前言
MCP 无疑是当前最受关注的前沿技术之一,无论是在公司内部还是外部,都引起了广泛的讨论与实践。作为一名互联网从业者,笔者自然不愿错过这一科技浪潮。
本篇文章分享笔者最近的一些实践经验和心得,希望能抛砖引玉。
WHAT:什么是MCP?
MCP(Model Context Protocol,模型上下文协议)是由Anthropic推出的开源协议,旨在实现大型语言模型(LLM)与外部数据源和工具的无缝集成,用来在大模型和数据源之间建立安全双向的链接。
总体架构
MCP 的核心是一个client-server架构,host 应用程序可以连接到多个服务器:
引自:https://modelcontextprotocol.io/introduction
核心组件:
- MCP Hosts:像Claude Desktop、IDEs 或 AI 工具这样的程序,它们希望通过 MCP 访问资源
- MCP Clients:维护与服务器 1:1 连接的协议客户端
- MCP Server:轻量级程序,通过标准化的 Model Context Protocol 暴露特定功能
- Local Resources:你的计算机资源(数据库、文件、服务),MCP 服务器可以安全地访问这些资源
- Remote Resource:通过互联网可用的资源(例如,通过APIs),MCP 服务器可以连接到这些资源
如果对以上的定义还是不太理解,参考以下这张图来理解 MCP是如何实现“即插即用”
可以说,MCP就是大语言模型的USB协议。
关于协议层面,MCP 采用JSON-RPC 2.0作为消息格式,并支持两种传输方式:
- 标准输入 / 输出 (stdio):适用于本地工具集成,如命令行程序。
- Server-Sent Events(SSE):支持服务器向客户端流式传输数据,适用于实时任务(如长时间运行的数据分析)。
关键技术突破:
- 动态工具发现:客户端通过
GET /discovery
接口获取服务器支持的工具列表,避免硬编码依赖。 - 流式响应:支持异步任务的实时进度反馈,例如在分析销售数据时,服务器可分阶段推送处理进度。
- 安全机制:内置 OAuth 2.0 认证和数据加密,确保敏感信息在传输过程中不被泄露。
WHY:为什么我们需要MCP?
MCP VS Function Calling
MCP 出现之前,AI 的交互方式一般是以Function Calling来实现,以下是两者之间的对比:
特性 | MCP | Function Calling |
---|---|---|
功能定位 | 数据和功能的通用桥梁 | 完成特定任务的工具 |
适用范围 | 多数据源、多功能 | 单一数据源或功能 |
开发复杂度 | 低:通过统一协议实现多源兼容 | 高:需要为每个人物单独开发函数 |
复用性 | 高:一次开发,可多场景使用 | 低:函数通常为特定任务设计 |
灵活性 | 高:支持动态适配和扩展 | 较低:功能扩展需要额外开发 |
适配场景 | 复杂场景,如跨平台数据访问与整合 | 简单任务,如天气查询、翻译等 |
从表格中对比,我们可以得出MCP有以下优点:
- 统一标准:无需为每个数据源单独开发接口,MCP提供了一种通用的交互方式
- 全面兼容:支持结构化数据(如数据库表)和非结构化数据(如文本文件)
- 即插即用:通过MCP,AI应用可以轻松访问多种数据源,如本地文档、API、云服务等
MCP 目前呈生态繁荣发展之势
除了官方提供的MCP Server之外,我们还可以从科技巨头、开源社区以及独立开发者等多个渠道获取到实用的服务资源,这极大地减少了重复开发的工作量。即使面对特定的定制化需求,也能够以相对较低的成本实现。
MCP 市场地图
https://a16z.com/a-deep-dive-into-mcp-and-the-future-of-ai-tooling/
官方提供的MCP Servers
更多参考:https://github.com/modelcontextprotocol/servers/tree/main
mcp.so 收录了有5000+ MCP Servers
https://mcp.so/
HOW:Cline MCP实践
这里笔者以VSCode Cline插件为例,演示如何使用MCP Servers。
Cline 配置MCP Server
示例配置
配置内容(json):
{"mcpServers": {"fetch": {"command": "python3","args": ["-m","mcp_server_fetch"],"disabled": false,"autoApprove": ["fetch"]},"mcp-server-sqlite": {"command": "uvx","args": ["mcp-server-sqlite","--db-path","/Users/[YOUR_NAME]/[YOUR_PATH]/test.db"],"disabled": false,"autoApprove": []}}
}
使用案例:fetch 实现网页抓取分析
这里演示的是通过fetch MCP Server抓取网页信息,并总结文章内容。
使用案例:SQLite 操作本地数据库
这里演示的是通过SQLite MCP Server查询数据里的表。
使用案例:高德地图路线规划
需要先申请高德地图API Key
参考:https://lbs.amap.com/api/mcp-server/create-project-and-key
添加mcp server配置
{"mcpServers": {"amap-maps": {"command": "npx","args": ["-y","@amap/amap-maps-mcp-server"],"env": {"AMAP_MAPS_API_KEY": "您在高德官网上申请的key"}}}
}
参考:https://mcp.so/server/amap-maps/amap?tab=content
当然,你还可以进一步让Cline帮你生成可视化网页:
可以看到有了MCP,很多想象力空间就被打开了,我们可以结合自己的需求,添加不同的MCP Server到你所用的客户端当中。
总结
MCP 的出现标志着 AI 从 “单机智能” 向 “网络智能” 的跃迁。它通过标准化协议解决了大模型与外部世界的交互难题,催生了一个全新的生态系统:
- 开发者:专注于构建标准化的 MCP 服务器,降低工具开发门槛。
- 企业:通过组合不同工具快速落地 AI 应用,缩短项目周期。
- 用户:享受到更智能、更个性化的服务,例如实时数据驱动的决策支持。
正如 HTTP 协议重塑了互联网,MCP 或许正在成为 AI 时代的基础设施。随着 OpenAI、微软等巨头的加入,以及开源社区的蓬勃发展,MCP 有望推动 AI 从实验室走向更广阔的现实世界,最终实现 “万物互联,智联世界” 的愿景。
附录
支持MCP的Client端
更多支持MCP的客户端参考:https://modelcontextprotocol.io/clients
参考连接
- MCP官方文档
- https://mcp.so/
- https://www.claudemcp.com/zh/docs/introduction
- https://www.pulsemcp.com/