文章目录

前言

  当大型语言模型首次出现时，用户必须将代码复制并粘贴到文本界面才能与其交互。这很快就被证明是不够的，因此需要自定义集成以更好地加载上下文。然而，这些集成是分散的，需要单独开发。模型上下文协议(MCP, Model Context Protocol)通过提供通用协议来解决此问题，以便与本地和远程资源进行高效的 AI 交互。

原文：Model Context Protocol (MCP) Quickstart
开源的MCP服务器：awesome-mcp-servers

1. 协议

该协议的高层概述：

  • 主机(host)是发起连接的 LLM 应用程序（如 Claude Desktop 或 IDE）；
  • 客户端(client)维护与主机应用程序内的服务器的连接；
  • 服务器(server)向客户端提供上下文、工具和提示。

1.1 Server

  如果您已经熟悉工具的使用，那么 MCP 也会让你感到熟悉。我们来看一个服务器实现示例：Brave Search 服务器。
  在内部，服务器实现定义了它可以访问的工具，并将其可用性传达给客户端。

server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [WEB_SEARCH_TOOL, LOCAL_SEARCH_TOOL],
}));

  这里WEB_SEARCH_TOOL是描述可用工具的对象，例如：

{
  name: "brave_web_search",
  description:
    "Performs a web search using the Brave Search API, ideal for general queries, news, articles, and online content. " +
    "Use this for broad information gathering, recent events, or when you need diverse web sources. " +
    "Supports pagination, content filtering, and freshness controls. " +
    "Maximum 20 results per request, with offset for pagination. ",
  inputSchema: {
    type: "object",
    properties: {
      query: {
        type: "string",
        description: "Search query (max 400 chars, 50 words)"
      },
      count: {
        type: "number",
        description: "Number of results (1-20, default 10)",
        default: 10
      },
      offset: {
        type: "number",
        description: "Pagination offset (max 9, default 0)",
        default: 0
      },
    },
    required: ["query"],
  },
}

  这与Anthropic Claude Tool Use API 和 OpenAI Function Calling的定义基本相同，然后它会公开一个请求处理程序：

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  // ...
});

  请求处理程序将传入的请求与工具进行匹配，然后调用与该工具相关联的任何函数。

case "brave_web_search": {
  if (!isBraveWebSearchArgs(args)) {
    throw new Error("Invalid arguments for brave_web_search");
  }
  const { query, count = 10 } = args;
  const results = await performWebSearch(query, count);
  return {
    content: [{ type: "text", text: results }],
    isError: false,
  };
}

  每个MPC服务器都有一个URI（例如tool://brave_web_search/brave_web_search），作为单独的进程运行，并通过JSON-RPC与客户端通信。例如，你可以通过以下命令启动Brave Search服务器：

export BRAVE_API_KEY=your-api-key
npx -y @modelcontextprotocol/server-brave-search

你可以通过注册 Brave 账户获得免费的Brave Search API密钥。

1.2 Client

  客户端需要知道它可以连接到哪个服务器。

const transport = new StdioClientTransport({
  command: "tool://brave_web_search/brave_web_search"
});

  然后，它需要连接到服务器：

await client.connect(transport);

连接的目的是通过协议协商功能。连接期间：

  • 客户端发送带有协议版本和功能的初始化请求;
  • 服务器以其协议版本和功能进行响应;
  • 客户端发送初始化通知作为确认;
  • 开始正常信息交换。

最后，客户端可以向服务器发送消息：

const resources = await client.request(
  { method: "brave_web_search" },
  BraveWebSearchResultSchema
);

协议定义了4种类型的消息：

  • 请求(Request)：需要响应的消息;
  • 通知(Notification)：不需要回复的消息;
  • 结果(Result)：成功响应请求;
  • 错误(Error)：请求响应失败。

1.3 Transport

MCP支持多种传输机制：

  • 标准传输：
    • 使用标准输入/输出进行通信；
    • 非常适合本地流程。
  • 带有SSE传输的HTTP：
    • 使用服务器发送事件来发送服务器到客户端的消息；
    • 客户端到服务器消息的HTTP POST。

所有传输都使用JSON-RPC 2.0来交换消息。

1.4 Host

  主机是启动与服务器连接的应用程序（例如Claude Desktop），负责发现服务器的功能，并规划如何利用它们来解决最终用户的问题。这部分协议相当模糊。不过，据我所知，期望是主机实现自定义的路由逻辑。这种实现的示例可以看这篇文章：Implementing Tool Functionality in Conversational AI

2. 开源组件

2.1 框架

这些是高级框架，可以更轻松地构建MCP服务器：

2.2 SDKs

2.3 生态系统

2.4 服务器

2.5 社区服务器

我们现在有基于 Web 的 MCP 服务器目录，网址为https://glama.ai/mcp/servers

该列表的未来更新将发布至https://github.com/punkpeye/awesome-mcp-servers

3. 早期采用和用例

一些组织和工具已经采用了MCP：

3.1 Sourcegraph Cody

  摘自Cody 博客文章：

  以下是 Cody 查看数据库模式后连接到 Postgres 数据库以编写 Prisma 查询的示例：

在这里插入图片描述

3.2 Zed Editor

  摘自Zed Editor 博客文章：

  下面是使用 PostgreSQL 的 Zed 扩展的示例，它可以立即向模型告知我们的整个数据库模式，因此当我们要求它为我们编写查询时，它会确切地知道存在哪些表和列，以及它们的类型是什么。

使用 Postgres 上下文服务器让助手编写模式感知查询

4. 使用 Claude Desktop 测试 MCP

  Claude Desktop app是测试 MCP 最简单的方法。在文本编辑器中打开 Claude Desktop app 的配置文件~/Library/Application Support/Claude/claude_desktop_config.json，如果不存在需要手动创建。特别注意，不是config.json文件！添加配置内容：

{
  "mcpServers": {
    "brave_search": {
      "command": "npx",
      "args": ["@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "your-api-key"
      }
    }
  }
}

这告诉 Claude Desktop：

  • 有一个名为brave_search MCP 服务
  • 使用npx @modelcontextprotocol/server-brave-search启动它

  保存文件并重新启动 Claude Desktop。现在，你可以让 Claude Desktop在网上搜索某些内容。例如，尝试让 Claude Desktop在网络上搜索 glama.ai，"search the web for glama.ai"。首先会提示你允许 Claude Desktop 使用 MCP：

权限对话框
  单击"Deny"以允许 Claude Desktop 使用 MCP。然后，你将看到 Claude Desktop 使用 Brave Search MCP 服务器在网络上搜索"glama.ai"并获取结果。

# 人工智能
Logo
MCP技术社区

欢迎加入 MCP 技术社区！与志同道合者携手前行，一同解锁 MCP 技术的无限可能！

更多推荐

cover

MCP结合高德地图完成配置

avatar MCP技术社区
cover

MCP 实战第一课：让 DeepSeek 接管你的电脑

avatar MCP技术社区
cover

2025最新大模型常见面试题汇总（含答案），面试还得八股文，不背不行啊，非常详细收藏我这一篇就够了！

avatar MCP技术社区