一、MCP 的兴起：从“信息孤岛”到“生态互联”

2024 年底至 2025 年初，随着大语言模型（LLM）能力的爆发式增长，开发者发现一个核心瓶颈：AI 再聪明，也拿不到实时数据、动不了外部系统。

在 MCP 诞生之前，AI 开发者长期面临着一个棘手的 “N×M”集成难题。每当需要为大模型接入新的外部工具（如数据库、文件系统或第三方 API），开发者都必须针对不同的模型平台重新编写适配代码。有人写 Function Calling 硬编码接口，有人用 LangChain 做工具链，有人自己搭插件框架。结果是每个 AI 应用都在重复造轮子，集成成本居高不下，AI 应用沦为一个个无法互通的 “信息孤岛”。

转机出现在 2024 年 11 月，Anthropic 正式开源了 Model Context Protocol（MCP）​ 规范，目标很直接：让 AI 应用像 USB 设备一样即插即用。开发者只需一次实现，就能让任何 LLM 客户端安全地调用外部工具、读取数据源。

二、什么是 MCP：AI应用的“USB-C接口”

MCP（Model Context Protocol，模型上下文协议）​ 是一种开放的、模型无关的标准协议，定义了 AI 模型与外部工具、数据源之间的标准化通信方式。

你可以把它理解为 AI 世界的 USB-C 接口：

类比

现实世界

AI 世界

设备

U 盘、键盘、显示器

数据库、API、文件系统

接口

USB-C

MCP

主机

电脑

LLM 客户端（Claude Desktop、CodeBuddy、Cursor 等）

正如 USB 接口的出现让各类外设不再需要为每台电脑单独定制驱动一样，MCP 让开发者只需实现一次工具接口，即可被所有兼容该协议的模型调用。通过标准化交互规则，MCP 实现了 AI 模型与外部工具的 “即插即用”，极大地简化了集成复杂度，降低了开发门槛。

核心价值在于：一次接入，到处可用。开发者写好一个 MCP Server，所有支持 MCP 的 AI 客户端都能直接调用，无需针对每个平台单独开发插件。

三、MCP的组成部分：解耦与协同的架构

MCP采用了经典的客户端-服务器分布式架构，通过高度解耦的设计实现了灵活的扩展。其核心组成部分包括：

  • MCP Host（主机应用）：这是运行AI模型或代理的宿主环境，如Claude桌面版、各类IDE中的AI助手等。主机应用是连接的发起方，负责管理用户、模型和底层MCP系统之间的交互。
  • MCP Client（客户端）：嵌入在主机应用内部的通信组件。它充当桥梁角色，负责与MCP Server进行一对一的通信，将用户的请求转化为协议可以处理的结构化格式，并管理消息流。
  • MCP Server（服务器）：独立运行的轻量级服务端程序，相当于一个“适配器”。它封装了特定数据源或工具的具体能力，通过标准化的MCP接口对外提供服务。

此外，MCP服务器对外暴露的能力被抽象为三类核心基本元素：

基本元素

作用

示例

说明

Tools（工具）

可被 AI 调用的函数

create_xmind_file, query_sqlite

提供可执行的函数调用，如发送邮件、查询天气

Resources（资源）

可被 AI 读取的数据 URI

file:///logs/app.log

提供只读的静态数据，如文件、数据库记录

Prompts（提示）

预定义的提示模板

引导 AI 如何正确使用工具

预定义的交互模板，用于引导模型完成特定任务

四、MCP的工作原理：动态发现与安全调用

MCP的通信基于JSON-RPC 2.0协议，支持本地标准输入输出（stdio）和基于HTTP的远程流式传输（SSE）。底层传输层支持多种方式：

核心交互流程

  1. 初始化：客户端向 Server 发送 initialize请求，协商协议版本和能力

  2. 能力声明：Server 返回支持的 工具列表（Tools）、资源列表（Resources）、提示模板（Prompts）

  3. 调用执行：AI 模型根据用户意图，决定调用哪个工具 → 客户端转发调用请求给 Server → Server 执行并返回结果

  4. 上下文注入：Server 还可以主动推送资源更新，让 AI 始终拿到最新数据

三种传输模式

模式

适用场景

特点

Stdio​

本地开发、桌面端

通过标准输入输出通信，零依赖

HTTP + SSE​

Web 端、远程服务

支持流式推送，适合实时数据

Streamable HTTP​

云端部署

最新的标准化方案，兼容性好

五、MCP的配置方式：多种途径灵活接入

1. 查找与获取 MCP Server

方式 1：MCP Registry / 社区目录（推荐先查）

官方及社区维护的 MCP Server 列表，可搜索所需工具：

  • 官方 Registry：https://github.com/modelcontextprotocol/registry

  • 社区聚合站：Smithery（https://smithery.ai）、MCPHub（https://mcphub.com）、Awesome MCP

  • 在 Registry / Smithery 搜到后，按页面提示复制 npx 命令或直接用客户端 GUI 安装

方式 2：客户端内 GUI 一键添加（部分客户端支持）

  • Claude Desktop：Settings → Developer → Connectors → Add custom connector（适合官方 Streamable HTTP 型，如 XMind MCP）

  • Cursor：Settings → MCP → + Add MCP Server（可粘贴 npx 配置或选社区预设）

  • CodeBuddy IDE：侧边栏 Settings → MCP → 从列表选取或手动添加 .mcp.json

2. MCP Server 的安装/运行方式

① npx 直接运行（最常用，Node.js MCP）

无需全局安装，npx 自动拉包运行，推荐用于快速测试：

npx -y @modelcontextprotocol/server-filesystem /Users/aly/Documents

mcp.json对应配置：

{
  "mcpServers": {
    "filesystem": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/aly/Documents"],
      "env": {}
    }
  }
}

首次运行会下载包，稍慢；后续有缓存。

② npm / pip 全局安装（频繁使用的 Server）

Node.js 系：

npm install -g @modelcontextprotocol/server-filesystem

mcp.json对应配置：

{
  "mcpServers": {
    "filesystem": {
      "type": "stdio",
      "command": "mcp-server-filesystem",
      "args": ["/Users/aly/Documents"]
    }
  }
}

Python 系（推荐用 uvx或 pipx隔离）：

pip install mcp-server-sqlite
# 或
pipx install mcp-server-sqlite
# 或直接用 uvx（无需安装，自动隔离）
uvx mcp-server-sqlite --db-path /path/to/db.sqlite

mcp.json对应配置：

{
  "mcpServers": {
    "sqlite": {
      "type": "stdio",
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "/Users/aly/data.db"]
    }
  }
}

③ Git Clone 源码本地构建（自定义/修改源码/无 npm 包）

适用于 GitHub 上只有源码未发 npm 包的 MCP Server：

# 1. 克隆仓库
git clone https://github.com/username/mcp-server-example.git
cd mcp-server-example

# 2. 安装依赖并构建（Node.js/TS 系）
npm install
npm run build          # 通常生成 dist/index.js

# Python 系
# python3 -m venv .venv
# source .venv/bin/activate
# pip install -e .

配置用绝对路径指向入口文件：

{
  "mcpServers": {
    "my-custom": {
      "type": "stdio",
      "command": "node",
      "args": ["/Users/aly/projects/mcp-server-example/dist/index.js"],
      "env": { "API_KEY": "your_key" }
    }
  }
}

⚠️ args中必须用绝对路径，相对路径在 MCP 客户端启动时常解析失败。

④ Docker 运行（隔离环境 / 服务端部署）

部分 MCP Server 提供 Docker 镜像：

docker pull ghcr.io/modelcontextprotocol/server-filesystem
docker run -i --rm -v /Users/aly/Documents:/data \
  ghcr.io/modelcontextprotocol/server-filesystem /data

stdio 模式 Docker 配置（部分客户端支持）：

{
  "mcpServers": {
    "filesystem-docker": {
      "type": "stdio",
      "command": "docker",
      "args": ["run", "-i", "--rm", "-v", "/Users/aly/Documents:/data", "ghcr.io/modelcontextprotocol/server-filesystem", "/data"]
    }
  }
}

也支持以 HTTP/SSE 模式启动容器后在客户端配 streamableHttp/ sse类型。

⑤ Streamable HTTP / SSE（远程官方 MCP，如 XMind）

不需本地安装，直接配 URL：

{
  "mcpServers": {
    "xmind": {
      "type": "streamableHttp",
      "url": "https://app.xmind.com/api/mcp",
      "disabled": false
    }
  }
}

3. 配置文件位置速查

客户端

macOS 配置文件位置

Claude Desktop

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

CodeBuddy IDE

Settings → MCP → 编辑 .mcp.json或 codebuddy_mcp_settings.json

Cursor

项目 .cursor/mcp.json或全局 ~/.cursor/mcp.json

VS Code (Agent Mode)

工作区 .vscode/mcp.json（v1.102+）

修改后完全退出重启客户端（Claude Desktop 需 Quit，不是最小化）。

🌟XMind MCP的配置与使用：从对话到思维导图一步到位

没有MCP的日子：AI 写完用例，你还得自己搬砖

当你让 AI 帮你在会话里梳理好测试用例，它吐给你一份 Markdown 或文本——接下来你还得：

  1. 手动新建​ XMind 文件

  2. 复制粘贴​ 用例层级结构进去，逐条对齐缩进

  3. 调整样式、分支布局，花时间做本来不该你做的事

  4. 若需求有变更，又要回 AI 拿新 Markdown → 再重新导入/覆盖 → 再排版……

反向操作更崩溃：想让 AI 帮你读已有 XMind 用例、帮你增补分支或修改描述？做不到。XMind 文件是黑盒，AI 看不见也改不了，只能你先打开、截图或手打内容喂给它。

一次简单的"AI 辅助写用例"，硬生生变成了 Markdown ↔ XMind 的人工搬运工。

有了 XMind MCP 后，这些步骤变成一句话：

"帮我把这段需求转成测试用例思维导图，保存为 XMind。"

或 "

读取我刚打开的那个测试用例 .xmind，在『异常流程』分支下补三条新用例。"

AI 直接创建、读取、编辑 XMind 文件，不再有中间格式、不再有来回导入导出。

XMind MCP配置方法

1. 自动配置-适用部分AI客户端

在 Claude 上的操作步骤：

1️⃣ 打开 Claude 桌面版，进入 设置 > 开发者 > 连接器

2️⃣ 选择「添加自定义连接器」，设置名称并填入服务器地址，然后点击「添加」

https://app.xmind.com/api/mcp

3️⃣ 点击「连接」，在弹出的浏览器窗口中用你的 Xmind 账号授权登录

4️⃣ 返回 Claude，确认 Xmind MCP 服务器已可用

2. 手动配置

1️⃣ 快捷的方法，让AI客户端帮你配置：

帮我配置Xmind MCP，https://app.xmind.com/api/mcp。

或者，不想耗费token(其实token很少)，自己手动配置，在MCP JSON里面配置xmind-mcp服务器：

"mcpServers": {
    "xmind": {
      "type": "streamableHttp",
      "url": "https://app.xmind.com/api/mcp",
      "disabled": false
    }
  }

2️⃣ 重启后点击「连接」，在弹出的浏览器窗口中用你的 Xmind 账号授权登录，授权成功后入下面所示就配置成功了。

注意：这里的Xmind账号需要使用全球账号，国内账号和全球账号不是一个账号体系，桌面版Xmind也可以切换到全球账号。

3. 配置社区版本（非官方版本，功能少）

在MCP JSON里面配置xmind-mcp服务器，这里的路径是xmind存放文件的路径

{
  "mcpServers": {
    "xmind": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@41px/mcp-xmind", "/Users/你的用户名/Documents/XMindFiles"],
      "env": {}
    }
  }
}

配置成功后你会看到xmind变成绿色，这样就可以用了。

更多配置和使用可以参考官方说明🌐 Xmind MCP Server - Xmind

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

OpenClaw 插件系统：用插件扩展你的AI Agent边界

avatar MCP技术社区
cover

你给AI Agent装的“技能包“，可能正在偷你的密钥——SkillSpector源码深度解析

avatar MCP技术社区
cover

OpenClaw 中间件：请求拦截、转换与增强的完整指南

avatar MCP技术社区