这是从 LLM 到 Agent Skill系列的第六篇。上一篇讲了 Tool 让模型能调用外部函数。但这里有个工程痛点——每个 AI 平台的工具接入方式都不一样。这一篇我们聊聊正在改变这个局面的协议MCP。一、工具接入的巴别塔困境让我们回到上一篇的场景你写了一个get_weather函数想让大模型能调用它。然后你发现OpenAI要求的工具描述格式是这样的……AnthropicClaude要求的格式是那样的……Google Gemini又搞了一套自己的……国内的通义千问 / 文心一言 / DeepSeek也各有各的规范……同一个get_weather你需要写 5 套接入代码get_weather ├── openai_adapter.py # 适配 OpenAI 格式 ├── anthropic_adapter.py # 适配 Anthropic 格式 ├── gemini_adapter.py # 适配 Google 格式 ├── qwen_adapter.py # 适配通义千问格式 └── deepseek_adapter.py # 适配 DeepSeek 格式这跟当年手机充电接口的情况一模一样——每个厂商都有自己的标准出门要带一捆数据线。二、MCP 是什么MCPModel Context Protocol模型上下文协议就是来解决这个问题的。MCP 是一套统一的工具接入标准协议。开发者按 MCP 规范写一次工具该工具即可在所有支持 MCP 的 AI 平台上通用。它由 Anthropic 在 2024 年底提出目前正在快速获得社区和各大平台的支持。2.1 一个直觉类比手机充电接口的演变 过去Micro-USB、Lightning、30-pin、磁吸……各搞各的 现在Type-C 一统天下至少在物理接口层面 AI 工具的演变 过去OpenAI Function、Anthropic Tool、Google Function……各搞各的 未来MCP 一统天下MCP 就是 AI 世界的Type-C 接口。三、MCP 的核心架构MCP 协议定义了三类角色┌──────────┐ MCP 协议 ┌──────────┐ │ │ ←──────────────→ │ │ │ MCP Host │ │ MCP Server│ │ (AI 客户端) │ │ (工具提供方)│ │ │ │ │ └──────────┘ └──────────┘ │ │ │ MCP 协议 │ 实现具体工具 │ │ ▼ ▼ ┌──────────┐ ┌──────────┐ │ MCP Client│ │ 天气 API │ │ (SDK) │ │ 文件系统 │ └──────────┘ │ 数据库 │ │ …… │ └──────────┘角色是什么举例MCP HostAI 应用本身Claude Desktop、VS Code Claude、ChatGPTMCP Client协议客户端与 Server 通信内嵌在 Host 中的 SDKMCP Server工具的提供方天气查询 Server、文件操作 Server、数据库 Server3.1 通信方式MCP 支持两种传输方式方式场景说明stdio标准输入输出本地进程MCP Server 作为一个子进程运行通过标准输入输出通信HTTP SSE远程服务MCP Server 作为远程 HTTP 服务通过 Server-Sent Events 推送四、MCP Server 的工具暴露一个 MCP Server 启动后会向 Host 暴露它拥有的工具列表。模型就能看到这些工具并在需要时调用它们。举个例子一个天气 MCP Server 暴露的能力可能是{ tools: [ { name: get_current_weather, description: 获取指定城市的实时天气, parameters: { city: 城市名, unit: 温度单位celsius 或 fahrenheit } }, { name: get_forecast, description: 获取未来7天的天气预报, parameters: { city: 城市名, days: 预报天数1-7 } } ] }这套描述是平台无关的。OpenAI、Anthropic、Google 都能消费同一份描述。五、MCP 的生态现状5.1 官方支持平台MCP 支持情况Claude Desktop原生支持Claude Code原生支持VS Code / Cursor通过插件支持OpenAI2025 年宣布支持Google Gemini跟进中Continue / Cody社区集成中5.2 社区 MCP Server 示例社区已经涌现了大量开箱即用的 MCP Server文件系统 Server让 AI 读写本地文件GitHub Server让 AI 管理 Issue、PR、仓库Postgres / SQLite Server让 AI 直连数据库查询Slack Server让 AI 收发 Slack 消息Puppeteer Server让 AI 操控浏览器天气 / 地图 / 新闻 Server各种实时数据大部分 MCP Server 的安装只需要一行配置{ mcpServers: { weather: { command: npx, args: [-y, anthropic/mcp-server-weather] } } }六、MCP 的局限性MCP 并不是完美的目前有几个值得关注的问题6.1 协议仍处于早期MCP 规范还在快速迭代中API 可能发生 breaking change。目前生态还不够成熟。6.2 安全考量MCP Server 本质上是在本地执行的外部程序。如果安装了来源不明的 MCP Server它可能有权限读取你的文件、访问你的网络。需要像对待 npm 包一样审慎。6.3 不是所有平台都跟进了虽然 OpenAI 和 Google 表达了支持但实际的集成深度和进度各不相同。MCP 成为真正通用的标准还需要时间。七、MCP 和 Tool 的关系回到上一篇的内容Tool是单个函数get_weatherMCP是工具的包装和传输标准怎么描述、怎么发现、怎么调用、怎么返回打个比方概念类比Tool一个 App比如微信MCP应用商店的接口标准App 怎么上架、怎么下载、怎么更新同样的 Tool可以用 MCP 协议来发布也可以用 OpenAI 原生格式来对接。MCP 的价值在于一套描述到处跑。八、总结不同 AI 平台的工具接入规范不同导致同一个工具需要写多套适配代码。MCP 是统一的工具接入标准协议类比 Type-C——一次开发多处通用。MCP 定义了 Host-Client-Server 三层架构支持 stdio 和 HTTP 两种通信方式。MCP 生态正在快速成长但协议仍处早期安全和成熟度需要关注。下一篇我们将工具调用 自主决策结合起来聊聊 AI 应用的终极形态——Agent智能体。本系列文章LLM 大语言模型Token 与 TokenizerContext 与 Context WindowPrompt 提示词Tool 工具调用MCP 模型上下文协议← 你在这里Agent 智能体待发布Agent Skill待发布
