第五节：MCP Servers——AI 的“万能插座”

sunneo

88人浏览 · 2026-06-09 12:02:01

sunneo · 2026-06-09 12:02:01 发布

一、什么是 MCP（Model Context Protocol）？

Agent Skills 解决了“AI 知道该怎么做”的问题，但如果 AI 需要直接操作外部系统——查询数据库、调用云 API、读写远程文件——单靠指令和脚本是不够的。

MCP（Model Context Protocol）正是为解决这个问题而生的。它是由 Anthropic 于 2024 年 11 月推出的开放标准，用于将 AI 助手连接到外部数据源和工具。

💡 核心理解：如果把 Agent Skills 比作“教 AI 怎么做”的知识注入，MCP 就是“让 AI 能做什么”的执行基础设施。Skill 是“大脑”——告诉 AI 流程和步骤；MCP 是“双手”——让 AI 能真正执行操作。

1.1 MCP 的工作原理

MCP 服务器作为独立进程运行，通过标准化接口向 AI 客户端暴露“工具”（Tools，即可调用的函数）。AI 在对话中可以判断何时需要调用哪个工具，并请求 MCP 服务器执行。

MCP 服务器的能力包括：

执行代码或脚本
查询数据库
访问文件系统
调用外部 API
与云服务交互

二、MCP 服务器类型

Copilot SDK 支持两种类型的 MCP 服务器配置：

类型	通信方式	适用场景
Local/Stdio	作为子进程运行，通过 stdin/stdout 通信	本地工具、文件访问、自定义脚本
HTTP/SSE	通过 HTTP 访问远程服务器	共享服务、云托管工具、团队共用

💡 使用建议：日常开发优先使用 Local 服务器，简单可靠。当需要多人共享同一套工具时，再考虑 HTTP 方案。

三、MCP 配置方法

3.1 在 Copilot CLI 中配置 MCP 服务器

Copilot CLI 通过 /mcp 命令家族支持 MCP 服务器。

交互式添加 MCP 服务器：

# 启动 Copilot CLI 交互模式
copilot

# 在交互会话中执行
/mcp add

系统会打开配置表单，需要填写以下字段：

字段	说明	示例
Server Name	MCP 服务器标识名	`azure-mcp`
Server Type	`1`（Local）或 `2`（HTTP）	`1`
Command	启动服务器的命令	`npx -y @azure/mcp@latest server start`
Environment Variables	环境变量（可选）	可留空
Tools	允许使用的工具范围	`*`（全部）或 `["tool1", "tool2"]`

配置后按 Ctrl+S（或 Cmd+S）保存，按 Esc 关闭配置界面。

验证配置：

/mcp show

成功配置后会显示类似输出：

● MCP Server Configuration:
  • azure-mcp (local): Command: npx
  Total servers: 1
  Config file: ~/.copilot/mcp-config.json

3.2 在 VS Code 中配置 MCP（通过 .mcp.json）

在项目根目录创建 .mcp.json 文件，可以定义工作区级的 MCP 服务器配置。

基础结构示例：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/workspace"],
      "env": {},
      "tools": ["*"]
    },
    "github": {
      "type": "http",
      "url": "https://api.githubcopilot.com/mcp/",
      "headers": {
        "Authorization": "Bearer ${GITHUB_TOKEN}"
      },
      "tools": ["list_issues", "create_issue"]
    }
  }
}

3.3 通过 Copilot SDK 编程配置

如果你正在使用 Copilot SDK 开发 AI 应用，可以在代码中直接配置 MCP 服务器。

Node.js / TypeScript：

import { CopilotClient } from "@github/copilot-sdk";

const client = new CopilotClient();

const session = await client.createSession({
  model: "gpt-5",
  mcpServers: {
    // Local MCP server (stdio)
    "my-local-server": {
      type: "local",
      command: "node",
      args: ["./mcp-server.js"],
      env: { DEBUG: "true" },
      cwd: "./servers",
      tools: ["*"],      // "*" = 全部工具, [] = 无, 或列出具体工具
      timeout: 30000,
    },
    // Remote MCP server (HTTP)
    "github": {
      type: "http",
      url: "https://api.githubcopilot.com/mcp/",
      headers: { "Authorization": "Bearer ${TOKEN}" },
      tools: ["*"],
    },
  },
});

四、MCP vs. Skill——核心区别与协作

这是两个最容易被混淆的概念，以下是它们的本质区别：

维度	Agent Skills	MCP Servers
定位	知识层——注入流程和指南	执行层——连接外部工具
核心内容	用自然语言写成的步骤和指引	用代码编写的功能函数
能否独立运行	否，依赖 AI 理解并执行指令	是，作为独立进程运行
典型能力	告诉 AI “按 A→B→C 步骤执行”	提供 `list_workflows`、`create_issue` 等可调用函数
与前三节关系	Skill = Instructions + Prompt + Agent（增强版）	完全新的维度，供 Agent 调用

💡 一句话区分：Skill 中的脚本是“AI 帮我执行”的脚本（AI 调用），而 MCP 暴露的工具是“AI 自己决定调不调用”的函数。Skill 是“手册”，MCP 是“工具库”。

五、完整实战示例：集成 Azure MCP Server

以下是一个完整的 Azure MCP Server 集成示例。

前置条件

安装 GitHub Copilot CLI
安装并登录 Azure CLI（az login）
安装 Node.js

在 Copilot CLI 中配置 Azure MCP Server

# 启动 Copilot CLI
copilot

# 进入 MCP 配置
/mcp add

填写配置表单：

字段	值
Server Name	`azure-mcp`
Server Type	`1` (Local)
Command	`npx -y @azure/mcp@latest server start`
Environment Variables	留空（利用 Azure CLI 认证）
Tools	`*`