一文了解MCP协议

什么是 MCP 协议

MCP(Model Context Protocol)，模型上下文协议，是 Anthropic 公司提出并开源的一项大模型上下文协议标准，专门用来解决大语言模型与各种外部数据来源，工具以及资源之间的交互难题，通过标准化的连接方式增强 AI 应用的实用性和安全性。

现今随着大语言模型的发展，在开发 AI 应用时会遇到许多挑战，如如何获取用户输入、如何处理外部数据等。MCP 协议解决了这些问题，使得大语言模型与各种外部数据来源，工具以及资源之间的交互变得简单易行。它相当于为大语言模型和各种数据源搭建了一座标准化的桥梁，让这些数据源可以轻松地被大语言模型所使用。

MCP 协议的核心架构与组件

MCP 协议基于 Client-Server架构，包含五大核心组件：

MCP Host：发起请求的 LLM 应用，比如 Claude Desktop, AI 驱动的 IDE 等
MCP Client: MCP 主机内部，与 Server 保持 1:1 连接的客户端，负责协议的协商，工具调用以及数据传输
MCP Server: 轻量级服务器，通过标准化的接口暴露本地或远程资源（如数据库，文件，API 等），提供工具，资源和提示词三类功能
Local Resources: 本地资源，本地计算机中可供 MCP 服务器安全访问的资源，例如文件，数据库
Remote Resources: 远程资源，通过网络连接可访问的远程资源，例如云服务

MCP Client

MCP Client 充当 LLM 和 MCP Server 之间的桥梁，工作流程如下：

MCP Client 首先从 MCP Server 获取可用的工具列表。
将用户的查询连同工具描述一起发送给 LLM
LLM 决定是否需要使用工具，以及使用哪些工具
如果需要使用工具，MCP Client 会通过 MCP Server 执行相应的工具调用
工具调用的结果会被发送回 LLM
LLM 基于所有的信息生成自然语言响应
最后将响应返回给用户

MCP Server

MCP Server 是 MCP 架构中的关键组件，它提供 3 种主要类型的功能：

资源：类似文件的数据，可以被客户端读取
工具：可以被 LLM 调用的函数
提示：预先编写的模板，帮助用户完成特定的任务

这些功能使 MCP Server 能够提供丰富的上下文信息和操作能力，从而增强 LLM 的实用性和灵活性。
MCP Server 仅暴露受控功能，敏感操作需要用户确认，且默认部署在本地，避免远程攻击。

通信机制

MCP 定义了 Client 和 Server 进行通讯的协议与消息格式，其支持两种类型的通讯机制：标准输入输出，基于 SSE 的 HTTP 通讯，分别对应着本地与远程通讯。

Client 和 Server 间使用 JSON-RPC2.0 格式进行消息传输。

本地通讯：使用了 stdio 传输数据，具体流程 Client 启动 Server 程序作为子进程，其消息通讯是通过 stdin/stdout 进行的，格式为 JSON-RPC 2.0。
远程通讯：Client 与 Server 可以部署在任何地方，Client 使用 SSE 与 Server 进行通讯，消息的格式为 JSON-RPC 2.0，Server 定义了 SSE 与 messages 接口用于推送与接收数据。

技术特点与优势

模块化设计：通过添加不同 Server 拓展功能（类似插件），例如 GitHub Server 可以与 GitHub 进行数据交互，SQLite Server 可以与 SQLite 进行数据交互。
协议开放性：支持社区贡献 Server 实现，避免依赖中心化平台。
与 Function Calling 的互补：

MCP：适合复杂的上下文管理（例如多步骤的数据库操作）

Function Calling：适用于明确的功能调用场景（例如单次的 API 请求）

类别	MCP	Function Calling
性质	协议	功能
范围	通用（多数据源，多功能）	特定场景（单一数据源或功能）
目标	统一接口，实现互操作	拓展模型能力
实现	基于标准协议	依赖于特定模型实现
开发复杂度	低，通过统一协议实现多源兼容	高，需要为每个任务单独开发
复用性	高，一次开发，多场景使用	低，函数通常为特定任务设计
灵活性	高，支持动态适配和拓展	低，功能拓展需要额外开发
常见场景	复杂场景，如跨平台数据访问与整合	简单任务，如天气查询

数据安全性：MCP 通过本地服务器运行，避免将敏感数据上传到第三方平台，确保数据隐私。

MCP 使用样例

目前支持 MCP 的大模型应用主要有 claude desktop，编程工具 cursor， windsurf，以及 vscode 插件 cline 等，这里我们使用 windsurf 来演示一个 MCP 服务器的使用样例。

很遗憾，MCP 协议是 Anthropic 公司提出的协议，由于还很新，OpenAI 目前对其还没有跟进，希望后续 OpenAI 也能支持跟进，在 ChatGPT 客户端加入 MCP 协议的支持。

目前已经有很多开源的三方的 MCP 服务器，你可以在这个 GitHub 仓库里查找自己感兴趣的项目：
https://github.com/punkpeye/awesome-mcp-servers

同时，如果你不使用如上这几个工具，你可以从下面这个 git 仓库中找到适合你的 MCP 客户端：

https://github.com/punkpeye/awesome-mcp-clients/

本示例中，我将使用 windsurf 作为客户端，使用 mcp-server-sqlite 作为 MCP 服务器，将 sqlite 的相关操作通过 MCP 协议对接到大模型，做一个简单的待办事项的示例。

MCP 服务器的配置就是一个简单的 JSON 文件，结构如下：

{
  "mcpServers": {
    "sqlite": {
      "command": "uv",
      "args": [
        "--directory",
        "/Users/coolcao/code/mcp-servers/src/sqlite",
        "run",
        "mcp-server-sqlite",
        "--db-path",
        "/Users/coolcao/code/测试sqlite.db"
      ]
    }
  }
}

配置好 windsurf 的 sqlite mcp 服务器后，我们就可以直接用 windsurf 的大模型对话，通过大模型来直接调用 sqlite 相关操作了。
这里我将其作为一个智能 AI 助手，帮我记录待办事项，具体的对话如下：

我们可以看到，在跟大模型对话的过程中，大模型会自动调用已经配置的 MCP 服务器，并通过相应的操作来直接操作 SQLite 数据库。
我们要大模型给我们做待办事项的管理，对于数据库的任何操作，都是大模型自行调用 sqlite 的 MCP 服务器完成的，创建表，插入数据，查询数据，修改数据等操作，可谓是一气呵成。

而且在整个对话的过程中，对话记录中能够显示大模型在调用 MCP 操作的具体的方法与参数，以便于即使大模型出错了，我们也可以及时通过记录来定位问题，并对其进行修正。

我上面这个简单的例子，最终落到 sqlite 数据库中，数据如下：

通过这个例子，我们可以看出，由于 MCP 服务器的存在，大模型在处理外部数据时更加的便捷高效。
在使用 MCP 服务器之前，我们可能只是要大模型生成对应的 SQL 语句，然后手动复制 SQL 语句到数据库中，然后执行查询。
但是有了 MCP 服务器之后，大模型就可以主动获取数据，并且自动将数据插入到数据库中，大大简化了大模型处理外部数据资源的便利性。

总结

MCP 协议的出现，就像给 AI 助手开辟了一条全新的道路，让它们能够主动的获取信息，轻松与各种外部工具进行交互，这意味着未来的工作场景将会更加融合 AI，人与 AI 的协作模式也将更加的高效。

最后，希望 OpenAI 能够早日跟进 MCP 协议吧。