在过去的几年里,将大规模语言模型(Large Language Models - LLM)集成到软件应用程序中一直面临着一个根本性问题:数据和功能连接的碎片化 [1, 2]。当开发者希望将人工智能助手连接到 PostgreSQL 数据库、GitHub 仓库、Jira 工单系统或计算机上的本地文件时,他们被迫针对每种平台组合编写定制的粘合代码(glue code)[4, 5]。
这种情况催生了一项革命性的倡议,目前该倡议已被全球开发者社区和开放标准组织广泛采纳:模型上下文协议 (MCP) [1, 3]。MCP 通常被称为**"AI 系统的 USB-C 端口"**,它作为一个开放标准出现,规范了 AI 代理与外部世界进行安全、模块化、双向通信的方式 [4, 6]。
1. 终结 $N \times M$ 碎片化悖论
在 MCP 出现之前,人工智能软件生态系统陷入了 $N \times M$ 的乘法复杂度陷阱 [4, 5]:
MCP 出现前(N x M 复杂度):
[模型 / AI 客户端] [数据源 / 工具]
┌───────────────┐ ┌───────────────┐
│ Claude Desktop├───(专用连接器)────────────► PostgreSQL │
│ Cursor IDE ├───(专用连接器)────────────► GitHub API │
│ Custom Agent ├───(不同的 JSON 架构)──────► Slack API │
│ VS Code AI ├───(专用连接器)────────────► 本地文件 │
└───────────────┘ └───────────────┘
每个 AI 客户端必须为每个外部工具编写单独的集成。
MCP 出现后(N + M 通用标准):
[模型 / AI 客户端] [MCP 开放协议] [MCP 服务器]
┌───────────────┐ ┌───────────────┐
│ Claude Desktop├────────┐ ┌───────►│ Postgres Serv │
│ Cursor IDE ├────────┤ JSON-RPC 2.0 │───────►│ GitHub Serv │
│ Custom Agent ├────────┼───[ MCP 标准 ]─────┼───────►│ Slack Serv │
│ VS Code / Zed ├────────┘ └───────►│ Filesystem Serv
└───────────────┘ └───────────────┘
只需构建 1 个 MCP 服务器,所有兼容的 AI 应用程序即可使用!
描述 MCP 最恰当的类比是微软过去发起的语言服务器协议 (Language Server Protocol, LSP) 的成功 [3]。过去,每个文本编辑器(Sublime、Vim、VS Code)都必须为每种编程语言构建自己的语法高亮(syntax highlighting)和自动补全(autocomplete)模块。LSP 通过创建单一协议改变了一切:编程语言的创造者只需构建一个语言服务器,全球的所有编辑器便能直接支持它 [3, 6]。
MCP 将类似的原则应用于 AI:服务提供商(例如数据库提供商、云 API 或企业软件)只需发布一个 MCP 服务器,所有现代 AI 应用程序便可直接访问它,而无需重写集成代码 [3, 5]。
2. 架构剖析:Host、Client 与 Server
从结构上讲,MCP 架构设计了非常严格的**职责分离(separation of concerns)**边界 [6, 8]:
┌────────────────────────────────────────────────────────────────────────┐
│ MCP HOST (主应用程序) │
│ (例如:Claude Desktop、Cursor IDE、Zed、CLI 自治代理) │
│ │
│ ┌────────────────────────┐ ┌────────────────────────┐ │
│ │ MCP Client 1 │ │ MCP Client 2 │ │
│ └───────────┬────────────┘ └───────────┬────────────┘ │
└────────────────┼─────────────────────────────────────┼─────────────────┘
│ (传输层:stdio / SSE) │ (传输层:stdio / SSE)
▼ ▼
┌─────────────────────┐ ┌─────────────────────┐
│ MCP Server 1 │ │ MCP Server 2 │
│ (本地:文件系统) │ │ (远程:数据库) │
├─────────────────────┤ ├─────────────────────┤
│ • Resources (数据) │ │ • Resources (数据) │
│ • Tools (功能) │ │ • Tools (功能) │
│ • Prompts (模板) │ │ • Prompts (模板) │
└─────────────────────┘ └─────────────────────┘
- MCP Host(编排容器): 直接与用户或 AI 模型交互的主应用程序 [6, 8]。Host 负责管理界面布局、管理用户安全权限以及实例化连接客户端。
- MCP Client(会话管理器): 驻留在 Host 内部。每当 Host 需要连接到能力源时,它就会创建一个 MCP Client 实例,与目标 MCP Server 保持隔离的 1 对 1 连接 [8]。
- MCP Server(能力提供者): 作为通往真实资源网关(gateway)的轻量级程序 [6, 8]。服务器声明其拥有的各种能力,并等待来自客户端的指令。
3. JSON-RPC 2.0 通信协议与传输层
MCP 客户端和服务器之间的通信被封装在轻量级、确定性且语言无关(language-agnostic)的标准 JSON-RPC 2.0 格式中 [8, 2]。
消息格式包括:
- Requests: 带有
id、method和params参数的消息,客户端期望得到回复(result)或错误报告(error)[8]。 - Notifications: 没有
id的单向消息,用于实时同步状态或文件更新,无需等待响应 [8]。
两种内置传输选择
MCP 将数据层(Data Layer)与数据位的传输方式(Transport Layer)分离开来 [6, 8]:
stdio(标准输入 / 标准输出):- 工作机制: MCP Host 将 MCP Server 作为用户计算机上的本地子进程(subprocess)执行。数据交换通过
stdin和stdout管道进行。 - 优点: 速度极快(亚毫秒级延迟),完全在本地机器(sandbox)中隔离,不需要配置网络端口或防火墙,对于本地文件操作或 SQLite 数据库非常安全 [6, 8]。
- 工作机制: MCP Host 将 MCP Server 作为用户计算机上的本地子进程(subprocess)执行。数据交换通过
- 通过 HTTP 的 SSE(服务器发送事件):
- 工作机制: 通信通过标准 HTTP 网络进行。客户端使用 SSE 协议接收来自服务器的数据流,并通过 HTTP POST 发送返回指令。
- 优点: 是远程服务器(cloud-hosted)、企业 SaaS 服务、分布式团队集成和微服务架构的理想选择 [6, 8]。
4. MCP 的三大基础原语:Resources、Tools 与 Prompts
MCP 服务器提供的所有能力都被分类到三个直观的基础原语中 [6, 7]:
| 原语 | 主要特征 | 谁来控制? | 使用场景示例 |
|---|---|---|---|
Resources (resources/) |
被动上下文,只读。向模型提供原始数据,不对系统产生副作用。 | 应用程序 / 客户端 | 读取数据库架构、服务器错误日志、配置文件或项目指南文档。 |
Tools (tools/) |
主动操作(可执行动词)。允许 AI 执行代码、进行计算或更改外部系统状态。 | AI 模型 (LLM) | 运行 SQL 查询(run_query)、创建 Jira 工单(create_ticket)或执行 Git 提交(commit)。 |
Prompts (prompts/) |
结构化的工作流模式和模板。引导交互以生成一致的输出。 | 用户 / 界面 | 性能分析快捷按钮(/audit-performance)或技术漏洞报告的标准格式。 |
5. 企业级安全:防止失控执行的灾难
赋予人工智能模型与生产系统直接交互的完整权限蕴含着巨大的安全风险,从提示注入(prompt injection)的危害到意外执行破坏性命令。
MCP 通过实施**分层安全方法(human-in-the-loop security boundaries)**解决了这一困境 [4, 5, 13]:
- 精细权限验证(Explicit Permission Gates): 在 Host 允许调用具有副作用的
tools/call函数(例如删除表行或发送外发电子邮件)之前,Host 可以显式向用户弹出确认对话框 [4, 7]。 - 本地环境隔离(Local-First Perimeter): 基于
stdio的 MCP 服务器在本地用户权限下运行,防止机密数据(credentials)泄露到开放互联网中 [8, 13]。 - OAuth 2.0 标准集成: 对于基于云(SSE)的服务器,可以使用标准的 OAuth 协议保护身份验证,确保 AI 代理仅根据相关用户的访问权限(scope)行事 [5, 13]。
6. 基于 TypeScript 的 MCP 服务器简单实现示例
由于官方 SDK(Official SDK)提供了 TypeScript、Python、Go、Rust 到 Java 等多种语言支持,构建现代 MCP 服务器变得非常简洁 [2, 6]。以下是创建简单天气检查器和文件读取器服务器的概念图:
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { CallToolRequestSchema, ListToolsRequestSchema } from "@modelcontextprotocol/sdk/types.js";
// 1. 初始化 MCP 服务器
const server = new Server(
{ name: "system-monitor-mcp", version: "1.0.0" },
{ capabilities: { tools: {} } }
);
// 2. 声明可用的工具列表
server.setRequestHandler(ListToolsRequestSchema, async () => {
return {
tools: [
{
name: "get_system_health",
description: "返回当前 CPU 负载和内存使用情况的状态",
inputSchema: {
type: "object",
properties: {
detailed: { type: "boolean", description: "是否显示详细指标" }
}
}
}
]
};
});
// 3. 处理由 AI 模型调用的工具执行
server.setRequestHandler(CallToolRequestSchema, async (request) => {
if (request.params.name === "get_system_health") {
const memoryUsage = process.memoryUsage();
return {
content: [
{
type: "text",
text: `系统健康状况:正常 | RSS: ${Math.round(memoryUsage.rss / 1024 / 1024)} MB`
}
]
};
}
throw new Error("未找到工具");
});
// 4. 通过本地 stdio 传输运行连接
const transport = new StdioServerTransport();
await server.connect(transport);
借助上述约 30 行代码,该系统监控工具可以被任何支持 MCP 的 AI 编辑器、终端代理或桌面聊天界面直接检测并执行 [6, 10]。
结论
模型上下文协议 (MCP) 是将语言模型世界与现实世界软件应用程序生态系统连接起来的关键架构桥梁。通过将开发者的注意力从编写重复的粘合代码转移到构建标准能力模块上,MCP 为真正模块化、安全且可跨平台操作的新一代智能应用铺平了道路。
对于每一个正在构建基于 AI 的产品的软件工程师和系统架构师来说,掌握和集成 MCP 不再仅仅是一个附加的技术选项,而是现代计算时代不可避免的标准。
参考资料与引用
- Wikipedia Reference — Model Context Protocol: History, Architecture, and Industry Adoption. 源链接
- GitHub Open Source Repository — Model Context Protocol Specification and Core SDKs. 源链接
- Medium Engineering Standards — Why Model Context Protocol Is the Language Server Protocol for Artificial Intelligence. 源链接
- Anthropic Engineering Blog — Introducing the Model Context Protocol: An Open Standard for Connecting AI to Data. 源链接
- Databricks Developer Insights — Solving the N x M AI Integration Bottleneck with Universal Open Protocols. 源链接
- Model Context Protocol Documentation — Core Primitives, Architecture Layers, and Protocol Specification. 源链接
- Deepsense AI Tech Review — Understanding Resources, Tools, and Prompts in Real-World MCP Implementations. 源链接
- ModelContextProtocol.io Architecture Guide — JSON-RPC 2.0 Transport Channels: stdio versus SSE. 源链接
- Descope Developer Series — Connecting AI Agents to Real-World APIs Securely via Standardized Protocols. 源链接
- GitHub Developer Tools Review — Claude Code, Cursor, and the Power of Local-First MCP Integration. 源链接
- Stytch Identity and Security Blog — Enterprise Access Control, Token Governance, and OAuth in MCP. 源链接



