Model Context Protocol 模型上下文协议

MCP

一套统一插头标准,让 AI 用一个接口接上各种工具和数据。

开发与运维出现时间 · 2024 年前后协议本身免费开放,任何人都可实现;成本只来自你实际接入的服务与资源。开放协议工具接入事实标准开发者生态
看官方文档

01 它是干嘛的

MCP 是一项开放协议,规定「AI 该怎么和外部的工具、数据源对话」。它本身不是一个功能,而是一本接口说明书:只要各方都照这本说明书来,AI 就能接数据库、接文件、接日历、接公司内部系统,而不用每接一样就单独写一套代码。

02 为什么会有它

2024 年之前:每接一个数据源,都要单独写一次集成

AI 想真正干活,光会聊天不够,还得能摸到外部世界——查数据库、读文件、调内部系统。但在 MCP 出现之前,这件事极度繁琐:AI 应用有 M 种,数据源有 N 种,每一种组合都要有人单独写一套对接代码。

这就是业界说的「M 乘 N 问题」。假设你有 5 个 AI 应用、10 个想接的数据源,理想情况写 15 套对接就够了,但现实是最坏情况要写 5 乘 10 等于 50 套,而且每加一个新数据源,所有 AI 应用都要跟着改一遍。这就像家里十种电器、墙上十个不同形状的插座,每买一件新电器都得请电工重新接线。

MCP 的思路是「定一个统一插头」。它规定好 AI 和外部的对话方式,于是数据源只需要实现一次「插座」,所有遵守协议的 AI 都能插上;AI 也只需要实现一次「插头」,就能接上所有遵守协议的数据源。M 乘 N 于是变成了 M 加 N,多接一样东西的边际成本大幅下降。因为设计得开放、免费,它已经被大量厂商采纳,成为这一领域事实上的通用标准之一。

03 它怎么工作

MCP 把参与方分成三层:宿主程序是用户直接用的那个 AI 应用,客户端是宿主内部负责按协议说话的模块,服务器则是把某个数据源或工具包装成标准接口的一方。三者按同一套规则一问一答。

智能体循环:它会动手,而不只是回答① 决定用哪个工具② 结果回灌,继续思考认为已经完成你的目标「把这个 bug 修好」模型思考拆解下一步做什么调用工具读文件 / 跑命令 / 搜网页观察结果报错信息、文件内容判断完成达到目标就停下与普通问答的区别:它有「手」——能执行动作、看到结果、再修正,所以能自己把任务做完,而不只是给你一段建议。决策中心与外部世界的交互
看图里「模型提出调用—工具返回观察结果—模型再决定下一步」这个来回:MCP 统一的正是这条路上的「说话方式」,两端只要照协议来,换任何数据源都不用改模型这边。

一次工具调用的三层结构:宿主、客户端、服务器

  1. 1
    ① 宿主程序发起意图

    用户用的 AI 应用(宿主)判断「这次回答需要外部信息」,决定去问一个 MCP 服务器。

  2. 2
    ② MCP 客户端建立连接

    宿主内部的客户端模块,按协议连上目标服务器,先问清楚「你这里有哪些工具和数据」。

  3. 3
    ③ 服务器列出能力清单

    服务器用统一格式返回自己能提供什么,例如「查询订单」「读取日程」,双方不需要事先约好细节。

  4. 4
    ④ 模型决定调用哪个工具

    模型根据用户需求和这份清单,挑选合适的工具并生成调用参数,交给客户端发出去。

  5. 5
    ⑤ 服务器执行并返回结果

    服务器真正去查数据库、读文件、调接口,把结果按标准格式回传,模型据此继续推理或作答。

04 谁在用它

把公司内部系统接给 AI

让 AI 通过一个标准服务器读取工单、库存、CRM,无需为每个 AI 工具各写一套对接。

给编程代理接本地工具

让 Claude Code 这类代理按需访问代码库、浏览器、数据库,扩展它能干的活。

第三方工具生态

软件厂商把自己的能力做成一个 MCP 服务器,就能被所有支持协议的 AI 应用调用。

个人自动化

把日程、笔记、文件管理接进 AI 助手,用一个统一入口完成日常操作。

05 怎么用

普通用户通常不用自己写协议代码,只要在支持 MCP 的应用里填一下服务器地址或命令;开发者则可以自己写一个服务器把自有系统接出去。

  1. 01先确认你用的 AI 应用是否支持 MCP(不少主流客户端已内置支持)。
  2. 02找到想接的服务对应的 MCP 服务器,通常由官方或社区提供现成的。
  3. 03在应用的配置里登记这个服务器,常见方式是填一条启动命令或一个地址。
  4. 04重启应用,查看它是否列出了新出现的工具,确认连上了。
  5. 05(进阶)若要把自家系统接出去,按官方示例实现服务器,暴露工具与数据。
  6. 06连接涉及敏感数据时,先确认权限范围与数据会流向哪里,再启用。

避坑提示

  • !MCP 服务器能访问什么都由它自己决定,接第三方服务器前先看清它要求哪些权限。
  • !协议是规范不是实现,不同客户端的支持程度有差异,遇到问题先查官方客户端兼容表。
  • !它解决的是「怎么接」而不是「模型一定用得好」,工具描述写得清楚,模型才选得准。

06 关键概念

协议
各方共同遵守的一套约定,就像插头的尺寸标准,定好了大家才能互相插上。
宿主 / 客户端 / 服务器
宿主是你用的 AI 应用,客户端是它内部按协议说话的模块,服务器是把某个外部能力包装成标准接口的一方。
M 乘 N 问题
M 个应用乘 N 个数据源产生的组合爆炸,MCP 把它变成 M 加 N,成本大降。
事实标准
没有强制规定,但因为用的人多、生态广,大家事实上都照着它来做。

07 容易混淆的对比

各家私有插件机制某个 AI 平台自有的插件体系,只在自家生态可用,换个平台就要重写。
普通函数调用模型直接调用事先约定好的函数,灵活但每换一个数据源都要重新对接,正是 MCP 想解决的麻烦。
图软件图鉴

纯静态站点,无后端、无追踪。内容为中文原创撰写,用于帮助非技术读者理解主流软件产品。

关于本站

全部内容在构建时生成
产品名称与商标归各自公司所有

© 2026 软件图鉴Nuxt 4 · Vue 3 · Tailwind 4 · 纯静态