上一篇【第05篇】Context Engineering——让AI真正理解你的项目下一篇【第07篇】Cursor完全上手指南——地表最强AI IDE的正确打开方式摘要2024年11月Anthropic发布了MCPModel Context Protocol一个允许AI安全、标准化地连接外部数据源和工具的开源协议。短短一年多MCP已成为AI编程的事实基础设施——500官方和社区MCP Server覆盖了文件系统、数据库、GitHub、Slack、飞书等几乎所有的开发工具体系。本文深入MCP的技术架构Client-Server模型的设计哲学、Tool/Resource/Prompt三大原语的使用场景、JSON-RPC通信机制的细节以及手把手教你搭建一个自定义MCP Server。如果你想知道AI是怎么操控外部工具的这篇就是答案。一、MCP的诞生——为什么需要这个协议1.1 MCP之前的巴别塔困境在MCP出现之前每个AI应用要对接外部工具都需要单独开发集成【MCP之前的碎片化困境】 ┌─────┐ │ AI │ └──┬──┘ │ ┌────────┼────────┬─────────┬─────────┐ │ │ │ │ │ ┌──┴──┐ ┌──┴──┐ ┌──┴──┐ ┌───┴──┐ ┌───┴──┐ │GitHub│ │文件 │ │数据库│ │Slack │ │Jira │ │ API │ │系统 │ │驱动 │ │ API │ │ API │ └─────┘ └────┘ └────┘ └─────┘ └─────┘ 问题 1. 每个AI应用都要为每个工具写一套集成代码 2. 没有标准的安全模型每个工具自己处理权限 3. 工具开发者不知道为谁开发Cursor? Claude? Windsurf? 4. 用户在工具间切换时不能复用已有配置 结果工具越用越多集成越来越碎片化。1.2 MCP的设计目标Anthropic提出MCP的核心理念很简单AI应用和工具之间需要一个标准协议就像USB-C让各种外设都能即插即用。【MCP的设计哲学】 USB-C的类比 MCP的对应 设备手机/电脑 → AI应用Cursor、Claude、Windsurf 外设键盘/显示器 → 工具/数据源GitHub、数据库、文件系统 USB-C协议 → MCP协议 即插即用 → 一次配置所有AI应用可用 统一标准 → 所有AI工具使用同一套接口 类比的核心你不必为每个外设买不同的转接头 也不必为每个AI工具写不同的集成代码。二、MCP架构详解——Client-Server模型2.1 整体架构【MCP架构全景图】 ┌────────────────────────────────────────────────────┐ │ MCP 生态系统 │ │ │ │ ┌─────────────┐ ┌─────────────┐ │ │ │ Cursor │ │Claude Code │ ← AI应用 │ │ │ (MCP Host) │ │ (MCP Host) │ (客户端) │ │ └──────┬──────┘ └──────┬──────┘ │ │ │ │ │ │ └────────┬─────────┘ │ │ │ │ │ MCP Protocol │ │ (JSON-RPC over stdio/HTTP) │ │ │ │ │ ┌─────────────┼─────────────┐ │ │ │ │ │ │ │ ┌──┴──┐ ┌────┴────┐ ┌───┴───┐ │ │ │文件 │ │ GitHub │ │数据库 │ ← MCP Server │ │ │系统 │ │ Server │ │Server │ (服务端) │ │ └─────┘ └─────────┘ └───────┘ │ │ │ └────────────────────────────────────────────────────┘ 通信方式 ├── stdio本地进程通信MCP Server作为子进程运行 └── HTTP/SSE远程通信MCP Server作为独立服务运行2.2 核心角色定义【MCP核心角色】 MCP Host主机 ├── 定义运行AI应用的软件Cursor、Claude Desktop、Windsurf ├── 职责发起连接、管理多个MCP Client、提供UI交互 └── 举例你打开的Cursor窗口 MCP Client客户端 ├── 定义Host内部与一个Server保持1:1连接的组件 ├── 职责发送请求、接收响应、管理会话 └── 举例Cursor中与GitHub Server通信的连接器 MCP Server服务端 ├── 定义暴露特定功能工具、资源、提示的服务程序 ├── 职责响应请求、执行操作、返回结果 └── 举例anthropic/mcp-server-github三、MCP三大原语——Tool、Resource、PromptMCP定义了三种标准的交互方式统称为三大原语3.1 Tool工具——让AI做事情Tool是最常用的原语让AI执行有副作用的操作。【Tool原语的工作方式】 AI应用 MCP Server │ │ │ list_tools() │ ├───────────────────────────────│ │ ← [ │ │ { name: create_issue, │ │ description: 创建GitHub │ │ Issue, │ │ parameters: { │ │ title: string, │ │ body: string, │ │ labels: string[] │ │ } │ │ }, │ │ { name: search_code, ... } │ │ ] │ │ │ │ call_tool(create_issue, { │ │ title: 修复登录Bug, │ │ body: ..., │ │ labels: [bug, high] │ │ }) │ ├───────────────────────────────│ │ │──→ GitHub API │ ← { │←── Issue created │ url: https://github.com/ │ │ org/repo/issues/42 │ │ } │【常见Tool示例】 MCP Server 提供的Tool ──────────────────────────────────────────── GitHub create_issue, create_pr, search_code, list_repos, merge_pr 文件系统 read_file, write_file, list_directory, search_files, get_file_info 数据库 execute_query, list_tables, describe_table, create_migration Slack/飞书 send_message, list_channels, search_messages, add_reaction 天气 get_weather, get_forecast, get_alerts3.2 Resource资源——让AI看数据Resource用于暴露只读数据AI可以像读文件一样读取结构化数据。【Resource vs Tool的区别】 Tool执行操作有副作用 ├── 创建GitHub Issue → 改变了GitHub的状态 ├── 发送消息 → 改变了聊天状态 └── 写入文件 → 改变了文件系统状态 Resource读取数据无副作用 ├── 读取GitHub仓库的文件树 ├── 读取数据库Schema └── 读取配置文件内容 Resource类型 ├── 文本资源text/plain, application/json ├── 二进制资源image/png, application/pdf └── 动态资源SQL查询结果、API响应3.3 Prompt提示模板——预定义的交互模式Prompt让MCP Server可以定义标准化的提示模板帮助用户更高效地与AI交互。【Prompt原语示例】 MCP Server定义的Prompt模板 { name: code_review, description: 代码审查模板, arguments: [ { name: language, description: 编程语言, required: true }, { name: focus, description: 审查重点 } ] } 使用时 用户选择 code_review 模板 → 填入参数 → 自动生成结构化的审查提示 请审查以下 {language} 代码重点关注 {focus} 1. 安全性 2. 性能 3. 代码风格 4. 边界情况处理 [待审查代码]四、MCP的通信流程——一次完整的交互拆解4.1 连接与初始化【MCP连接生命周期】 阶段1握手Handshake ┌──────────────────────────────────────────┐ │ Client → Server: initialize │ │ { │ │ protocolVersion: 2024-11-05, │ │ capabilities: { │ │ roots: {...}, │ │ sampling: {} │ │ }, │ │ clientInfo: { │ │ name: Cursor, │ │ version: 0.45.0 │ │ } │ │ } │ │ │ │ Server → Client: │ │ { │ │ protocolVersion: 2024-11-05, │ │ capabilities: { │ │ tools: {...}, ← 支持Tool原语 │ │ resources: {...} ← 支持Resource │ │ }, │ │ serverInfo: { │ │ name: GitHub MCP Server, │ │ version: 1.2.0 │ │ } │ │ } │ └──────────────────────────────────────────┘ 阶段2能力发现Discovery ┌──────────────────────────────────────────┐ │ Client → Server: tools/list │ │ Server → Client: │ │ [ │ │ { │ │ name: create_issue, │ │ description: 创建GitHub Issue, │ │ inputSchema: { │ │ type: object, │ │ properties: { │ │ title: {type: string}, │ │ body: {type: string} │ │ }, │ │ required: [title] │ │ } │ │ }, │ │ ... │ │ ] │ └──────────────────────────────────────────┘4.2 工具调用详细流程【一次完整的Tool调用】 用户在GitHub上创建一个Issue标题是用户登录超时 ↓ Cursor解析用户意图 第1步AI决定调用哪个Tool ┌──────────────────────────────────────┐ │ AI推理用户想创建GitHub Issue │ │ 应该调用 GitHub MCP Server 的 │ │ create_issue 工具 │ └──────────────────────────────────────┘ 第2步构造Tool调用参数 ┌──────────────────────────────────────┐ │ { │ │ name: create_issue, │ │ arguments: { │ │ title: 用户登录超时, │ │ body: ## 问题描述\n..., │ │ labels: [bug], │ │ repo: org/project │ │ } │ │ } │ └──────────────────────────────────────┘ 第3步发送JSON-RPC请求 ┌──────────────────────────────────────┐ │ { │ │ jsonrpc: 2.0, │ │ method: tools/call, │ │ params: { │ │ name: create_issue, │ │ arguments: {...} │ │ }, │ │ id: 1 │ │ } │ └──────────────────────────────────────┘ 第4步MCP Server执行并返回 ┌──────────────────────────────────────┐ │ { │ │ jsonrpc: 2.0, │ │ result: { │ │ content: [{ │ │ type: text, │ │ text: Issue #42 created: │ │ https://github.com/org/ │ │ repo/issues/42 │ │ }] │ │ }, │ │ id: 1 │ │ } │ └──────────────────────────────────────┘ 第5步AI将结果展示给用户 ✅ 已创建 Issue #42用户登录超时 链接https://github.com/org/repo/issues/42五、搭建一个自定义MCP Server5.1 最小可运行示例以下是一个最简单的MCP Server提供一个获取当前时间的工具# weather-server.pyfrommcp.serverimportServer,NotificationOptionsfrommcp.server.modelsimportInitializationCapabilitiesimportmcp.server.stdioimportmcp.typesastypesfromdatetimeimportdatetime,timezone# 创建Server实例serverServer(my-first-mcp-server)server.list_tools()asyncdefhandle_list_tools()-list[types.Tool]:返回Server提供的工具列表return[types.Tool(nameget_current_time,description获取当前的UTC时间,inputSchema{type:object,properties:{},},)]server.call_tool()asyncdefhandle_call_tool(name:str,arguments:dict)-list[types.TextContent]:处理工具调用ifnameget_current_time:nowdatetime.now(timezone.utc)return[types.TextContent(typetext,textf当前UTC时间{now.isoformat()})]else:raiseValueError(f未知工具:{name})asyncdefrun():asyncwithmcp.server.stdio.stdio_server()as(read_stream,write_stream):awaitserver.run(read_stream,write_stream,InitializationCapabilities(sampling{},roots{}),)if__name____main__:importasyncio asyncio.run(run())5.2 配置到Cursor// 在 .cursor/mcp.json 中添加{mcpServers:{my-tools:{command:python,args:[path/to/weather-server.py]}}}配置完成后在Cursor中就可以直接对AI说告诉我现在几点了AI会自动调用你的MCP Server获取时间。六、MCP生态现状与未来6.1 2026年的MCP生态版图【MCP生态全景2026年中】 官方ServerAnthropic提供 ├── anthropic/mcp-server-github ├── anthropic/mcp-server-filesystem ├── anthropic/mcp-server-postgres ├── anthropic/mcp-server-slack └── anthropic/mcp-server-puppeteer 社区热门Server部分列举 ├── 飞书/钉钉/企业微信即时通讯 ├── 腾讯文档/Notion/语雀文档协作 ├── MySQL/Redis/MongoDB数据库 ├── AWS/GCP/Azure云服务 ├── Jira/Linear项目管理 ├── Playwright浏览器自动化 └── Docker/Kubernetes容器编排 数据统计截至2026年6月 ├── MCP Server总数800 ├── 支持MCP的主流AI工具Cursor, Claude, Windsurf, Copilot, Continue ├── GitHub MCP仓库Star数80K ├── 日均MCP工具调用量数百万级6.2 MCP的未来方向【MCP的演进方向】 短期2026 H2 ├── MCP 2.0 正式发布 ├── 更好的安全模型OAuth 2.0原生支持 ├── Server热加载无需重启 ├── 更丰富的原语Streaming、Filesystem代理 中期2027 ├── MCP Server市场/应用商店 ├── Server托管服务云上运行无需本地部署 ├── 多Agent协作的MCP协调协议 └── MCP成为W3C标准 长期愿景 每个软件都提供一个MCP接口 AI可以像调用函数一样调用任何软件的能力。总结MCP是AI编程的标准化协议它定义了AI应用如何发现和调用外部工具、资源和提示模板解决了碎片化集成的问题。Client-Server架构清晰AI应用作为Host和Client外部能力作为Server通过JSON-RPC协议通信支持stdio和HTTP两种传输方式。三大原语覆盖所有场景Tool用于执行操作有副作用Resource用于读取数据无副作用Prompt用于标准化交互模板。自定义MCP Server门槛很低几十行Python代码就能创建一个功能完整的MCP Server并配置到Cursor/Claude中使用。MCP生态正在快速膨胀800 Server覆盖了几乎所有开发工具和设备正朝着每个软件都有MCP接口的愿景演进。上一篇【第05篇】Context Engineering——让AI真正理解你的项目下一篇【第07篇】Cursor完全上手指南——地表最强AI IDE的正确打开方式