这是"从 LLM 到 Agent Skill"系列的第六篇。上一篇讲了 Tool 让模型能"调用"外部函数。但这里有个工程痛点——每个 AI 平台的工具接入方式都不一样。这一篇，我们聊聊正在改变这个局面的协议：MCP。

---

一、工具接入的"巴别塔"困境

让我们回到上一篇的场景：你写了一个 get_weather 函数，想让大模型能调用它。

然后你发现：

• OpenAI 要求的工具描述格式是这样的……

• Anthropic（Claude） 要求的格式是那样的……

• Google Gemini 又搞了一套自己的……

• 国内的通义千问 / 文心一言 / DeepSeek 也各有各的规范……

同一个 get_weather，你需要写 5 套接入代码：

get_weather
  ├── openai_adapter.py      # 适配 OpenAI 格式
  ├── anthropic_adapter.py   # 适配 Anthropic 格式
  ├── gemini_adapter.py      # 适配 Google 格式
  ├── qwen_adapter.py        # 适配通义千问格式
  └── deepseek_adapter.py    # 适配 DeepSeek 格式

这跟当年手机充电接口的情况一模一样——每个厂商都有自己的标准，出门要带一捆数据线。

---

二、MCP 是什么？

MCP（Model Context Protocol，模型上下文协议） 就是来解决这个问题的。

MCP 是一套统一的工具接入标准协议。开发者按 MCP 规范写一次工具，该工具即可在所有支持 MCP 的 AI 平台上通用。

它由 Anthropic 在 2024 年底提出，目前正在快速获得社区和各大平台的支持。

2.1 一个直觉类比

手机充电接口的演变：
​
过去：Micro-USB、Lightning、30-pin、磁吸……各搞各的
现在：Type-C 一统天下（至少在物理接口层面）
​
AI 工具的演变：
​
过去：OpenAI Function、Anthropic Tool、Google Function……各搞各的
未来：MCP 一统天下

MCP 就是 AI 世界的"Type-C 接口"。

---

三、MCP 的核心架构

MCP 协议定义了三类角色：

┌──────────┐     MCP 协议      ┌──────────┐
│          │ ←──────────────→ │          │
│  MCP Host │                   │ MCP Server│
│ (AI 客户端) │                  │ (工具提供方)│
│          │                   │          │
└──────────┘                   └──────────┘
      │                              │
      │ MCP 协议                      │ 实现具体工具
      │                              │
      ▼                              ▼
┌──────────┐                   ┌──────────┐
│ MCP Client│                   │ 天气 API  │
│ (SDK)    │                   │ 文件系统  │
└──────────┘                   │ 数据库    │
                               │ ……       │
                               └──────────┘

角色	是什么	举例
MCP Host	AI 应用本身	Claude Desktop、VS Code + Claude、ChatGPT
MCP Client	协议客户端，与 Server 通信	内嵌在 Host 中的 SDK
MCP Server	工具的提供方	天气查询 Server、文件操作 Server、数据库 Server

3.1 通信方式

MCP 支持两种传输方式：

方式	场景	说明
stdio（标准输入输出）	本地进程	MCP Server 作为一个子进程运行，通过标准输入输出通信
HTTP + SSE	远程服务	MCP Server 作为远程 HTTP 服务，通过 Server-Sent Events 推送

---

四、MCP Server 的"工具暴露"

一个 MCP Server 启动后，会向 Host 暴露它拥有的工具列表。模型就能看到这些工具，并在需要时"调用"它们。

举个例子，一个天气 MCP Server 暴露的能力可能是：

{
  "tools": [
    {
      "name": "get_current_weather",
      "description": "获取指定城市的实时天气",
      "parameters": {
        "city": "城市名",
        "unit": "温度单位，celsius 或 fahrenheit"
      }
    },
    {
      "name": "get_forecast",
      "description": "获取未来7天的天气预报",
      "parameters": {
        "city": "城市名",
        "days": "预报天数，1-7"
      }
    }
  ]
}

这套描述是平台无关的。OpenAI、Anthropic、Google 都能消费同一份描述。

---

五、MCP 的生态现状

5.1 官方支持

平台	MCP 支持情况
Claude Desktop	原生支持
Claude Code	原生支持
VS Code / Cursor	通过插件支持
OpenAI	2025 年宣布支持
Google Gemini	跟进中
Continue / Cody	社区集成中

5.2 社区 MCP Server 示例

社区已经涌现了大量开箱即用的 MCP Server：

• 文件系统 Server：让 AI 读写本地文件

• GitHub Server：让 AI 管理 Issue、PR、仓库

• Postgres / SQLite Server：让 AI 直连数据库查询

• Slack Server：让 AI 收发 Slack 消息

• Puppeteer Server：让 AI 操控浏览器

• 天气 / 地图 / 新闻 Server：各种实时数据

大部分 MCP Server 的安装只需要一行配置：

{
  "mcpServers": {
    "weather": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-weather"]
    }
  }
}

---

六、MCP 的局限性

MCP 并不是完美的，目前有几个值得关注的问题：

6.1 协议仍处于早期

MCP 规范还在快速迭代中，API 可能发生 breaking change。目前生态还不够成熟。

6.2 安全考量

MCP Server 本质上是在本地执行的外部程序。如果安装了来源不明的 MCP Server，它可能有权限读取你的文件、访问你的网络。需要像对待 npm 包一样审慎。

6.3 不是所有平台都跟进了

虽然 OpenAI 和 Google 表达了支持，但实际的集成深度和进度各不相同。MCP 成为真正通用的标准还需要时间。

---

七、MCP 和 Tool 的关系

回到上一篇的内容：

• Tool 是单个函数（get_weather）

• MCP 是工具的包装和传输标准（怎么描述、怎么发现、怎么调用、怎么返回）

打个比方：

概念	类比
Tool	一个 App（比如微信）
MCP	应用商店的接口标准（App 怎么上架、怎么下载、怎么更新）

同样的 Tool，可以用 MCP 协议来发布，也可以用 OpenAI 原生格式来对接。MCP 的价值在于一套描述到处跑。

---

八、总结

1. 不同 AI 平台的工具接入规范不同，导致同一个工具需要写多套适配代码。

2. MCP 是统一的工具接入标准协议，类比 Type-C——一次开发，多处通用。

3. MCP 定义了 Host-Client-Server 三层架构，支持 stdio 和 HTTP 两种通信方式。

4. MCP 生态正在快速成长，但协议仍处早期，安全和成熟度需要关注。

下一篇，我们将工具调用 + 自主决策结合起来，聊聊 AI 应用的终极形态——Agent（智能体）。

---

本系列文章：

1. LLM 大语言模型

2. Token 与 Tokenizer

3. Context 与 Context Window

4. Prompt 提示词

5. Tool 工具调用

6. MCP 模型上下文协议 ← 你在这里

7. Agent 智能体（待发布）

8. Agent Skill（待发布）