python 实现

from mcp.server import Server
from mcp.types import Tool, TextContent

server = Server("my-tools")

@server.tool()
async def read_file(path: str) -> str:
    """读取文件内容"""
    with open(path) as f:
        return f.read()

@server.tool()
async def write_file(path: str, content: str) -> str:
    """写入文件"""
    with open(path, 'w') as f:
        f.write(content)
    return "写入成功"

@server.tool()
async def run_sql(query: str) -> str:
    """执行 SQL 查询"""
    # 连接数据库执行查询
    return results

if __name__ == "__main__":
    server.run()

TypeScript 实现

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";

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

server.setRequestHandler("tools/call", async (request) => {
  const { name, arguments: args } = request.params;

  if (name === "read_file") {
    const content = await readFile(args.path);
    return { content: [{ type: "text", text: content }] };
  }
});

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

常用 MCP 服务器

1. 文件系统服务器

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
    }
  }
}

2. GitHub 服务器

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_TOKEN": "your-token"
      }
    }
  }
}

3. PostgreSQL 服务器

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
    }
  }
}

4. Puppeteer（浏览器）

{
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"]
    }
  }
}

在 Claude Desktop 中配置

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/totalo/workspace"]
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
    }
  }
}

在 Claude Code 中配置

# 添加 MCP 服务器
claude mcp add filesystem npx -y @modelcontextprotocol/server-filesystem /path/to/dir

# 查看已配置的服务器
claude mcp list

# 删除服务器
claude mcp remove filesystem

自定义 MCP 服务器实战

数据库查询服务器

from mcp.server import Server
import pymysql

server = Server("db-tools")

def get_connection():
    return pymysql.connect(
        host='localhost',
        user='root',
        password='password',
        database='mydb'
    )

@server.tool()
async def query_database(sql: str) -> str:
    """执行 SQL 查询并返回结果"""
    conn = get_connection()
    try:
        with conn.cursor() as cursor:
            cursor.execute(sql)
            results = cursor.fetchall()
            return str(results)
    finally:
        conn.close()

@server.tool()
async def list_tables() -> str:
    """列出所有表"""
    conn = get_connection()
    try:
        with conn.cursor() as cursor:
            cursor.execute("SHOW TABLES")
            return str(cursor.fetchall())
    finally:
        conn.close()

@server.tool()
async def describe_table(table_name: str) -> str:
    """查看表结构"""
    conn = get_connection()
    try:
        with conn.cursor() as cursor:
            cursor.execute(f"DESCRIBE {table_name}")
            return str(cursor.fetchall())
    finally:
        conn.close()

API 网关服务器

from mcp.server import Server
import httpx

server = Server("api-gateway")

@server.tool()
async def call_api(method: str, url: str, body: str = None) -> str:
    """调用外部 API"""
    async with httpx.AsyncClient() as client:
        if method.upper() == "GET":
            response = await client.get(url)
        elif method.upper() == "POST":
            response = await client.post(url, json=body)
        return response.text

@server.tool()
async def get_weather(city: str) -> str:
    """获取天气信息"""
    url = f"https://api.weather.com/v1/{city}"
    async with httpx.AsyncClient() as client:
        response = await client.get(url)
        return response.text

MCP 的优势

对开发者

一次实现，到处可用：工具只需实现一次
标准接口：不需要为每个 AI 平台适配
易于分发：npm/pip 包即可分发

对用户

即插即用：配置简单
工具丰富：社区贡献的工具
安全可控：权限管理

MCP vs Function Calling

维度	MCP	Function Calling
标准化	✅ 开放标准	各厂商不同
工具发现	✅ 自动	手动定义
跨平台	✅	❌
复杂度	中等	低

未来展望

工具生态爆发：更多 MCP 服务器
平台支持扩展：更多 AI 工具支持 MCP
企业级特性：权限、审计、监控
标准化推进：成为行业标准

总结

MCP 是 AI 工具调用的未来标准：

统一接口：一次实现，到处可用
生态丰富：社区贡献的工具
易于集成：配置即用
安全可控：权限管理

对开发者来说，现在是学习和实现 MCP 服务器的好时机。