面试官说说什么是 MCP它的核心内容是什么♂️我MCP 就是一个工具调用框架吧跟 Function Calling 差不多都是让模型调用外部工具的。面试官MCP 是协议不是框架跟 Function Calling 更不是一个层面的东西。Function Calling 解决的是「模型怎么输出调用请求」MCP 解决的是「工具怎么标准化接入」。你把这两个搞混了说说 MCP 到底要解决什么问题♂️我呃……MCP 是为了让工具接入更方便就是 Anthropic 搞的一个 API 标准让 Claude 能调更多工具面试官MCP 是开放协议不是只给 Claude 用的。它解决的是工具接入碎片化的问题工具实现一次、到处复用任何支持 MCP 的客户端都能接入。Client-Server 架构、三类核心能力 Tools/Resources/Prompts 的区别、底层 JSON-RPC 通信机制这些核心内容你一个都没提到回去补课吧。看来 MCP 这个概念确实容易和 Function Calling 搞混。下面我从「MCP 到底要解决什么问题」出发把它的架构、三类核心能力、底层通信机制完整讲清楚。 简要回答MCP 是 Anthropic 在 2024 年底推出的开放协议我理解它主要解决的是「模型接工具太碎片化」的问题。在 MCP 出现之前每接一个新工具都要单独写集成代码、处理认证、适配格式而且这套代码和具体模型强绑定换个模型就得重写非常繁琐。MCP 的思路是把这件事标准化工具提供方按协议实现一个 Server任何支持 MCP 的 AI 客户端就能直接接进来一次实现到处复用。协议定义了三类能力Tools 用于执行有副作用的操作Resources 是只读数据Prompts 是提示词模板底层通信用 JSON-RPC 2.0。我把它理解成给「AI 接工具」这件事定了一套行业标准。 详细解析没有 MCP 之前接工具有多麻烦想象你要给 Claude 接入 GitHub 工具。你得手写 GitHub API 的调用代码、处理认证OAuth token 怎么传、处理各种返回格式、把 API 响应转成模型能理解的格式……好不容易接好了。结果过了两个月Claude 升了个版接口有变化你的对接代码得改。更麻烦的是你同时接了十个工具每个工具都有自己的一套对接代码各自的格式、认证方式、错误处理逻辑都不一样。现在产品方说这套工具也要给 Cursor 用不好意思你得重写一遍因为 Cursor 和 Claude Desktop 的接入方式完全不同。这就是 MCP 出现之前AI 工具生态的真实状态碎片化、难复用、强绑定。每个工具、每个模型都是一座孤岛接一个新工具就要重新搭一座桥。MCP 的核心思路定一套行业标准接口MCPModel Context Protocol模型上下文协议的设计思路可以用 USB 接口来类比。在 USB 标准出现之前鼠标用这个接口、键盘用那个接口、打印机又是另一个换台电脑就要愁接口不兼容。USB 出现之后所有外设统一接口任何设备插到任何电脑都能工作设备厂商只需要做一次适配全球所有 USB 电脑都能用。MCP 做的是同一件事为「AI 接工具」这件事定了一套统一的协议标准。工具提供方比如 GitHub 官方按 MCP 规范实现一个 MCP Server里面封装好各种操作。任何支持 MCP 的 AI 客户端Claude Desktop、Cursor、各种 Agent 框架都能直接连上这个 Server自动发现里面的工具并使用不需要写任何定制化对接代码。工具只需要实现一次到处复用。MCP 的 Client-Server 架构MCP 采用标准的 Client-Server 架构。Server 是工具的实现方。比如 GitHub 官方维护一个 GitHub MCP Server里面封装了「列出 PR」「创建 Issue」「搜索仓库」「查看 Diff」等操作Client 是 AI 应用那一侧比如 Claude Desktop 或 Cursor连上 Server 之后就自动获得了这些工具能力。一个 Client 可以同时连接多个 Server。你把文件系统 Server GitHub Server PostgreSQL Server 都接上模型就同时拥有了操作本地文件、读写代码仓库、查询数据库这三套工具能力而你不需要写任何对接代码只需要在配置文件里加几行 JSON重启后 Claude 自动发现并使用这些工具。三类核心能力Tools、Resources、PromptsMCP Server 可以向 Client 暴露三类能力各有各的定位。先说Tools工具这是最核心的能力对应 Function Calling 里的「函数」。Tools 的本质是「有副作用的操作」什么叫有副作用就是执行之后会改变外部世界的状态。创建文件、提交代码、发送 Slack 消息、调用第三方 API这些都属于 Tools因为执行完之后环境发生了变化而且往往不可逆。正因为如此Tools 通常需要用户授权确认才能执行不能让模型想调就调。再说Resources资源它和 Tools 最本质的区别就一个字只「读」。Resources 不会改变任何东西只是把数据提供给模型看。读取日志文件、查询数据库记录、获取文档内容都属于 Resources 的范畴。你可以把 Resources 理解成「工具的资料室」模型可以进去查资料但不能修改里面的东西。正因为只读、无副作用Resources 可以更宽松地暴露给模型不需要像 Tools 那样谨慎授权。最后是Prompts提示模板这个能力很多人容易忽略但在团队协作场景下特别有用。Prompts 就是预定义的提示词模板带参数占位符解决的是「每次都要手写重复 prompt」的问题。举个例子你的团队有一套固定的代码审查标准 prompt接受「编程语言」和「代码内容」两个参数调用时只需传入参数值就能自动展开成完整的提示词不用每次从头写。把公司积累的优质 prompt 封装成 MCP Prompts所有人都能复用统一标准这在实际工程中很实用。底层通信JSON-RPC 2.0 是什么理解 MCP 的底层先要知道 JSON-RPC 是什么。JSON-RPC 是一种轻量级的远程函数调用协议用 JSON 格式来表达「调用」这件事。核心非常简单客户端发一个 JSON 请求里面说清楚「调哪个方法、参数是什么、这次请求的 ID 是多少」服务端执行完返回一个 JSON 响应里面是执行结果或者错误信息。用 JSON 而不是二进制格式好处是易读、易调试、语言无关任何编程语言都能轻松实现。MCP 用的是它的 2.0 版本JSON-RPC 2.0相比 1.0 加了批量请求、通知消息等功能。在传输层MCP 支持两种方式。第一种是stdio标准输入输出Server 作为本地子进程运行Client 通过管道和它通信Server 从 stdin 读消息把结果写到 stdout。这种方式适合本地工具不需要网络启动快、延迟低Claude Desktop 接本地 MCP Server 用的就是这种方式。第二种是Streamable HTTPServer 作为 HTTP 服务部署在远程Client 通过 HTTP 连接和它通信。这种方式适合远程部署的工具服务或者需要多个 Client 共享同一个 Server 的场景比如团队共用一个部署在服务器上的数据库 MCP Server所有人的 AI 客户端都连同一个地址就行。这里有个演进要说清楚MCP 早期版本2024-11-05 规范用的是「HTTP SSE」双端点方案一个 GET 端点开 SSE 长连接接收推送一个 POST 端点发请求两个端点绑在一起工作。2025 年 3 月的规范更新里这套方案被改成了 Streamable HTTP老的 HTTPSSE 被标记为 deprecated但仍保留向后兼容。Streamable HTTP 并不是「抛弃 SSE」而是把原来的两个端点合并成一个/mcp端点。Client 用 POST 发请求Server 根据情况灵活返回短请求直接回一个普通 JSON 响应长请求则把这个 HTTP 响应升级为 SSE 流持续推送中间结果。架构更简洁部署也更友好一个端点就够serverless 环境也能跑本质还是 HTTP 加 SSE只是用法变了。MCP 生态发展这么快背后的原因是什么MCP 是 Anthropic 在 2024 年底发布的发布后发展速度很快主要有两个原因。第一个原因是极低的实现门槛。Anthropic 开源了协议规范和多语言 SDKPython、TypeScript 都有写一个最简单的 MCP Server 不到 30 行代码任何有基础编程经验的人都能上手。协议文档也写得清晰社区很快就爆发出大量贡献。你想想一个新技术如果上手成本很高再好的设计也很难推广开MCP 在这一点上做得很聪明。第二个原因是头部工具第一时间跟进。GitHub、Slack、PostgreSQL、Puppeteer浏览器自动化、Google Maps 等高频工具都有了官方或社区维护的 MCP Server开发者不需要自己写直接用现成的就行。接一个新工具在 Claude Desktop 的配置文件里加几行 JSON重启后 Claude 自动发现并使用整个过程零代码。当生态里可用的工具足够多开发者就更愿意采用这套协议形成了正向循环。目前 Claude Desktop、Cursor、Windsurf 等主流 AI 工具都内置了 MCP 支持。对开发者来说MCP 把「给 AI 接工具」这件事的门槛从「写一堆对接代码」降到了「改一行配置」这才是它被快速采用的核心原因。 面试总结回看开头的面试对话最典型的误区就是把 MCP 和 Function Calling 搞混了。Function Calling 解决的是「模型怎么输出结构化的工具调用请求」而 MCP 解决的是「工具怎么标准化接入、一次实现到处复用」两者是不同层面的东西。另一个常见错误是以为 MCP 是 Anthropic 专属的实际上它是开放协议任何支持 MCP 的客户端都能接入。面试回答这道题首先要说清楚 MCP 解决的核心问题工具接入碎片化每接一个新工具都要单独写对接代码换个客户端又得重写。然后讲 Client-Server 架构Server 是工具实现方Client 是 AI 应用侧一个 Client 可以连多个 Server。重点要区分三类核心能力Tools 是有副作用的操作需要授权Resources 是只读数据无副作用Prompts 是可复用的提示词模板。底层通信用 JSON-RPC 2.0传输层支持 stdio本地和 Streamable HTTP远程两种方式早期的 HTTPSSE 双端点方案在 2025 年 3 月的规范更新里被标记为 deprecated推荐用单端点的 Streamable HTTP。最后可以提一下 MCP 生态发展快的原因实现门槛极低加上头部工具第一时间跟进。普通人如何抓住AI大模型的风口领取方式在文末为什么要学习大模型目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 大模型作为其中的重要组成部分 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 为各行各业带来了革命性的改变和机遇 。目前开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景其中应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。随着AI大模型技术的迅速发展相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业人工智能大潮已来不加入就可能被淘汰。如果你是技术人尤其是互联网从业者现在就开始学习AI大模型技术真的是给你的人生一个重要建议最后只要你真心想学习AI大模型技术这份精心整理的学习资料我愿意无偿分享给你但是想学技术去乱搞的人别来找我在当前这个人工智能高速发展的时代AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料能够帮助更多有志于AI领域的朋友入门并深入学习。真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】大模型全套学习资料展示自我们与MoPaaS魔泊云合作以来我们不断打磨课程体系与技术内容在细节上精益求精同时在技术层面也新增了许多前沿且实用的内容力求为大家带来更系统、更实战、更落地的大模型学习体验。希望这份系统、实用的大模型学习路径能够帮助你从零入门进阶到实战真正掌握AI时代的核心技能01教学内容从零到精通完整闭环【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块内容比传统教材更贴近企业实战大量真实项目案例带你亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事02适学人群应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。vx扫描下方二维码即可【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】本教程比较珍贵仅限大家自行学习不要传播更严禁商用03入门到进阶学习路线图大模型学习路线图整体分为5个大的阶段04视频和书籍PDF合集从0到掌握主流大模型技术视频教程涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向新手必备的大模型学习PDF书单来了全是硬核知识帮你少走弯路不吹牛真有用05行业报告白皮书合集收集70报告与白皮书了解行业最新动态0690份面试题/经验AI大模型岗位面试经验总结谁学技术不是为了赚$呢找个好的岗位很重要07 deepseek部署包技巧大全由于篇幅有限只展示部分资料并且还在持续更新中…真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发【附赠一节免费的直播讲座技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等欢迎大家~】
