【MCP 深度解读：AI 连接外部世界的通用协议】

MCP 深度解读：AI 连接外部世界的通用协议

从零理解 Model Context Protocol 的架构、原理与实战。读完本文，你应该能回答：MCP 解决什么问题、由哪些部分组成、如何配置、如何自己开发一个 MCP Server。

---

第一部分 · 全景概览

1.1 为什么需要 MCP

没有 MCP 时，AI 与外部系统交互的困境：

痛点	表现
集成成本高	每接入一个数据源（数据库/文件/API），都要为每个 AI 客户端写一套专属对接代码
生态碎片化	Claude Desktop、Cursor、VS Code Copilot 各自有不同的插件体系，无法复用
安全裸奔	数据库密码硬编码在代码里、API Token 随意传递，缺乏统一鉴权机制
能力受限	AI 只能操作内置工具，无法访问企业内部数据库、本地文件或专有 API

核心矛盾： AI 模型的能力很强，但它被困在对话框里——看不到你的数据库、读不到你的本地文件、调不动你的企业 API。每个 AI 工具都在重复造轮子：自己写数据库连接、自己写文件读取、自己写 API 调用。

MCP 的出现改变了一切：

一个 Server，所有 Client 共享——这就是 MCP 的本质价值。

---

1.2 什么是 MCP

MCP（Model Context Protocol） 是由 Anthropic 发起并开源的标准化协议，用于让 AI 应用与外部系统建立安全的双向连接。

官方比喻：MCP 就像 AI 世界的 USB-C 接口——正如 USB-C 让所有设备有了统一的物理连接标准，MCP 让所有 AI 应用有了统一的外部系统连接标准。

核心特性：

特性	说明
开放标准	不绑定任何厂商，任何 AI 应用都能实现
双向连接	AI 既能读取外部数据，也能执行外部操作
安全优先	内置鉴权、权限控制、操作审计
动态发现	AI 可以在运行时发现并调用可用的工具和资源

生态支持（截至 2025 年）：

• AI 客户端：Claude Desktop、Cursor、VS Code Copilot、ChatGPT、MCPJam
• 官方 Server：文件系统、数据库（PostgreSQL/MySQL）、搜索引擎、GitHub、Slack 等
• 社区 Server：Oracle、MongoDB、Redis、Docker、Blender 等数百个

---

1.3 整体架构图

三大参与者：

角色	定义	示例
Host	AI 应用，负责协调管理多个 Client	Claude Desktop、Cursor
Client	维持与某个 Server 的连接，获取上下文	Host 内部自动创建的客户端实例
Server	向 Client 提供上下文（工具/资源/提示词）	数据库 Server、文件 Server

关键理解：一个 Host 可以同时连接多个 Server——比如 Cursor 可以同时连接 MySQL Server、文件系统 Server 和 GitHub Server，AI 在一次对话中可以同时查数据库、读文件、查 PR。

---

第二部分 · 核心概念深度解读

2.1 三层协议架构

数据层（Data Layer）：定义说什么——消息格式（JSON-RPC 2.0）、生命周期（初始化/能力协商/断开）、三大原语（Tools/Resources/Prompts）。

传输层（Transport Layer）：定义怎么说——通过哪个通道传输、如何建立连接、如何做身份验证。

设计哲学：两层分离让同一套协议既能用于本地进程（stdio，零网络开销），也能用于远程服务（HTTP，支持 OAuth）。开发者只需关注数据层逻辑，传输层由 SDK 处理。

---

2.2 三大核心原语（Primitives）

MCP 最核心的概念是三大原语——它们定义了 Server 能向 AI 提供什么：

Tools（工具）—— AI 的"手"

定义：可被 AI 调用的可执行函数，用于执行操作（查数据库、写文件、调 API）。

典型示例：

{
  "name": "query_database",
  "description": "执行 SQL 查询并返回结果",
  "inputSchema": {
    "type": "object",
    "properties": {
      "sql": {
        "type": "string",
        "description": "要执行的 SQL 语句"
      }
    },
    "required": ["sql"]
  }
}

AI 看到 description 后，会自主判断何时调用这个工具，并填入参数。

调用方式：Client 先通过 tools/list 发现可用工具，AI 决定调用时通过 tools/call 执行。

Resources（资源）—— AI 的"眼睛"

定义：向 AI 提供的上下文数据，是只读的信息源。

典型示例：

• 数据库 Schema（表结构、字段说明）
• 文件内容（配置文件、代码文件）
• API 文档

{
  "uri": "db://mydb/schema",
  "name": "数据库表结构",
  "description": "所有表的字段定义和说明",
  "mimeType": "application/json"
}

与 Tools 的区别：Resources 是 AI 被动读取的上下文，Tools 是 AI 主动执行的操作。

Prompts（提示词）—— AI 的"剧本"

定义：可复用的交互模板，帮助 AI 结构化地与外部系统交互。

典型示例：

{
  "name": "analyze_database_performance",
  "description": "分析数据库性能问题的引导模板",
  "arguments": [
    {"name": "table_name", "description": "要分析的表名", "required": true}
  ]
}

调用后返回的 Prompt 内容会包含 Few-shot 示例、分析步骤引导等，让 AI 按规范流程执行。

三者关系小结：

原语	AI 视角	操作方向	类比
Tools	“我能做什么”	AI → Server（执行）	函数/API
Resources	“我能看到什么”	Server → AI（读取）	数据库/文件
Prompts	“我该怎么交互”	Server → AI（引导）	操作手册

---

2.3 两种传输方式

stdio（本地进程）

Host 进程
    │  标准输入(stdin)
    ▼
MCP Server 进程（本地）
    ▲  标准输出(stdout)
    │

• 适用场景：本地工具（数据库、文件系统、CLI 工具）
• 特点：零网络开销、最低延迟、Host 直接拉起 Server 进程
• 配置方式：在 mcp.json 中填写 command + args

Streamable HTTP（远程服务）

Host
    │  HTTP POST（Client → Server）
    ▼
远程 MCP Server
    ▲  SSE（Server → Client，流式推送）
    │

• 适用场景：云服务、企业 API、SaaS 集成
• 特点：支持 OAuth、Bearer Token、API Key 鉴权；支持流式响应
• 配置方式：在 mcp.json 中填写 url + 鉴权头

选型指南：

场景	推荐传输
本地数据库（MySQL/Oracle/PostgreSQL）	stdio
本地文件系统操作	stdio
企业内部 API	Streamable HTTP
第三方云服务（GitHub/Sentry/Slack）	Streamable HTTP
需要多用户共享的 Server	Streamable HTTP

---

2.4 生命周期管理

MCP 是有状态协议，连接建立需要经历三个阶段：

能力协商（Capability Negotiation）：初始化时双方交换"我支持什么功能"，确保后续通信只用双方都支持的特性。

---

第三部分 · 实战配置指南

3.1 在 Cursor 中配置 MCP

配置文件位置：.cursor/mcp.json（项目级）或全局设置

示例：接入本地 MySQL 数据库

{
  "mcpServers": {
    "mysql-local": {
      "command": "npx",
      "args": [
        "@f4ww4z/mcp-mysql-server",
        "--host", "127.0.0.1",
        "--port", "3306",
        "--user", "root",
        "--password", "your_password"
      ]
    }
  }
}

接入后 AI 可以做的事：

• “查一下 orders 表的结构”
• “统计上个月订单量前10的客户”
• “帮我优化这条慢查询”

---

示例：接入本地文件系统

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "@anthropic/mcp-filesystem",
        "/path/to/allowed/directory1",
        "/path/to/allowed/directory2"
      ]
    }
  }
}

安全注意：文件系统 Server 只允许访问 args 中明确列出的目录，这是白名单机制，防止 AI 读取敏感文件。

---

示例：接入远程服务（Streamable HTTP）

{
  "mcpServers": {
    "sentry": {
      "url": "https://mcp.sentry.io/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_SENTRY_TOKEN"
      }
    }
  }
}

---

3.2 在 Claude Desktop 中配置 MCP

配置文件位置：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\claude_desktop_config.json

配置格式与 Cursor 完全相同——这就是开放标准的力量。

{
  "mcpServers": {
    "sqlite-local": {
      "command": "uvx",
      "args": [
        "mcp-server-sqlite",
        "/path/to/database.db"
      ]
    },
    "github": {
      "command": "npx",
      "args": ["@anthropic/mcp-github"],
      "env": {
        "GITHUB_TOKEN": "your_github_token"
      }
    }
  }
}

技巧：env 字段用于传递环境变量，适合存放 API Token，避免暴露在命令行参数里。

---

3.3 配置常见问题排查

问题	原因	解决方式
Server 无法启动	npx/node 未安装或版本过低	安装 Node.js 18+
连接超时	数据库连接参数错误	检查 host/port/user/password
工具列表为空	Server 包名错误	检查包名拼写，手动 npx <包名> 测试
权限拒绝	文件路径不在白名单中	在 args 中添加允许的路径
SSE 连接失败	远程 Server URL 错误或 Token 失效	验证 URL 和鉴权信息

---

第四部分 · MCP Server 生态概览

4.1 官方 Server

Server	说明	安装方式
@anthropic/mcp-filesystem	本地文件读写	npx @anthropic/mcp-filesystem <paths>
@anthropic/mcp-github	GitHub PR/Issue/仓库操作	npx @anthropic/mcp-github
@anthropic/mcp-postgres	PostgreSQL 查询	npx @anthropic/mcp-postgres <conn_string>
@anthropic/mcp-slack	Slack 消息/频道操作	npx @anthropic/mcp-slack
@anthropic/mcp-puppeteer	浏览器自动化（截图/导航）	npx @anthropic/mcp-puppeteer
mcp-server-sqlite	SQLite 数据库（Python）	uvx mcp-server-sqlite <db_path>

---

4.2 数据库类 Server

数据库	推荐 Server	语言
MySQL	@f4ww4z/mcp-mysql-server	Node.js
PostgreSQL	@anthropic/mcp-postgres	Node.js
SQLite	mcp-server-sqlite	Python
Oracle	自定义（参考第五部分）	Node.js / Python
MongoDB	@anthropic/mcp-mongo	Node.js
Redis	@anthropic/mcp-redis	Node.js

---

4.3 工具类 Server

类别	Server	说明
搜索	@anthropic/mcp-brave-search	Brave 搜索引擎
浏览器	@anthropic/mcp-puppeteer	自动化浏览器操作
代码执行	@anthropic/mcp-code-interpreter	安全沙盒执行代码
知识图谱	graphify-mcp	项目知识图谱查询
日历	@anthropic/mcp-google-calendar	Google 日历读写

---

4.4 MCP Server 查找资源

• 官方 Server 仓库：github.com/modelcontextprotocol/servers
• 社区聚合站：mcp.so
• npm 搜索：搜索 mcp-server 关键词
• Smithery 市场：smithery.ai

---

第五部分 · 自定义 MCP Server 开发

5.1 为什么需要自定义 Server

以下场景没有现成 Server 可用，需要自己开发：

• 企业内部 API（ERP、LIMS、CRM 等专有系统）
• 特定数据库（如 Oracle，官方 Server 不完善）
• 特定业务流程（审批流、报表生成）
• 私有知识库 / 文档系统

---

5.2 用 Node.js 开发一个最小 MCP Server

安装依赖：

npm init -y
npm install @modelcontextprotocol/sdk zod

完整代码（index.js）：

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

const server = new McpServer({
  name: "my-custom-server",
  version: "1.0.0",
});

// 注册一个 Tool：查询订单
server.tool(
  "get_order",
  "根据订单号查询订单详情",
  {
    orderNo: z.string().describe("订单编号"),
  },
  async ({ orderNo }) => {
    // 这里替换为真实的数据库查询
    const order = await fetchOrderFromDB(orderNo);
    return {
      content: [{ type: "text", text: JSON.stringify(order, null, 2) }],
    };
  }
);

// 注册一个 Resource：订单表结构
server.resource(
  "order-schema",
  "schema://orders",
  async () => ({
    contents: [{
      uri: "schema://orders",
      mimeType: "application/json",
      text: JSON.stringify({
        table: "orders",
        columns: [
          { name: "order_no", type: "VARCHAR(50)", desc: "订单编号" },
          { name: "customer", type: "VARCHAR(100)", desc: "客户名称" },
          { name: "amount", type: "DECIMAL(10,2)", desc: "订单金额" },
          { name: "status", type: "INT", desc: "状态：0草稿 1已提交 2已完成" },
        ],
      }),
    }],
  })
);

// 注册一个 Prompt：查询订单分析模板
server.prompt(
  "analyze_order",
  "订单分析引导模板",
  { orderNo: z.string() },
  ({ orderNo }) => ({
    messages: [{
      role: "user",
      content: {
        type: "text",
        text: `请分析订单 ${orderNo}：
1. 先调用 get_order 获取订单详情
2. 检查状态是否异常（超过30天未完成）
3. 检查金额是否超出客户历史均值
4. 给出风险评级和建议`,
      },
    }],
  })
);

// 启动 Server
const transport = new StdioServerTransport();
await server.connect(transport);

在 mcp.json 中配置使用：

{
  "mcpServers": {
    "my-custom-server": {
      "command": "node",
      "args": ["/path/to/index.js"]
    }
  }
}

---

5.3 用 Python 开发 MCP Server

安装依赖：

pip install mcp

完整代码（server.py）：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-python-server")

@mcp.tool()
def query_table(table_name: str, limit: int = 10) -> str:
    """查询指定表的前 N 条记录"""
    # 替换为真实数据库查询
    rows = execute_query(f"SELECT * FROM {table_name} LIMIT {limit}")
    return str(rows)

@mcp.resource("config://app-settings")
def get_app_settings() -> str:
    """返回应用配置信息"""
    return '{"env": "production", "db_host": "10.0.0.1"}'

@mcp.prompt()
def debug_slow_query(sql: str) -> str:
    """慢查询分析引导"""
    return f"""请分析以下 SQL 的性能问题：
```sql
{sql}

步骤：

1. 检查是否有全表扫描
2. 检查索引使用情况
3. 给出优化建议"“”

if name == “main”:
mcp.run(transport=“stdio”)

---

### 5.4 MCP Inspector：开发调试利器

官方提供的调试工具，可以在浏览器中测试你的 Server：

```bash
npx @modelcontextprotocol/inspector node /path/to/index.js

打开浏览器后可以看到：

• 所有注册的 Tools / Resources / Prompts
• 手动触发工具调用，查看返回值
• 查看 JSON-RPC 通信报文

强烈推荐：开发阶段先用 Inspector 验证 Server 工作正常，再接入 Cursor / Claude Desktop。

---

第六部分 · 安全与最佳实践

6.1 安全原则

核心安全清单：

✓ Token/密码 通过 env 传递，不写入 args 或代码
✓ 数据库账号使用只读权限（SELECT only），禁止 DROP/DELETE
✓ 文件系统 Server 只开放白名单目录
✓ 写操作类工具（INSERT/UPDATE）要求用户确认后再执行
✓ 日志记录所有 tools/call 调用，便于审计
✗ 禁止将生产环境 root 账号直接暴露给 MCP
✗ 禁止在 Tool description 中写出真实密码或内网 IP

---

6.2 工具设计最佳实践

好的 Tool 设计：

{
  "name": "search_orders",
  "description": "根据客户名或日期范围搜索订单，返回最多50条结果",
  "inputSchema": {
    "properties": {
      "customer": { "description": "客户名称（支持模糊匹配）" },
      "from_date": { "description": "起始日期，格式 YYYY-MM-DD" },
      "to_date": { "description": "截止日期，格式 YYYY-MM-DD" }
    }
  }
}

设计原则：

原则	说明
清晰的 description	AI 靠描述判断何时调用，描述要说明"做什么"和"何时用"
参数有边界	限制返回条数（LIMIT）、限制日期范围，防止 AI 发出 SELECT *
返回值结构化	用 JSON 而非纯文本，AI 更容易解析
错误信息有帮助	返回错误时说明原因和建议，而非只抛异常
操作分类	读操作（SELECT）和写操作（INSERT）分开，写操作更谨慎

---

6.3 常见反模式

反模式	问题	正确做法
一个 Tool 做所有事	AI 难以判断何时调用	拆分为多个职责单一的 Tool
description 含糊	AI 不知道何时该用	明确写出"用途 + 何时使用 + 参数含义"
无限制查询	AI 可能 SELECT * 拉全表数据	强制加 LIMIT，参数设最大值限制
Token 硬编码	安全风险	使用 env 环境变量
没有错误处理	连接失败时 AI 无法理解	返回结构化错误信息

---

第七部分 · MCP 与 Function Calling 的区别

很多人会问：MCP 和 OpenAI 的 Function Calling 不是一回事吗？

维度	Function Calling	MCP
范围	单个 AI 提供商的内置能力	跨厂商的开放标准
生态	只在 OpenAI API 中有效	Claude、Cursor、VS Code、ChatGPT 通用
数据提供	开发者手动注入函数描述	Server 动态暴露 Tools/Resources/Prompts
状态管理	无状态（每次请求独立）	有状态（连接生命周期管理）
资源支持	无 Resources/Prompts 概念	三大原语完整
安全性	开发者自行处理	内置鉴权、权限控制

一句话区别：Function Calling 是 AI 模型的"内置能力"，MCP 是"AI 世界的 USB-C 接口"——前者绑定厂商，后者跨平台通用。

---

第八部分 · 常见问题 FAQ

Q1: MCP Server 会消耗很多系统资源吗？
A: stdio 类型的本地 Server 通常很轻量，只是一个 Node.js/Python 进程。只有当 AI 调用工具时才会执行代码，空闲时几乎不消耗 CPU。

Q2: 多个 AI 客户端能同时连接同一个 MCP Server 吗？
A: 本地 stdio Server 通常是一对一（一个 Host 拉起一个 Server 进程）。远程 Streamable HTTP Server 支持多客户端并发。

Q3: MCP Server 能访问互联网吗？
A: 可以。MCP Server 是普通程序，它可以调用任何 API、访问任何网络资源。但建议限制 Server 的网络权限，只允许访问必要的地址。

Q4: 如何保护数据库密码不被 AI 看到？
A: 密码通过 env 字段注入到 Server 进程的环境变量中，AI 只能调用工具，无法读取 Server 的环境变量。

Q5: Cursor 里配置的 MCP Server，Claude Desktop 能用吗？
A: 配置文件格式完全相同，但需要在两个地方分别配置（项目级 .cursor/mcp.json vs Claude Desktop 全局配置）。同一 Server 包两边都能用。

Q6: 如何调试 MCP Server 是否正常工作？
A: 使用官方 @modelcontextprotocol/inspector 工具，在浏览器中可视化测试所有工具和资源。

Q7: MCP 支持流式响应吗？
A: Streamable HTTP 传输支持 SSE（Server-Sent Events），可以实现流式响应。stdio 传输也支持异步返回，适合长时间运行的查询。

Q8: 企业内网没有外网访问，能用 MCP 吗？
A: 可以。stdio 类型的 Server 完全本地运行，不依赖外网。企业内部也可以部署 Streamable HTTP Server 在内网使用。

---

第九部分 · 学习路径与资源

9.1 推荐学习顺序

1. 阅读本文，理解架构和三大原语
2. 在 Cursor 中配置一个 MySQL/SQLite Server，体验 AI 查数据库
3. 用 Inspector 调试官方 filesystem Server，观察 JSON-RPC 报文
4. 用 Node.js/Python 开发一个自定义 Server（参考第五部分）
5. 为企业内部 API 开发生产级 Server，加入鉴权和错误处理

9.2 核心资源

资源	链接
官方文档	modelcontextprotocol.io
官方 Server 仓库	github.com/modelcontextprotocol/servers
MCP 规范	spec.modelcontextprotocol.io
Node.js SDK	@modelcontextprotocol/sdk
Python SDK	mcp (PyPI)
MCP Inspector	@modelcontextprotocol/inspector
社区 Server 聚合	mcp.so
Smithery 市场	smithery.ai

---

结语

MCP 的本质，是给 AI 装上了手和眼睛——让它从"只能在对话框里说话"升级为"能够读取真实数据、执行真实操作"。

作为开发者，理解 MCP 的价值不仅在于使用现有的 Server，更在于创造新的 Server——把企业内部的数据和能力，通过 MCP 暴露给 AI，让 AI 真正成为你工作流的一部分。

最后的话：下一个十年，AI 与外部系统的集成不再是"高级功能"，而是基础能力。MCP 就是这个时代的基础设施。现在开始学习和使用，就是在为未来积累复利。