大家好，我是展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、Harmony OS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。

图书作者：《ESP32-C3 物联网工程开发实战》
图书作者：《SwiftUI 入门，进阶与实战》
超级个体：COC上海社区主理人
特约讲师：大学讲师，谷歌亚马逊分享嘉宾
科技博主：华为HDE/HDG

我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用、前沿科技资讯、产品评测与使用体验。我特别关注云服务产品评测、AI 产品对比、开发板性能测试以及技术报告，同时也会提供产品优缺点分析、横向对比，并分享技术沙龙与行业大会的参会体验。我的目标是为读者提供有深度、有实用价值的技术洞察与分析。

展菲：您的前沿技术领航员
👋 大家好，我是展菲！
📱 全网搜索“展菲”，即可纵览我在各大平台的知识足迹。
每周定时推送干货满满的技术长文，从新兴框架的剖析到运维实战的复盘，助您技术进阶之路畅通无阻。

引言

过去两年，大模型能力越来越强。

从 ChatGPT、Claude 到 Gemini、Qwen，模型已经可以完成：

聊天 写代码 生成文档 分析数据

但真正落地到企业之后，大家发现了一个共同的问题。模型很聪明，却什么都做不了。

例如：

帮我查询订单 AI： 我无法访问你的订单系统。

再比如：

帮我发一封邮件 AI： 我无法直接操作邮箱。

或者：

帮我创建 Jira 任务 AI： 请手动打开 Jira。

于是，一个新的问题出现了：

为什么 AI 什么都会，却连接不了现实世界？

原因其实非常简单，大模型只会生成 Token，它不知道：

数据库怎么访问 Git 怎么调用 浏览器怎么操作 企业 API 在哪里

每接入一个工具，都需要开发者重新写一套适配代码。结果就是：

ChatGPT 一套 Claude 一套 Gemini 一套 Cursor 一套

重复开发，重复维护，重复踩坑。

整个 AI 工具生态，开始变成一个巨大的"接口孤岛"。

于是，Anthropic 提出了一个新的标准：

MCP（Model Context Protocol）

它想解决的不是模型问题，而是：

如何让所有 AI，都用同一种方式连接世界。

一句话理解：

如果 HTTP 统一了互联网，那么 MCP 想统一 AI 与工具之间的通信方式。

一、什么是 MCP？

很多人第一次看到 MCP，会觉得它像：

Function Calling Plugin Tool Calling

其实都不是，MCP 更准确的定位应该是：

AI 世界里的标准通信协议。

它规定了一套统一规则，让模型能够发现、调用和管理各种外部能力。

也就是说，以前：

AI ↓ 自己写接口 ↓ 数据库

现在：

AI ↓ MCP ↓ 所有工具

MCP 并不关心工具内部怎么实现，它只关心：

工具叫什么？ 有哪些参数？ 返回什么结果？ 如何调用？

因此：

模型不需要理解工具，只需要理解 MCP。

二、为什么 MCP 会诞生？

AI 出现之前，所有系统都是：

用户 ↓ 前端 ↓ 后端 API ↓ 数据库

AI 出现之后，变成：

用户 ↓ LLM ↓ ？？？ ↓ 企业系统

这里最大的空缺就是：

？？？

因为，LLM 不知道：

CRM ERP GitHub Slack Jira Google Drive

到底怎么调用，于是大家开始写：

Plugin Function Calling Tool SDK

但是每个平台格式都不一样，比如：

OpenAI Claude Gemini Cursor Copilot

全部都有自己的 Tool Schema。

最终导致一个工具。要适配：

5 套 SDK 5 套 JSON 5 套协议

维护成本越来越高。MCP 出现，就是为了统一这一切。

三、MCP 到底定义了什么？

很多人以为 MCP 定义的是：

API

其实不是，它定义的是：

AI 与外部世界的交互语言。

主要包括四部分。

第一部分Tool ，例如：

search() send_email() query_order() create_ticket()

第二部分 Resource，例如：

文件 数据库 网页 PDF 日志

第三部分 Prompt ，也就是：

预定义 Prompt 工作流模板 系统角色

第四部分 Sampling ，允许 Server 主动请求模型继续推理。

因此，一个 MCP Server，不只是提供 API。

它还能提供：

工具 资源 Prompt 上下文

比传统 Plugin 丰富得多。

四、MCP 架构到底长什么样？

整个 MCP 可以理解成三层。

+--------------------+ | AI Client | | Claude / Cursor | +---------+----------+ | | MCP | +---------v----------+ | MCP Server | +---------+----------+ | ------------------------- | | | | Git SQL Browser API

Client 负责：

推理 规划 调用工具

Server 负责：

暴露能力 管理资源 执行请求

真正干活的是：

Git 数据库 浏览器 企业系统

所以 MCP 更像：

AI Runtime 的 I/O 层。

五、为什么说 MCP 是 AI 的 USB？

USB 最大的价值是什么？不是速度，而是统一。以前：

鼠标 一个接口 键盘 一个接口 打印机 一个接口

后来，全部统一：

USB

开发者不用再关心：

设备品牌 驱动格式 接口协议

MCP 做的是完全一样的事情。以前：

OpenAI Tool Claude Tool Gemini Tool Copilot Tool

以后：

MCP Tool

任何支持 MCP 的模型，理论上都能直接调用。

一句话：

Write Once，Run Everywhere。

六、MCP 与 Function Calling 有什么区别？

很多人最容易混淆这两个概念。实际上，它们解决的问题完全不同。

可以理解成：

Function Calling ↓ 一次 RPC

而 MCP 更像：

一个完整的运行时协议

它不仅告诉模型"调用什么"，还定义了"如何发现、如何管理、如何持续交互"。

七、为什么越来越多 AI 产品开始支持 MCP？

过去，每接入一个新的企业系统，都需要重新开发连接器。

现在，只要系统提供了 MCP Server：

CRM ERP GitHub Notion Jira 数据库 浏览器

理论上，任何支持 MCP 的 AI 客户端都可以直接访问。

这意味着：

开发一次 多个模型共享 多个 AI 客户端复用

对于企业来说，这大幅降低了 AI 系统集成成本。

对于开发者来说，也不需要为不同模型维护多套工具接口。

八、MCP 会改变什么？

MCP 的意义，并不仅仅是多了一个协议。它改变的是 AI 应用的开发方式。

过去，我们开发的是：

App ↓ 调用 API

未来，更可能演变为：

Agent ↓ 调用 MCP ↓ 自动完成任务

开发者关注的重点，也会逐渐从：

如何写接口

转变为：

如何设计可复用的 MCP 能力 如何管理资源 如何保证权限和安全 如何优化工具执行效率

MCP 将成为 AI Runtime 与企业系统之间的重要桥梁。

总结：MCP 为什么可能成为 AI 新标准？

互联网时代：

HTTP 统一了网页通信 REST 统一了服务接口 JSON 统一了数据交换

AI 时代，同样需要一种统一的连接标准。

MCP 正是在这样的背景下诞生。

它解决的不是模型能力，而是模型如何与真实世界协作的问题。

一句话总结全文：

MCP（Model Context Protocol）是一套连接 AI 与外部工具、资源和上下文的标准协议，它让不同模型能够以统一方式发现、调用和管理能力，是 AI 应用迈向开放生态的重要基础。

最终结论：

大模型 → 决定 AI 能思考什么 MCP → 决定 AI 能完成什么 Runtime → 决定 AI 如何高效完成

未来，AI 应用之间竞争的不只是模型参数，更是谁拥有更丰富、更开放、更标准化的 MCP 生态。这也意味着，MCP 很可能会成为 AI 时代最重要的基础设施标准之一。