一文说清 MCP：为什么它被称为「AI 世界的 USB-C」？

---

用 WorkBuddy、CodeBuddy 接过飞书、GitHub、数据库的话，你一定见过「MCP Server」这个选项。但 MCP 到底是什么东西？为什么大厂都在推？它跟你手动调 API 差在哪？这篇文章用人话一次讲明白。

---

一、先看一个场景：中午吃顿饭

不讲代码，就说吃午饭。

中午 11 点半，你饿了。你想做的事很简单：

1. 看看公司附近哪家麦当劳能用优惠券、巨无霸套餐多少钱
2. 顺便给同事带一杯瑞幸生椰拿铁
3. 把今天午饭花了多少钱记到飞书个人账本

没有 MCP 的时候，你的操作是这样的：

• 打开麦当劳 App → 查附近门店 → 翻菜单 → 心算价格
• 打开瑞幸 App → 查附近门店 → 下单
• 打开飞书 → 手动敲一行账
• 三个 App，三套操作，三套账号，谁也不认识谁

有了 MCP 之后，你只在 WorkBuddy 里说一句话：

「帮我点一个巨无霸套餐加大，再点一杯瑞幸生椰拿铁大杯少冰，总共多少钱记到飞书上。」

AI 自动完成这些事：

• 调麦当劳 MCP → 查门店 → 查菜单 → 算价格 → 下单
• 调瑞幸 MCP → 查门店 → 查菜单 → 下单
• 调飞书 MCP → 发记账消息

你只动嘴。三个 App 的操作全是 AI 在背后跑的。

这就是 MCP 干的事：把「AI 调用外部工具」标准化了。 就像 USB-C 统一了充电线，MCP 统一了 AI 和外面世界的连接方式。

不只是程序员才用得到

麦当劳官方已经推出了 MCP 平台（https://open.mcd.cn/mcp），开放了 24 个工具——点餐、领券、积分商城、活动日历，全包了。瑞幸也有 AI 开放平台（https://open.luckincoffee.com/mcp）。你不需要看它们的 API 文档，装上就能用。

再说一个更日常的——高德地图 MCP Server。装好之后你对 AI 说：「从公司到首都机场现在走哪条路最快，多久到？」AI 调高德的路线规划接口，拿到实时路况，告诉你：「走机场高速，大概 45 分钟，二环现在堵着别走。」再晚一点出门，AI 甚至能主动提醒你改时间——因为路况在持续更新。

MCP 真正的想象力就在这：不是你一个个打开 App 手动戳，而是 AI 主动把这些 App 的能力串起来。你提需求，MCP 跑腿。

谁开发的这些 Server？ MCP Server 的来源五花八门——麦当劳官方出的有，社区发烧友花一个周末写的也有。但这就是开放协议的魅力：它把「谁做的」和「能不能用」解耦了。标准统一了，剩下的交给创造力。

可以想象一个未来：你手机上根本不用装瑞幸、麦当劳、美团。你只需要一个 AI 助手，它通过 MCP 跟所有服务商对话。你说话，MCP 跑腿。

---

二、MCP 到底是什么？

官方说法

MCP，全称 Model Context Protocol（模型上下文协议），是一个开放协议，基于 JSON-RPC 2.0。它定义了 AI 应用和外部工具/数据源之间怎么通信。Anthropic 2024 年 11 月开源，2025 年底捐给了 Linux Foundation。

用人话说

MCP 就是 AI 的「万能遥控器协议」——你说一句话，AI 通过它自动去操作各种 App 和数据。

里面有三个角色

角色	是干嘛的	拿遥控器类比
MCP Host	你用的 AI 应用（WorkBuddy、Claude Desktop、VS Code）	遥控器本体
MCP Client	Host 里面负责跟 Server 说话的那部分	遥控器的红外发射器
MCP Server	真正干活的服务（GitHub Server、飞书 Server）	电视、空调、音响

一个 Host 可以同时连一堆 Server。就像你家遥控器管着电视、空调、音响——按什么键（AI 决定），信号发给谁（MCP 路由），设备做啥（Server 执行），互不干扰。

---

三、这事为什么重要？

以前：AI 是个孤岛

AI 模型 ← 只会聊天，不会操作任何外部工具
        除非你自己写代码、配 API、把结果喂给它

每接一个新工具都要写一套专用代码。GitHub 一套，飞书一套，数据库又一套。N 个工具 × M 个 AI 应用 = N×M 套集成代码。谁写得完？

现在：AI 是个万能遥控器

AI 模型 ← MCP 协议 → GitHub Server  ┐
                     飞书 Server    ├ 统一标准，插上就用
                     数据库 Server  ┘

开发一次，到处用。GitHub Server 写一遍，Claude Desktop、ChatGPT、WorkBuddy 全都能接。从 N×M 变成了 N+M。

一个真实数字

到 2026 年年中，公开的 MCP Server 已经超过 10,000 个，SDK 月下载量接近一亿次。OpenAI、Google、Microsoft、AWS 全部加入了。这已经不是一个小众协议，是行业共识。

---

四、MCP 能干什么：四个核心能力

能力	干什么	谁触发
Tools（工具）	让 AI 执行操作：发邮件、建 Issue、查天气	AI 自己判断什么时候调
Resources（资源）	让 AI 读取数据：配置文件、数据库记录、文档	你手动选
Prompts（提示词模板）	预定义的对话模板，比如「用专业口吻写周报」	你手动选
MCP Apps（交互式 UI）	返回可视化界面：仪表盘、表单、图表	工具调用后自动弹

Tools 是最常用的——99% 的 MCP Server 都至少暴露一个 Tool。

整个交互流程大概是：

你说话 → AI 理解你想干嘛 → AI 判断"得调 GitHub 的 Tool" → MCP 发请求
→ GitHub Server 执行 → 返回结果 → AI 把结果告诉你

每步你都能看见。Tool 调用必须经过你确认，AI 偷跑不了。

---

五、举个栗子：写一个天气 MCP Server

用 Python 写一个天气 Server，代码不到 20 行：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather")

@mcp.tool()
async def get_weather(city: str) -> str:
    """获取指定城市的天气"""
    # 这里可以接真实的天气 API
    return f"{city} 当前晴，22°C，湿度 45%"

@mcp.resource("config://units")
async def get_config() -> str:
    return "温度单位：摄氏度，风速：km/h"

if __name__ == "__main__":
    mcp.run()

装好之后，你只需要说「北京今天天气怎么样」。AI 会自己：

1. 发现连着一个叫 weather 的 Server
2. 发现这个 Server 有一个叫 get_weather 的 Tool
3. Tool 需要一个 city 参数，填「北京」
4. 调它 → 拿到结果 → 告诉你

你不用写一行调用代码。Server 自己会说「我能干嘛、需要什么参数」——这就是 MCP 标准化的妙处。

---

六、MCP 跟传统 API 到底什么关系？

你可能在想：调 API 这事我天天干，无非是写个 fetch() 加参数。MCP 跟它有什么不一样？是不是又搞了个新名词？

简单说：API 是给人写的，MCP 是给 AI 写的。 这是本质区别。

调 GitHub API 的例子

假设你想知道某个仓库有多少 Star。

传统 API 的做法——你做的事情：

1. 翻 GitHub REST API 文档，找到 GET /repos/{owner}/{repo}
2. 写代码：构造 URL、加 Token、发请求、解析 JSON、处理错误
3. 把 stargazers_count 字段拿出来
4. 每次换个需求（查 Issue、建 PR），重复以上步骤

代码大概长这样：

import requests
headers = {"Authorization": "token ghp_xxx"}
resp = requests.get("https://api.github.com/repos/modelcontextprotocol/servers", headers=headers)
print(resp.json()["stargazers_count"])

MCP 的做法——安装 GitHub MCP Server，然后对 AI 说：「那个 MCP 的官方仓库有多少 Star？」AI 自己发现 Server 有 get_repo 这个 Tool，填好参数，调完告诉你。你一行代码都没写。

核心区别

	传统 API	MCP
谁调	人写代码调	AI 自动发现并调
前置工作	翻文档 → 写代码 → 处理错误	装 Server，一句话
每个新需求	翻另一个接口，写另一段代码	同一句话，AI 自己选 Tool
换 AI 应用	代码全得重写	Server 不变，换个 Host 就行
auth 怎么搞	每个 API 各搞一套	MCP 统一管理

两者什么关系？

MCP 没有「取代」API——MCP Server 内部调的常常就是 REST API。 只不过它把「怎么调」标准化了：

传统模式：人 → 读文档 → 写代码 → 调 API → 解析结果 → 自己消化
MCP 模式：人说一句话 → AI 理解 → MCP 自动调 API → 返回结果

MCP 做的事就是：把 API 的能力包装成 AI 能懂的「技能」，对人隐藏复杂性，对 AI 暴露可调用的工具。 就像一个万能翻译——人不需要懂 API，AI 不需要重新训练，MCP 在中间搭桥。

💡 至于 AI 怎么知道该调哪个 Tool——这背后是 Function Calling（模型判断"该不该调工具"的能力）。它是模型内置的基础能力，MCP 建立在它之上。只不过对使用者来说你不需要关心这个：装好 MCP Server，直接对 AI 说话就行。

---

七、在 WorkBuddy 里怎么用 MCP

打开 WorkBuddy → 左边栏「集成」→「自定义连接器」→ 右上角「添加」。你会看到两种方式：

方式	适合谁	操作
从市场安装	常用工具（GitHub、飞书、腾讯文档……）	搜索 → 点安装 → 配 Token
手动配置 MCP Server	自定义或社区 Server	填命令路径和参数

以 GitHub MCP Server 为例：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxxxxxx"
      }
    }
  }
}

保存后重启连接，AI 就能直接操作你的 GitHub 仓库了。

---

八、你可能想问的三个问题

1. MCP 只能跟 Claude 用吗？

不是。MCP 是完全开放的协议，已经捐给了 Linux Foundation。ChatGPT、VS Code、Cursor、WorkBuddy 全支持。它是行业标准，不属于某一家公司。

2. 安全吗？

协议层面有三道锁：

• 每次 Tool 调用要你手动确认（AI 不能偷偷干）
• MCP Server 只能访问你授权的文件目录
• MCP Apps 的界面跑在沙箱里，摸不到外面的数据

OWASP 在 2026 年 2 月甚至专门出了一份《MCP Server 安全开发实践指南》。

3. 要不要把所有 API 都重写成 MCP Server？

不用。如果一个工具只被一个系统用，REST API 完全够了。但如果你想让任何 AI 应用都能发现和使用它，MCP Server 是更好的选择——本质上就是在现有 API 外面套一层标准壳。

---

九、总结一下

概念	一句话
MCP	AI 的「万能遥控器协议」，让 AI 统一控制各种外部工具和数据
MCP Server	一个具体的「技能包」，比如 GitHub Server 提供仓库管理能力
Tools	Server 暴露的具体操作，AI 自己判断什么时候调
MCP vs API	API 是给人写代码调的，MCP 是给 AI 自动发现和调用的——MCP 底层调的往往还是 API，但标准化了发现和调用过程
怎么工作	装好 MCP Server → AI 自动发现 Tool → 你说话 → AI 调 Tool → 返回结果
值不值得学	做 AI 应用或 Agent 开发的话，MCP 是 2026 年最值得掌握的基础协议之一

---

版权声明：本文内容参考了 Anthropic MCP 官方规范、Linux Foundation Agentic AI Foundation 公告、腾讯云开发者社区 MCP 协议详解等资料。MCP 是 Linux Foundation 旗下的开放标准项目。

文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。