最近做 Agent 相关的开发几乎绕不开一个词MCP。GitHub 上、技术群里、招聘 JD 里到处都在提。我自己接 AI 工具的时候也踩过接 GitHub 写一套、接数据库写一套、接 Slack 又写一套的胶水工程坑所以专门把 MCP 从头研究了一遍。这篇把它的来龙去脉、核心架构、和实际怎么用讲清楚。一、什么时候需要了解MCP给 AI 接外部工具想让 Agent 查数据库、读文件、操作浏览器却为每个系统各写一套接入逻辑多模型切换今天用这个模型明天用那个工具接入代码却要跟着重写企业里多个 Agent 共享工具客服、运维、数据分析几个智能体都要调用同一批内部服务面试/进阶Agent 相关岗位面试里 MCP 已经是高频考点核心痛点用一个词概括就是**N×M 问题**N 个 AI 应用 × M 个外部工具如果不标准化就要写 N×M 套对接代码。MCP 想把这个矩阵压成 NM。二、MCP 是什么它解决了什么问题MCP 全称 Model Context Protocol模型上下文协议2024 年 11 月由 Anthropic 开源用来让 AI 应用以统一的方式连接外部工具、数据和提示模板。用一句话记忆MCP 是 AI Agent 时代的工具接入协议就像 USB-C 统一了不同设备的充电接口。2025 年 12 月Anthropic 把 MCP 捐赠给了 Linux 基金会旗下新成立的 Agentic AI FoundationAAIF治理交给社区主导——OpenAI、Google、Microsoft、Amazon 都作为白金会员参与。这意味着它已经不是某个厂商的私有方案而是奔着行业基础设施去的。到 2026 年社区构建的 MCP Server 已超过 1 万个各家大模型平台基本都内置支持。没有 MCP 的世界每接一个系统都要自己定义工具怎么发现、参数 Schema 怎么写、调用怎么发、结果怎么返回、权限怎么控。有了 MCP这些全部标准化Server 声明一次任何支持 MCP 的 AI 应用都能连。三、核心架构Host、Client、ServerMCP 采用三层架构角色是什么干什么HostAI 应用本身负责用户交互、模型调用、权限控制、上下文聚合ClientHost 内部组件和某个 Server 建立连接、协商版本、收发请求Server工具/数据提供方暴露工具、资源和提示模板一个 Host比如一个智能客服应用内部可以有多个 Client每个 Client 连一个 Server数据库 Server、工单系统 Server、日志平台 Server。模型通过 Host 拿到所有 Server 提供的工具列表统一调用。三大原语Primitives是理解 MCP 能力边界的关键Tools能做什么模型主动调用的动作比如查数据库、发消息、搜索Resources能看什么只读的上下文比如文件内容、数据库 Schema、API 文档Prompts怎么做更稳可复用的提示模板指导模型按某个流程使用工具很多人只把 MCP 当成工具调用协议其实窄了——它标准化的还包括资源的提供和提示模板的复用。四、一次工具调用是怎么跑的用一个例子串起来用户在客服应用里问查一下支付服务昨晚为什么变慢Host 已经连了监控 Server 和日志 Server。第一步初始化连接。Host 为每个 Server 创建 Client做协议初始化协商版本和能力Server 声明自己支持 tools、resources。第二步发现工具。Client 向 Server 发tools/listServer 返回自己的能力清单比如query_api_latency、search_service_logs、get_deploy_records。Host 把这些整理成模型可用的工具列表。第三步模型决定调用。模型看到用户问题决定先调query_api_latency生成工具名和参数。第四步Client 调 Server。Host 通过对应 Client 发出tools/callServer 执行真实查询返回结构化结果。第五步模型根据结果继续判断。如果发现延迟从 22:10 开始升高模型可能接着调发布记录工具确认 22:05 有发布再调日志工具看详情——这就是 Agent 的 ReAct 循环MCP 负责其中工具接入和调用这一段。注意一个细节MCP Server 通常不决定最终怎么回答用户。规划、判断、反思仍然由 Host 里的模型和应用逻辑负责MCP 只管连接。五、MCP 和 Function Calling 有什么区别这是最容易混淆的一组概念面试也常问。维度Function CallingMCP定位模型侧的能力应用接入层的协议解决模型如何选择函数、生成参数工具/资源/提示如何被 AI 应用发现和连接架构模型 函数定义Host Client Server工具发现静态注册Server 动态公开多步认证每次请求各自处理维持会话效率更高一句话区分Function Calling 是模型调用工具的一种方式MCP 是工具接入 AI 应用的一套标准协议。实际系统里两者是配合的——Host 通过 MCP 拿到工具列表再转成模型支持的 Function Calling 格式让模型调用。这层关系想清楚就不会把两个热词混在一起了。六、实际使用怎么接一个 MCP Server以 OpenAI Agents SDK 为例接入一个 MCP Server 非常简单把文件系统 Server 挂到 Agent 上from agents import Agent from agents.mcp import MCPServerStdio filesystem_server MCPServerStdio( params{ command: npx, args: [-y, modelcontextprotocol/server-filesystem, /path/to/dir], }, ) agent Agent( nameAssistant, instructions使用文件系统工具读取用户指定文件。, mcp_servers[filesystem_server], )接远程 HTTP 的 MCP Server 也一样直接from agents import Agent, HostedMCPTool from agents.mcp import MCPServerStreamableHttp async with MCPServerStreamableHttp( nameFilesystem MCP, params{url: http://localhost:8000/mcp}, ) as server: agent Agent( nameAssistant, instructions用 MCP 工具完成用户任务。, mcp_servers[server], )社区里现成的 Server 覆盖面已经很广GitHubPR 管理、代码审查、PostgreSQL/SQLite数据库查询、Slack/Notion通信协作、Brave Search搜索、Puppeteer网页抓取等基本搜一下、配一下、接上三步就能用。七、安全边界与注意点MCP 让工具接入更标准但不等于天然安全。有副作用的动作——删文件、改代码、发消息、改数据库、执行命令、调生产接口——都不能让模型想调就调。几点工程上的硬要求Host 管权限控制 Server 连接权限、上下文传递范围Server 暴露最小能力不能默认开放访问所有数据高风险工具加确认删除、写入、发送类操作要有用户确认和审计记录认证走标准MCP 规范建议用 OAuth 2.1Token 要绑定到具体 Server防止被串用我之前接内部工单系统时就吃过教训Server 把工具描述写得过于宽泛模型差点把创建工单当成删除工单来用。工具描述和参数 Schema 一定要写清楚边界。八、总结MCP 解决的是 Agent 的连接问题——让工具、资源、提示模板以标准方式接入 AI 应用把 N×M 的胶水工程降成 NM。它不负责让 Agent 自动变聪明规划、反思、可靠性仍是模型和应用逻辑的事。把它放进 Agent 工程里看位置很清晰Function Calling 在模型层MCP 在接入层Agent 在系统层三层各司其职。随着 MCP 进入 Linux 基金会治理、生态突破一万个 Server它大概率会成为 AI Agent 时代的TCP/IP级基础设施值得现在花点时间吃透。本文基于 MCP 官方规范及社区公开资料整理涉及的 SDK 用法请以对应项目最新文档为准。