2026/08/06

MCP 是什么？Model Context Protocol 入门指南

MCP 是 Anthropic 在 2024 年开源的协议，定义了 AI 应用如何连接外部工具和数据源。本文讲解 MCP 的工作原理、服务器与客户端的区别，以及它在 2026 年对 AI Agent 的意义。

MCP（Model Context Protocol，模型上下文协议） 是 Anthropic 于 2024 年底开源的一套标准，定义了 AI 应用如何连接外部工具、数据源和服务。你可以把它理解成 AI 界的 USB 标准：不需要为每个工具单独写一套对接代码，而是通过同一个协议连接，模型会自动发现可用工具。

MCP 之所以重要，是因为它解决了构建实用 AI Agent 最难的一环——让模型可靠地访问实时数据和执行真实操作。在 MCP 出现之前，每个团队都要自己搭一套脆弱的集成；有了 MCP，Agent 可以通过一个标准接口去查询数据库、读取文件、搜索网页或调用 API。

本文将解释 MCP 是什么、协议如何运作、MCP 服务器和客户端分别是什么，以及如何开始为自己的 AI Agent 接入工具。

MCP 是什么的缩写，为什么需要它

MCP 全称是 Model Context Protocol。Anthropic 在 2024 年 11 月开源了这套协议，目的是解决一个反复出现的痛点：每个 AI 应用都要为访问外部数据写自己的临时连接器，而这些连接器在不同客户端之间完全无法复用。

协议定义了一套标准的客户端-服务器架构：

MCP 客户端是 AI 应用本身（Claude Desktop、Cursor、Claude Code 或任何自定义 Agent）。
MCP 服务器是一个小程序，负责暴露某种具体能力——读取文件、查询数据库、调用 API。
两者通过 JSON-RPC 2.0 通信，交换带有类型定义的请求与响应。

在 MCP 出现之前，要把 AI 模型接入公司内部工具，意味着要为每个客户端单独写一套集成。有了 MCP，你只要写一次服务器，任何兼容的客户端都能使用它。

MCP 的工作原理：客户端、服务器与工具

MCP 建立在 JSON-RPC 之上，采用简单的请求-响应模型。整个流程是这样的：

AI 应用启动（或连接到）一个 MCP 服务器。
客户端向服务器询问"你提供什么能力"——这就是**发现（discovery）**步骤。
服务器返回一组工具（Tools）、资源（Resources）和提示（Prompts）。
当模型判断某个工具与用户请求相关时，客户端就调用该工具，并把结果送回对话。

MCP 暴露的三种核心原语：

原语	是什么	示例
Tools（工具）	带有类型化输入/输出 Schema 的可执行函数	`query_database(sql)`、`read_file(path)`、`search_web(query)`
Resources（资源）	模型可以读取的静态或动态数据	一个文件、一行数据库记录、一个 API 响应
Prompts（提示）	可复用的提示模板	团队统一使用的代码审查提示

2026 年大家谈论 MCP 时，多半指的是 Tools——也就是 Agent 能执行的实在动作。Resources 是只读数据。Prompts 则是模板化的指令，用来规范模型处理任务的方式。

MCP 服务器是什么

MCP 服务器是一个小程序——通常是一个 Node.js 或 Python 脚本——它实现了 MCP 协议并暴露一种或多种能力。常见的例子包括：

filesystem——让 Agent 读写磁盘上的文件。
github——让 Agent 搜索仓库、查看 issue、创建 PR。
postgres——让 Agent 查询 Postgres 数据库。
puppeteer——让 Agent 驱动无头浏览器。
slack——让 Agent 读取和发送消息。

每个服务器都作为独立进程运行。当 MCP 客户端连接时，它会启动服务器、发现可用工具，并把工具的 Schema 注入模型的上下文窗口，让模型知道自己能调用什么。

MCP 客户端是什么

MCP 客户端就是 AI 应用本身——任何能说 MCP 协议、并托管语言模型的东西。2026 年常见的客户端包括：

Claude Desktop——Anthropic 的桌面应用。
Claude Code——Anthropic 的终端编码 Agent。
Cursor——AI 代码编辑器。
自定义 Agent——任何基于大模型构建、并接入了 MCP 的应用。

从客户端的角度看，MCP 只是扩展模型能力范围的一种方式。你在一个 JSON 文件里配置要连接哪些服务器，剩下的由客户端处理。

MCP 的传输方式：stdio、SSE 与 HTTP

MCP 支持三种传输机制，选择哪种会影响部署方式：

传输方式	工作原理	适用场景
stdio	客户端把服务器作为子进程启动，通过 stdin/stdout 通信	本地开发、单机场景
SSE（Server-Sent Events）	服务器远程运行，客户端通过 HTTP 长连接接入	远程服务器、共享部署
Streamable HTTP	无状态 HTTP 传输，每个请求独立	生产环境、横向扩展、Serverless

大多数本地场景用 stdio，因为它最简单——客户端直接管理服务器的生命周期。远程和团队场景则倾向 SSE 或 Streamable HTTP，这样多个客户端可以共享同一个服务器实例。

一个最小的 MCP 配置示例

下面是一个典型的 MCP 客户端配置（Claude Desktop 和 Claude Code 使用的格式）：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/projects"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxx"
      }
    }
  }
}

mcpServers 下的每一项定义一个服务器：启动命令、参数以及所需的环境变量。配置完成后，客户端会自动发现工具——无需改动任何代码。

MCP 没有解决的问题：工具过载

MCP 让接入工具变得简单，这也意味着团队会接入大量工具。由此产生了一个新问题，称为 MCP tool overload（MCP 工具过载），也叫上下文膨胀。

你连接的每一个 MCP 服务器，都会在 Agent 做任何事之前，把完整的工具 Schema 推入模型的上下文窗口。光是 GitHub MCP 服务器就暴露了大约 80 个工具。再加上文件系统、浏览器、数据库服务器，你很容易在模型根本用不到的定义上烧掉 10 万以上的 Token。Anthropic 自己的基准测试显示，这部分开销会拖慢工具选择的准确率，并推高每次调用的延迟。

这时候 MCP 和 Skills 的区分就变得关键。MCP2Skill 是一款桌面工具，它把原始的 MCP 工具集合转换成按需加载的 Skills——一层封装，让上下文里只保留一段简短描述，完整的指令只有在任务真正匹配时才会加载。结果是同样的能力、几分之一的 Token 消耗，外加跨所有 MCP 服务器的集中化配置和可观测性。

如果你已经跨过"连几个服务器试试"的阶段，开始感受到过载了，那这就是值得在 MCP 之上叠加的一层。

值得了解的常见 MCP 服务器

生态发展很快，以下是大多数团队最终会用到的服务器：

@modelcontextprotocol/server-filesystem——文件读写。
@modelcontextprotocol/server-github——GitHub 仓库、issue、PR。
@modelcontextprotocol/server-postgres——Postgres 查询。
@modelcontextprotocol/server-puppeteer——无头浏览器自动化。
@modelcontextprotocol/server-slack——Slack 消息。
@modelcontextprotocol/server-memory——持久化键值记忆。

完整列表可以在 MCP servers 仓库里浏览。

如何开始使用 MCP

选一个客户端。 Claude Desktop 或 Cursor 是最简单的入口——都原生支持 MCP。
加一个服务器。 从 filesystem 开始，它最容易验证。编辑客户端的 mcp.json（或 claude_desktop_config.json），加入上文示例的配置。
重启客户端，然后问模型一个需要用到工具的问题——"列出我 projects 文件夹下的文件"。
逐步增加服务器。 别一上来就连二十个，工具过载是真实且可量化的。
管理规模。 当服务器数量超过五六个，可以考虑用 MCP2Skill 这样的工具来集中配置、按 Agent 过滤可见工具，并把高频工具转换成按需加载的 Skills。

常见问题

MCP 是免费的吗？

是的。MCP 是基于 MIT 协议开源的。规范、参考实现以及大多数社区服务器都免费。你只为 Agent 调用大模型 API 的费用买单——协议本身不产生任何成本。

MCP 是谁做的？

Anthropic 在 2024 年 11 月创建并开源了 MCP。此后它被 Claude Desktop、Cursor、Claude Code 以及越来越多的第三方客户端和服务器采用。规范在 GitHub 上公开维护。

使用 MCP 需要写代码吗？

对大多数服务器来说不需要。你在 JSON 文件里配置好，客户端会处理其余部分。只有当你想构建自定义 MCP 服务器来暴露自己的内部工具或 API 时才需要写代码——即便如此，官方 SDK（TypeScript 和 Python）已经帮你处理好了协议细节。

MCP 和普通 API 有什么区别？

普通 API 是面向具体应用的——每一个都有自己的鉴权、请求格式和错误处理。MCP 是一套标准化协议：每个服务器都说同样的 JSON-RPC 接口，所以 AI 客户端无需提前了解细节就能连接任何 MCP 服务器。你可以把它理解成"AI 工具的 USB"，而不是"又一个 API"。

###我应该连接多少个 MCP 服务器？

没有硬性上限，但社区共识是把单个 Agent 会话的实用上限放在5 到 7 个服务器左右。超过这个数量，工具 Schema 会挤占上下文窗口，工具选择的准确率下降。如果你需要更多，把稳定的高频工具转换成 Skills，让它们按需加载而不是一开始就全部塞进上下文。

MCP 服务器能访问互联网吗？

能。MCP 服务器能做任何普通程序能做的事——发 HTTP 请求、查询数据库、读文件、调其他 API。协议本身不限制服务器做什么，它只定义客户端和服务器之间如何对话。正因如此，你只应该运行自己信任的 MCP 服务器。

全部文章

作者

MCP2Skill 团队

分类

MCP 是什么的缩写，为什么需要它 MCP 的工作原理：客户端、服务器与工具 MCP 服务器是什么 MCP 客户端是什么 MCP 的传输方式：stdio、SSE 与 HTTP 一个最小的 MCP 配置示例 MCP 没有解决的问题：工具过载值得了解的常见 MCP 服务器如何开始使用 MCP 常见问题 MCP 是免费的吗？MCP 是谁做的？使用 MCP 需要写代码吗？MCP 和普通 API 有什么区别？MCP 服务器能访问互联网吗？

加入我们的社区

订阅邮件列表，及时获取最新消息和更新

2026/08/06

MCP 是什么？Model Context Protocol 入门指南

本文将解释 MCP 是什么、协议如何运作、MCP 服务器和客户端分别是什么，以及如何开始为自己的 AI Agent 接入工具。

MCP 是什么的缩写，为什么需要它

协议定义了一套标准的客户端-服务器架构：

MCP 客户端是 AI 应用本身（Claude Desktop、Cursor、Claude Code 或任何自定义 Agent）。
MCP 服务器是一个小程序，负责暴露某种具体能力——读取文件、查询数据库、调用 API。
两者通过 JSON-RPC 2.0 通信，交换带有类型定义的请求与响应。

MCP 的工作原理：客户端、服务器与工具

MCP 建立在 JSON-RPC 之上，采用简单的请求-响应模型。整个流程是这样的：

AI 应用启动（或连接到）一个 MCP 服务器。
客户端向服务器询问"你提供什么能力"——这就是**发现（discovery）**步骤。
服务器返回一组工具（Tools）、资源（Resources）和提示（Prompts）。
当模型判断某个工具与用户请求相关时，客户端就调用该工具，并把结果送回对话。

MCP 暴露的三种核心原语：

原语	是什么	示例
Tools（工具）	带有类型化输入/输出 Schema 的可执行函数	`query_database(sql)`、`read_file(path)`、`search_web(query)`
Resources（资源）	模型可以读取的静态或动态数据	一个文件、一行数据库记录、一个 API 响应
Prompts（提示）	可复用的提示模板	团队统一使用的代码审查提示

MCP 服务器是什么

MCP 服务器是一个小程序——通常是一个 Node.js 或 Python 脚本——它实现了 MCP 协议并暴露一种或多种能力。常见的例子包括：

filesystem——让 Agent 读写磁盘上的文件。
github——让 Agent 搜索仓库、查看 issue、创建 PR。
postgres——让 Agent 查询 Postgres 数据库。
puppeteer——让 Agent 驱动无头浏览器。
slack——让 Agent 读取和发送消息。

MCP 客户端是什么

MCP 客户端就是 AI 应用本身——任何能说 MCP 协议、并托管语言模型的东西。2026 年常见的客户端包括：

Claude Desktop——Anthropic 的桌面应用。
Claude Code——Anthropic 的终端编码 Agent。
Cursor——AI 代码编辑器。
自定义 Agent——任何基于大模型构建、并接入了 MCP 的应用。

从客户端的角度看，MCP 只是扩展模型能力范围的一种方式。你在一个 JSON 文件里配置要连接哪些服务器，剩下的由客户端处理。

MCP 的传输方式：stdio、SSE 与 HTTP

MCP 支持三种传输机制，选择哪种会影响部署方式：

传输方式	工作原理	适用场景
stdio	客户端把服务器作为子进程启动，通过 stdin/stdout 通信	本地开发、单机场景
SSE（Server-Sent Events）	服务器远程运行，客户端通过 HTTP 长连接接入	远程服务器、共享部署
Streamable HTTP	无状态 HTTP 传输，每个请求独立	生产环境、横向扩展、Serverless

一个最小的 MCP 配置示例

下面是一个典型的 MCP 客户端配置（Claude Desktop 和 Claude Code 使用的格式）：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/projects"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxx"
      }
    }
  }
}

mcpServers 下的每一项定义一个服务器：启动命令、参数以及所需的环境变量。配置完成后，客户端会自动发现工具——无需改动任何代码。

MCP 没有解决的问题：工具过载

MCP 让接入工具变得简单，这也意味着团队会接入大量工具。由此产生了一个新问题，称为 MCP tool overload（MCP 工具过载），也叫上下文膨胀。

如果你已经跨过"连几个服务器试试"的阶段，开始感受到过载了，那这就是值得在 MCP 之上叠加的一层。

值得了解的常见 MCP 服务器

生态发展很快，以下是大多数团队最终会用到的服务器：

@modelcontextprotocol/server-filesystem——文件读写。
@modelcontextprotocol/server-github——GitHub 仓库、issue、PR。
@modelcontextprotocol/server-postgres——Postgres 查询。
@modelcontextprotocol/server-puppeteer——无头浏览器自动化。
@modelcontextprotocol/server-slack——Slack 消息。
@modelcontextprotocol/server-memory——持久化键值记忆。

完整列表可以在 MCP servers 仓库里浏览。

如何开始使用 MCP

选一个客户端。 Claude Desktop 或 Cursor 是最简单的入口——都原生支持 MCP。
加一个服务器。 从 filesystem 开始，它最容易验证。编辑客户端的 mcp.json（或 claude_desktop_config.json），加入上文示例的配置。
重启客户端，然后问模型一个需要用到工具的问题——"列出我 projects 文件夹下的文件"。
逐步增加服务器。 别一上来就连二十个，工具过载是真实且可量化的。
管理规模。 当服务器数量超过五六个，可以考虑用 MCP2Skill 这样的工具来集中配置、按 Agent 过滤可见工具，并把高频工具转换成按需加载的 Skills。

作者

MCP2Skill 团队

加入我们的社区

订阅邮件列表，及时获取最新消息和更新

MCP 是什么？Model Context Protocol 入门指南

作者

分类

更多文章

如何用 Skills 减少 MCP 的 Token 浪费

集中化 MCP 网关：在一个地方管理多个 MCP 服务器

如何构建 AI Agent：实用指南（2026）

加入我们的社区

MCP 是什么？Model Context Protocol 入门指南

作者

分类

更多文章

如何用 Skills 减少 MCP 的 Token 浪费

集中化 MCP 网关：在一个地方管理多个 MCP 服务器

如何构建 AI Agent：实用指南（2026）

加入我们的社区