【Vibe Coding从入门到精通】第06篇：MCP协议深度解析——AI编程的USB-C接口
·
上一篇【第05篇】Context Engineering——让AI真正理解你的项目
下一篇【第07篇】Cursor完全上手指南——地表最强AI IDE的正确打开方式
摘要
2024年11月，Anthropic发布了MCP（Model Context Protocol），一个允许AI安全、标准化地连接外部数据源和工具的开源协议。短短一年多，MCP已成为AI编程的事实基础设施——500+官方和社区MCP Server覆盖了文件系统、数据库、GitHub、Slack、飞书等几乎所有的开发工具体系。
本文深入MCP的技术架构：Client-Server模型的设计哲学、Tool/Resource/Prompt三大原语的使用场景、JSON-RPC通信机制的细节，以及手把手教你搭建一个自定义MCP Server。如果你想知道"AI是怎么操控外部工具的"，这篇就是答案。
一、MCP的诞生——为什么需要这个协议？
1.1 MCP之前的"巴别塔困境"
在MCP出现之前，每个AI应用要对接外部工具都需要单独开发集成：
【MCP之前的碎片化困境】
┌─────┐
│ AI │
└──┬──┘
│
┌────────┼────────┬─────────┬─────────┐
│ │ │ │ │
┌──┴──┐ ┌──┴──┐ ┌──┴──┐ ┌───┴──┐ ┌───┴──┐
│GitHub│ │文件 │ │数据库│ │Slack │ │Jira │
│ API │ │系统 │ │驱动 │ │ API │ │ API │
└─────┘ └────┘ └────┘ └─────┘ └─────┘
问题：
1. 每个AI应用都要为每个工具写一套集成代码
2. 没有标准的安全模型（每个工具自己处理权限）
3. 工具开发者不知道为谁开发（Cursor? Claude? Windsurf?）
4. 用户在工具间切换时不能复用已有配置
结果：工具越用越多，集成越来越碎片化。
1.2 MCP的设计目标
Anthropic提出MCP的核心理念很简单：AI应用和工具之间需要一个标准协议，就像USB-C让各种外设都能即插即用。
【MCP的设计哲学】
USB-C的类比： MCP的对应：
设备（手机/电脑） → AI应用（Cursor、Claude、Windsurf）
外设（键盘/显示器） → 工具/数据源（GitHub、数据库、文件系统）
USB-C协议 → MCP协议
即插即用 → 一次配置，所有AI应用可用
统一标准 → 所有AI工具使用同一套接口
类比的核心：你不必为每个外设买不同的转接头，
也不必为每个AI工具写不同的集成代码。
二、MCP架构详解——Client-Server模型
2.1 整体架构
【MCP架构全景图】
┌────────────────────────────────────────────────────┐
│ MCP 生态系统 │
│ │
│ ┌─────────────┐ ┌─────────────┐ │
│ │ Cursor │ │Claude Code │ ← AI应用 │
│ │ (MCP Host) │ │ (MCP Host) │ (客户端) │
│ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │
│ └────────┬─────────┘ │
│ │ │
│ MCP Protocol │
│ (JSON-RPC over stdio/HTTP) │
│ │ │
│ ┌─────────────┼─────────────┐ │
│ │ │ │ │
│ ┌──┴──┐ ┌────┴────┐ ┌───┴───┐ │
│ │文件 │ │ GitHub │ │数据库 │ ← MCP Server │
│ │系统 │ │ Server │ │Server │ (服务端) │
│ └─────┘ └─────────┘ └───────┘ │
│ │
└────────────────────────────────────────────────────┘
通信方式：
├── stdio（本地进程通信）：MCP Server作为子进程运行
└── HTTP/SSE（远程通信）：MCP Server作为独立服务运行
2.2 核心角色定义
【MCP核心角色】
MCP Host（主机）
├── 定义：运行AI应用的软件（Cursor、Claude Desktop、Windsurf）
├── 职责：发起连接、管理多个MCP Client、提供UI交互
└── 举例：你打开的Cursor窗口
MCP Client（客户端）
├── 定义：Host内部与一个Server保持1:1连接的组件
├── 职责：发送请求、接收响应、管理会话
└── 举例：Cursor中与GitHub Server通信的连接器
MCP Server（服务端）
├── 定义：暴露特定功能（工具、资源、提示）的服务程序
├── 职责：响应请求、执行操作、返回结果
└── 举例：@anthropic/mcp-server-github
三、MCP三大原语——Tool、Resource、Prompt
MCP定义了三种标准的交互方式，统称为"三大原语"：
3.1 Tool（工具）——让AI"做"事情
Tool是最常用的原语，让AI执行有副作用的操作。
【Tool原语的工作方式】
AI应用 MCP Server
│ │
│ list_tools() │
├───────────────────────────────>│
│ ← [ │
│ { name: "create_issue", │
│ description: "创建GitHub │
│ Issue", │
│ parameters: { │
│ title: string, │
│ body: string, │
│ labels: string[] │
│ } │
│ }, │
│ { name: "search_code", ... } │
│ ] │
│ │
│ call_tool("create_issue", { │
│ title: "修复登录Bug", │
│ body: "...", │
│ labels: ["bug", "high"] │
│ }) │
├───────────────────────────────>│
│ │──→ GitHub API
│ ← { │←── Issue created
│ "url": "https://github.com/ │
│ org/repo/issues/42" │
│ } │
【常见Tool示例】
MCP Server 提供的Tool
────────────────────────────────────────────
GitHub create_issue, create_pr, search_code,
list_repos, merge_pr
文件系统 read_file, write_file, list_directory,
search_files, get_file_info
数据库 execute_query, list_tables,
describe_table, create_migration
Slack/飞书 send_message, list_channels,
search_messages, add_reaction
天气 get_weather, get_forecast,
get_alerts
3.2 Resource（资源）——让AI"看"数据
Resource用于暴露只读数据，AI可以像读文件一样读取结构化数据。
【Resource vs Tool的区别】
Tool：执行操作（有副作用）
├── 创建GitHub Issue → 改变了GitHub的状态
├── 发送消息 → 改变了聊天状态
└── 写入文件 → 改变了文件系统状态
Resource：读取数据（无副作用）
├── 读取GitHub仓库的文件树
├── 读取数据库Schema
└── 读取配置文件内容
Resource类型：
├── 文本资源：text/plain, application/json
├── 二进制资源：image/png, application/pdf
└── 动态资源：SQL查询结果、API响应
3.3 Prompt（提示模板）——预定义的交互模式
Prompt让MCP Server可以定义标准化的提示模板，帮助用户更高效地与AI交互。
【Prompt原语示例】
MCP Server定义的Prompt模板：
{
"name": "code_review",
"description": "代码审查模板",
"arguments": [
{ "name": "language", "description": "编程语言", "required": true },
{ "name": "focus", "description": "审查重点" }
]
}
使用时：
用户选择 "code_review" 模板 → 填入参数
→ 自动生成结构化的审查提示：
"请审查以下 {language} 代码，重点关注 {focus}：
1. 安全性
2. 性能
3. 代码风格
4. 边界情况处理
[待审查代码]"
四、MCP的通信流程——一次完整的交互拆解
4.1 连接与初始化
【MCP连接生命周期】
阶段1：握手（Handshake）
┌──────────────────────────────────────────┐
│ Client → Server: initialize │
│ { │
│ "protocolVersion": "2024-11-05", │
│ "capabilities": { │
│ "roots": {...}, │
│ "sampling": {} │
│ }, │
│ "clientInfo": { │
│ "name": "Cursor", │
│ "version": "0.45.0" │
│ } │
│ } │
│ │
│ Server → Client: │
│ { │
│ "protocolVersion": "2024-11-05", │
│ "capabilities": { │
│ "tools": {...}, ← 支持Tool原语 │
│ "resources": {...} ← 支持Resource │
│ }, │
│ "serverInfo": { │
│ "name": "GitHub MCP Server", │
│ "version": "1.2.0" │
│ } │
│ } │
└──────────────────────────────────────────┘
阶段2：能力发现（Discovery）
┌──────────────────────────────────────────┐
│ Client → Server: tools/list │
│ Server → Client: │
│ [ │
│ { │
│ "name": "create_issue", │
│ "description": "创建GitHub Issue", │
│ "inputSchema": { │
│ "type": "object", │
│ "properties": { │
│ "title": {"type": "string"}, │
│ "body": {"type": "string"} │
│ }, │
│ "required": ["title"] │
│ } │
│ }, │
│ ... │
│ ] │
└──────────────────────────────────────────┘
4.2 工具调用详细流程
【一次完整的Tool调用】
用户："在GitHub上创建一个Issue，标题是'用户登录超时'"
↓ Cursor解析用户意图
第1步：AI决定调用哪个Tool
┌──────────────────────────────────────┐
│ AI推理："用户想创建GitHub Issue， │
│ 应该调用 GitHub MCP Server 的 │
│ create_issue 工具" │
└──────────────────────────────────────┘
第2步：构造Tool调用参数
┌──────────────────────────────────────┐
│ { │
│ "name": "create_issue", │
│ "arguments": { │
│ "title": "用户登录超时", │
│ "body": "## 问题描述\n...", │
│ "labels": ["bug"], │
│ "repo": "org/project" │
│ } │
│ } │
└──────────────────────────────────────┘
第3步：发送JSON-RPC请求
┌──────────────────────────────────────┐
│ { │
│ "jsonrpc": "2.0", │
│ "method": "tools/call", │
│ "params": { │
│ "name": "create_issue", │
│ "arguments": {...} │
│ }, │
│ "id": 1 │
│ } │
└──────────────────────────────────────┘
第4步：MCP Server执行并返回
┌──────────────────────────────────────┐
│ { │
│ "jsonrpc": "2.0", │
│ "result": { │
│ "content": [{ │
│ "type": "text", │
│ "text": "Issue #42 created: │
│ https://github.com/org/ │
│ repo/issues/42" │
│ }] │
│ }, │
│ "id": 1 │
│ } │
└──────────────────────────────────────┘
第5步：AI将结果展示给用户
"✅ 已创建 Issue #42：用户登录超时
链接：https://github.com/org/repo/issues/42"
五、搭建一个自定义MCP Server
5.1 最小可运行示例
以下是一个最简单的MCP Server，提供一个"获取当前时间"的工具：
# weather-server.py
from mcp.server import Server, NotificationOptions
from mcp.server.models import InitializationCapabilities
import mcp.server.stdio
import mcp.types as types
from datetime import datetime, timezone
# 创建Server实例
server = Server("my-first-mcp-server")
@server.list_tools()
async def handle_list_tools() -> list[types.Tool]:
"""返回Server提供的工具列表"""
return [
types.Tool(
name="get_current_time",
description="获取当前的UTC时间",
inputSchema={
"type": "object",
"properties": {},
},
)
]
@server.call_tool()
async def handle_call_tool(
name: str,
arguments: dict
) -> list[types.TextContent]:
"""处理工具调用"""
if name == "get_current_time":
now = datetime.now(timezone.utc)
return [
types.TextContent(
type="text",
text=f"当前UTC时间：{now.isoformat()}"
)
]
else:
raise ValueError(f"未知工具: {name}")
async def run():
async with mcp.server.stdio.stdio_server() as (read_stream, write_stream):
await server.run(
read_stream,
write_stream,
InitializationCapabilities(
sampling={},
roots={}
),
)
if __name__ == "__main__":
import asyncio
asyncio.run(run())
5.2 配置到Cursor
// 在 .cursor/mcp.json 中添加
{
"mcpServers": {
"my-tools": {
"command": "python",
"args": ["path/to/weather-server.py"]
}
}
}
配置完成后，在Cursor中就可以直接对AI说"告诉我现在几点了"，AI会自动调用你的MCP Server获取时间。
六、MCP生态现状与未来
6.1 2026年的MCP生态版图
【MCP生态全景（2026年中）】
官方Server（Anthropic提供）：
├── @anthropic/mcp-server-github
├── @anthropic/mcp-server-filesystem
├── @anthropic/mcp-server-postgres
├── @anthropic/mcp-server-slack
└── @anthropic/mcp-server-puppeteer
社区热门Server（部分列举）：
├── 飞书/钉钉/企业微信（即时通讯）
├── 腾讯文档/Notion/语雀（文档协作）
├── MySQL/Redis/MongoDB（数据库）
├── AWS/GCP/Azure（云服务）
├── Jira/Linear（项目管理）
├── Playwright（浏览器自动化）
└── Docker/Kubernetes（容器编排）
数据统计（截至2026年6月）：
├── MCP Server总数：800+
├── 支持MCP的主流AI工具：Cursor, Claude, Windsurf, Copilot, Continue
├── GitHub MCP仓库Star数：80K+
├── 日均MCP工具调用量：数百万级
6.2 MCP的未来方向
【MCP的演进方向】
短期（2026 H2）：
├── MCP 2.0 正式发布
├── 更好的安全模型（OAuth 2.0原生支持）
├── Server热加载（无需重启）
├── 更丰富的原语（Streaming、Filesystem代理）
中期（2027）：
├── MCP Server市场/应用商店
├── Server托管服务（云上运行，无需本地部署）
├── 多Agent协作的MCP协调协议
└── MCP成为W3C标准
长期愿景：
"每个软件都提供一个MCP接口，
AI可以像调用函数一样调用任何软件的能力。"
总结
- MCP是AI编程的标准化协议：它定义了AI应用如何发现和调用外部工具、资源和提示模板，解决了碎片化集成的问题。
- Client-Server架构清晰：AI应用作为Host和Client，外部能力作为Server，通过JSON-RPC协议通信，支持stdio和HTTP两种传输方式。
- 三大原语覆盖所有场景：Tool用于执行操作（有副作用），Resource用于读取数据（无副作用），Prompt用于标准化交互模板。
- 自定义MCP Server门槛很低：几十行Python代码就能创建一个功能完整的MCP Server，并配置到Cursor/Claude中使用。
- MCP生态正在快速膨胀：800+ Server覆盖了几乎所有开发工具和设备，正朝着"每个软件都有MCP接口"的愿景演进。
上一篇【第05篇】Context Engineering——让AI真正理解你的项目
下一篇【第07篇】Cursor完全上手指南——地表最强AI IDE的正确打开方式
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
6
0- 0
已为社区贡献18条内容
所有评论(0)