一、基础概念

• 1. 什么是MCP？

• 2. 为什么需要MCP？

• 3. 核心架构

二、核心功能

• 4. 三大核心功能

三、实战教程

• 5. 实战：5分钟搭建MCP服务器

• 6. 传输方式

• 7. 安全最佳实践

• 8. 生态系统

四、进阶指南

• 9. 常见问题

  • 9.1 MCP vs OpenAI Function Calling

  • 9.2 什么时候不用MCP？

  • 9.3 版本兼容性说明

  • 9.4 支持哪些编程语言？

五、总结

• 10. 总结

• 11. 相关资源

---

什么是MCP？

MCP（Model Context Protocol）是Anthropic在2024年推出的模型上下文协议。它是一个开放标准，让AI模型能够安全、标准化地连接外部数据源和工具。

简单理解：MCP是AI世界的USB-C接口——一个协议，连接万物。

为什么需要MCP？

痛点：AI的"信息孤岛"

大模型很强大，但有两个致命弱点：

1. 知识有截止日期 - 不知道今天发生了什么

2. 无法执行操作 - 只能说，不能做

想让AI查实时天气？读你的文件？操作数据库？以前每接一个功能，都要写一堆定制代码。

解决：标准化连接

MCP的出现，让这件事变得简单：

以前：AI → 定制代码A → 工具A
     AI → 定制代码B → 工具B
     AI → 定制代码C → 工具C
     （每个都要单独开发）
​
现在：AI → MCP协议 → 任意MCP服务器
     （一次开发，到处可用）

核心架构

MCP采用客户端-服务器架构：

┌─────────────────────────────────────────────────────────┐
│                      AI应用（宿主）                      │
│  ┌─────────────────────────────────────────────────┐   │
│  │                MCP客户端                         │   │
│  │   ┌─────────┐ ┌─────────┐ ┌─────────┐         │   │
│  │   │ 客户端A │ │ 客户端B │ │ 客户端C │  ...     │   │
│  │   └────┬────┘ └────┬────┘ └────┬────┘         │   │
│  └────────┼───────────┼───────────┼───────────────┘   │
└───────────┼───────────┼───────────┼─────────────────────┘
            │           │           │
            ▼           ▼           ▼
      ┌──────────┐ ┌──────────┐ ┌──────────┐
      │MCP服务器A│ │MCP服务器B│ │MCP服务器C│
      │ (数据库) │ │ (文件系统)│ │ (API服务)│
      └──────────┘ └──────────┘ └──────────┘

三个核心角色

角色	职责	举例
宿主（Host）	运行AI的应用	Claude Desktop、Cursor、你的AI应用
客户端（Client）	处理协议通信	内嵌在宿主中，管理与服务器的连接
服务器（Server）	提供具体能力	天气服务、数据库服务、文件服务

三大核心功能

1. 工具（Tools）—— 让AI"能做"

工具让AI可以执行操作，比如：

from mcp.server.fastmcp import FastMCP
​
mcp = FastMCP("my-tools")
​
@mcp.tool()
async def send_email(to: str, subject: str, body: str) -> str:
    """发送邮件"""
    # 实际发送逻辑...
    return f"邮件已发送至 {to}"
​
@mcp.tool()
async def query_database(sql: str) -> list:
    """执行SQL查询"""
    # 实际查询逻辑...
    return [{"name": "张三", "age": 28}]

典型场景：

• 发送消息/邮件

• 操作数据库

• 调用第三方API

• 文件增删改

2. 资源（Resources）—— 让AI"能看"

资源让AI可以读取数据，比如：

@mcp.resource("file:///{path}")
async def read_file(path: str) -> str:
    """读取文件内容"""
    with open(path, 'r') as f:
        return f.read()
​
@mcp.resource("db://users/{user_id}")
async def get_user(user_id: str) -> dict:
    """获取用户信息"""
    return {"id": user_id, "name": "张三"}

典型场景：

• 读取本地文件

• 查询数据库记录

• 获取API数据

• 访问云存储

3. 提示（Prompts）—— 让AI"更专业"

提示模板让AI在特定场景下表现更好：

@mcp.prompt()
async def code_review(code: str, language: str) -> str:
    """代码审查提示"""
    return f"""请审查以下{language}代码，关注：
1. 安全漏洞
2. 性能问题
3. 代码规范
​
代码：
```{language}
{code}
```"""
​
@mcp.prompt()
async def translate(text: str, target_lang: str) -> str:
    """翻译提示"""
    return f"将以下文本翻译成{target_lang}，保持原意和语气：\n\n{text}"

典型场景：

• 代码审查模板

• 翻译优化模板

• 数据分析模板

• 内容创作模板

实战：5分钟搭建MCP服务器

根据你的技术栈选择对应语言：

Python版本（推荐使用FastMCP）

第一步：安装依赖

pip install mcp

第二步：编写服务器

# weather_server.py
from mcp.server.fastmcp import FastMCP
​
# 创建FastMCP服务器实例
mcp = FastMCP("weather-server")
​
@mcp.tool()
async def get_weather(city: str) -> str:
    """获取指定城市的天气信息"""
    # 这里用模拟数据，实际可调用天气API
    weather_data = {
        "北京": "晴，25°C，湿度40%",
        "上海": "多云，22°C，湿度65%",
        "广州": "阵雨，28°C，湿度80%",
    }
    return weather_data.get(city, f"暂无{city}的天气数据")
​
@mcp.tool()
async def get_weather_forecast(city: str, days: int = 3) -> str:
    """获取未来几天的天气预报"""
    return f"{city}未来{days}天天气预报：晴转多云，气温20-28°C"
​
if __name__ == "__main__":
    mcp.run()

第三步：配置客户端

在Claude Desktop的配置文件中添加：

{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["weather_server.py"]
    }
  }
}

---

TypeScript + Node.js版本

第一步：初始化项目

# 创建项目文件夹
mkdir weather-mcp && cd weather-mcp
​
# 初始化项目
npm init -y
​
# 安装MCP SDK
npm install @modelcontextprotocol/sdk

第二步：编写服务器

// weather_server.js
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { ListToolsRequestSchema, CallToolRequestSchema } from "@modelcontextprotocol/sdk/types.js";
​
const server = new Server({
  name: "weather-server",
  version: "1.0.0"
}, {
  capabilities: { tools: {} }
});
​
// 定义可用工具
server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [
    {
      name: "get_weather",
      description: "获取指定城市的天气信息",
      inputSchema: {
        type: "object",
        properties: {
          city: { type: "string", description: "城市名称" }
        },
        required: ["city"]
      }
    }
  ]
}));
​
// 处理工具调用
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "get_weather") {
    const city = request.params.arguments.city;
    const weatherData = {
      "北京": "晴，25°C，湿度40%",
      "上海": "多云，22°C，湿度65%",
      "广州": "阵雨，28°C，湿度80%"
    };
    return {
      content: [{
        type: "text",
        text: weatherData[city] || `暂无${city}的天气数据`
      }]
    };
  }
});
​
// 启动服务器
const transport = new StdioServerTransport();
await server.connect(transport);

第三步：配置package.json

确保你的 package.json 包含：

{
  "name": "weather-mcp",
  "version": "1.0.0",
  "type": "module",
  "main": "weather_server.js"
}

第四步：配置客户端

在Claude Desktop的配置文件中添加：

{
  "mcpServers": {
    "weather": {
      "command": "node",
      "args": ["weather_server.js"]
    }
  }
}

---

测试使用

重启Claude Desktop，然后问：

"北京今天天气怎么样？"

AI会自动调用你的天气服务器，返回实时数据。

传输方式

MCP支持多种通信方式：

传输方式	特点	适用场景
stdio	标准输入输出，简单直接	本地工具、CLI集成
SSE	Server-Sent Events，HTTP长连接	Web应用、远程服务
Streamable HTTP	新一代HTTP传输，更灵活	生产环境、高并发

安全最佳实践

MCP设计时就把安全放在首位：

1. 最小权限原则

# 只暴露必要的工具
@mcp.tool()
def read_file(path: str) -> str:
    """只读权限，不能写入"""
    # 检查路径是否在允许范围内
    if not is_allowed_path(path):
        raise PermissionError("无权访问该路径")
    ...

2. 用户确认机制

• 敏感操作（删除、发送）需要用户确认

• 可配置自动批准的工具列表

• 所有操作可审计追溯

3. 输入验证

@mcp.tool()
def query_database(sql: str) -> list:
    """执行查询，但禁止危险操作"""
    # 禁止删除、更新等操作
    if any(keyword in sql.upper() for keyword in ["DROP", "DELETE", "UPDATE"]):
        raise ValueError("只允许SELECT查询")
    ...

生态系统

MCP正在快速发展，已有的服务器包括：

官方示例：

• 文件系统访问

• PostgreSQL/SQLite数据库

• Git操作

• Google Maps

• Brave搜索

社区贡献：

• Slack/Discord集成

• GitHub操作

• 云服务（AWS/GCP/Azure）

• 各类SaaS工具

常见问题

MCP vs OpenAI Function Calling 详细对比

对比维度	MCP	OpenAI Function Calling
协议标准	开放标准，Anthropic主导	OpenAI私有协议
跨平台	✅ 支持所有AI模型	❌ 仅限OpenAI模型
功能范围	工具 + 资源 + 提示	仅工具调用
状态管理	支持有状态会话	无状态，每次调用独立
传输方式	stdio / SSE / HTTP	HTTP API调用
生态建设	统一生态，一次开发多处可用	碎片化，各平台各搞各的
学习成本	需学习协议规范	简单，定义JSON Schema即可
适用场景	复杂工具链、跨AI平台	简单单次工具调用

选择建议：

• 用Claude → 优先MCP

• 只用OpenAI → Function Calling够用

• 需要跨平台 → 必须MCP

---

什么时候不用MCP？

MCP很强大，但不是所有场景都需要：

场景	是否需要MCP	替代方案
简单API调用	❌ 不需要	直接用Function Calling
单模型单工具	❌ 不需要	内置工具调用
纯文本生成	❌ 不需要	纯Prompt工程
实时流式处理	⚠️ 谨慎	WebSocket更合适
高性能计算	❌ 不需要	专用微服务
多工具协作	✅ 推荐MCP	-
跨AI平台	✅ 推荐MCP	-
复杂工作流	✅ 推荐MCP	-

简单判断标准：

• 只调用1-2个简单工具 → 不用MCP

• 需要多个工具协作、跨平台复用 → 用MCP

---

版本兼容性说明

MCP协议版本

版本	发布时间	主要特性	状态
2024-11-05	2024年11月	首个正式版，基础功能	✅ 稳定
2025-03-26	2025年3月	OAuth 2.1认证、Streamable HTTP	✅ 推荐
2025-06-18	2025年6月	结构化工具输出、资源链接	✅ 最新

SDK版本要求

SDK	最低版本	推荐版本	备注
Python	>=1.0.0	最新	支持async/await
TypeScript	>=1.0.0	最新	需要Node.js 18+
Java（社区）	>=0.2.0	最新	非官方维护

客户端兼容性

客户端	MCP版本支持	备注
Claude Desktop	2024-11-05+	原生支持
Cursor	2024-11-05+	内置支持
Windsurf	2024-11-05+	内置支持
自建应用	取决于SDK版本	使用对应语言SDK

常见兼容性问题

1. SDK版本过低

   错误：Method not found
   解决：升级SDK到最新版本

2. Node.js版本过低

   错误：SyntaxError: Unexpected token
   解决：升级Node.js到18+

3. Python版本过低

   错误：ModuleNotFoundError
   解决：使用Python 3.10+

💡 建议： 始终使用最新稳定版SDK，避免版本兼容问题。

---

支持哪些编程语言？

语言	SDK来源	安装命令	适合人群
Python	官方	pip install mcp	Python开发者、数据科学
TypeScript/Node.js	官方	npm install @modelcontextprotocol/sdk	前端/全栈开发者
Java	社区	Maven/Gradle引入	Java后端开发者
Go	社区	go get	Go开发者
Rust	社区	Cargo引入	系统级开发

💡 选择建议： 用你最熟悉的语言就行，功能都一样。

总结

MCP解决了AI连接外部世界的关键问题：

✅ 标准化 - 一套协议，连接所有工具 ✅ 可组合 - 像乐高一样拼装能力 ✅ 安全可控 - 权限明确，操作可审计 ✅ 生态共建 - 开发一次，所有AI可用

一句话：MCP让AI从"聊天机器人"进化成"智能助手"。

---

相关资源

• MCP官方文档

• MCP GitHub仓库

• Python SDK

• TypeScript SDK

---