AI Agent 学习笔记（六）：MCP 模型上下文协议，AI 世界的通用插头

前几篇我们手动给 Agent 写工具。这篇学一个让工具“即插即用”的标准——MCP（Model Context Protocol，模型上下文协议）。

一. 先看问题：为什么需要 MCP

假设你要做一个超级 Agent，需要连：文件系统、GitHub、数据库、日历、Slack、浏览器……

如果每个系统都单独写一套接入代码：

1
2
3
4
5

Agent A ──► 文件系统（专属实现）
Agent A ──► GitHub（另一套实现）
Agent B ──► 文件系统（又要重写一遍）
Agent B ──► GitHub（又双叒重写）
......

这就是 N × M 问题：N 个 Agent 客户端 × M 个外部系统，要写 N×M 套对接代码。

MCP 的做法是定一个统一协议：系统提供方只要实现一次“MCP Server”，任何支持 MCP 的 Agent（Host）都能直接用：

1
2
3
4
5

Agent A ─┐
Agent B ─┼──► MCP 协议（统一标准）──► 文件系统 Server
Agent C ─┘                        ├──► GitHub Server
                                  ├──► 数据库 Server
                                  └──► 浏览器 Server

一句话：MCP 是 AI 应用连接外部世界的“USB-C 接口”。它由 Anthropic 于 2024 年 11 月开源，现在 OpenAI、Google、微软等都在跟进。

二. MCP 的核心架构

MCP 有三层角色：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

┌──────────────────────────────────────────────┐
│ Host（宿主程序，如 Claude Desktop）           │
│  ┌──────────┐    ┌──────────┐                 │
│  │ LLM      │    │ MCP      │                 │
│  │ (大脑)    │◄──►│ Client   │                 │
│  └──────────┘    └────┬─────┘                 │
└───────────────────────┼──────────────────────┘
                        │ JSON-RPC 2.0 消息
        ┌───────────────┼────────────────┐
        ▼               ▼                ▼
  ┌──────────┐   ┌──────────┐    ┌──────────┐
  │ MCP      │   │ MCP      │    │ MCP      │
  │ Server   │   │ Server   │    │ Server   │
  │ 文件系统  │   │ GitHub   │    │ 数据库   │
  └──────────┘   └──────────┘    └──────────┘

通信基于 JSON-RPC 2.0（一种 JSON 格式的远程调用协议），消息在 stdio（本地子进程管道）或 HTTP（远程服务）上传输。

三. MCP 的三大原语

一个 MCP Server 可以暴露三类能力：

1
2
3
4
5
6
7

Agent 调用流程（以 Tools 为例）：
1. Client 连上 Server，Server 上报能力列表：list_tools / list_resources / list_prompts
2. Host 把工具列表转成 Function Calling 的 tools 参数给 LLM
3. LLM 决定调用某工具
4. Client 通过 JSON-RPC 通知 Server：tools/call
5. Server 执行真实操作，返回结果
6. 结果作为 tool 消息回传给 LLM

所以 MCP 和第三篇学的 Function Calling 不冲突：Function Calling 是模型侧的能力，MCP 是工具侧的标准。MCP Server 的工具最终会被翻译成 Function Calling 能识别的 tools 定义。

四. 十分钟上手：跑一个现成的 MCP Server

4.1 文件系统 Server（体验用）

需要先安装 Node.js。然后启动一个“文件系统工具”Server：

1

npx -y @modelcontextprotocol/server-filesystem /tmp/mcp-demo

这条命令会启动一个本地进程，通过 stdio 等待 MCP 消息。但裸跑它没有界面，一般要配进某个 Host 里用。

4.2 配置进 Claude Desktop

编辑 claude_desktop_config.json（在 ~/Library/Application Support/Claude/ 或 %APPDATA%/Claude/）：

1
2
3
4
5
6
7
8
9
10
11
12
13

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp/mcp-demo"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_你的令牌" }
    }
  }
}

重启 Claude Desktop，聊天框里会出现“锤子”图标（工具），Agent 就能操作你指定的目录了。

其他支持 MCP 的客户端（Cursor、Cherry Studio、Windsurf、自研程序）配置方式大同小异，核心都是 mcpServers 里声明 command + args。

五. 自己写一个 MCP Server（FastMCP）

用官方 Python SDK 的 FastMCP，写一个“天气查询”Server 只需要十几行：

1

pip install "mcp[cli]"

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

# weather_server.py
from mcp.server.fastmcp import FastMCP

# 1. 创建 Server（名字会显示在客户端里）
mcp = FastMCP("weather-demo")

# 2. 用装饰器把普通函数变成 MCP 工具
@mcp.tool()
def get_weather(city: str) -> str:
    """查询指定城市的天气（演示用，返回模拟数据）"""
    # 真实场景在这里调用天气 API
    return f"{city}：晴，26°C，湿度 40%"

@mcp.tool()
def celsius_to_fahrenheit(celsius: float) -> float:
    """摄氏温度转华氏温度"""
    return celsius * 9 / 5 + 32

# 3. 注册一个只读资源（Resource）：客户端可以读取的内容
@mcp.resource("config://cities")
def get_cities() -> str:
    """支持查询的城市列表"""
    return "北京, 上海, 广州, 深圳"

# 4. 注册一个提示词模板（Prompt）
@mcp.prompt()
def weather_question(city: str) -> str:
    return f"请帮我查询{city}今天的天气，并给出穿衣建议。"

# 5. 运行（默认 stdio 传输）
if __name__ == "__main__":
    mcp.run()

5.1 测试你的 Server

用官方调试工具 MCP Inspector（一个网页调试台）：

1
2

mcp dev weather_server.py
# 或 npx @modelcontextprotocol/inspector python weather_server.py

浏览器打开调试台，就能看到工具列表、手动调用工具、查看返回结果。

5.2 在 Python 程序里当 Client 连接

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main():
    # 1. 以子进程方式启动 Server
    params = StdioServerParameters(command="python", args=["weather_server.py"])
    async with stdio_client(params) as (read, write):
        async with ClientSession(read, write) as session:
            # 2. 握手并列出能力
            await session.initialize()
            tools = await session.list_tools()
            print("可用工具：", [t.name for t in tools.tools])

            # 3. 调用工具
            result = await session.call_tool("get_weather", {"city": "北京"})
            print("结果：", result.content)

asyncio.run(main())

六. 传输方式：stdio 与 HTTP

远程 Server 配置示例：

1
2
3
4
5
6
7

{
  "mcpServers": {
    "my-remote-api": {
      "url": "https://api.example.com/mcp"
    }
  }
}

七. MCP 和之前学的东西怎么串起来

1
2
3
4
5
6
7
8
9
10

┌──────────────────────────────────────────────────┐
│ 你的 Agent                                        │
│                                                  │
│  Prompt（话术）  Skill（SOP，含提示词与流程）     │
│  Memory（记忆）  RAG（知识库）                    │
│                                                  │
│  工具层：                                        │
│   ├─ 手写函数（第三篇）                          │
│   └─ MCP Server（本篇）→ 文件/数据库/GitHub 等   │
└──────────────────────────────────────────────────┘

• MCP Server 里的 Tool → 变成 Agent 的 Function Calling 工具；
• MCP 的 Resource → 类似 RAG 的静态资料（可直接注入）；
• MCP 的 Prompt → 类似 Skill 的提示模板（可组合成技能）。

八. MCP 安全须知

1. Server 拥有你机器的权限：文件系统 Server 能读写你指定的目录，别乱装来路不明的 Server；
2. 第三方 Server 的代码要审查，它可能窃取数据或注入恶意指令；
3. 敏感操作（删除、转账）仍然需要 Host 层的人工确认；
4. 远程 Server 必须用 HTTPS + 令牌鉴权；
5. 只给 Server 最小权限：文件系统 Server 只授权需要的目录。

九. 生态速览

| 资源 | 说明 |
| — | — | — |
| modelcontextprotocol/servers | 官方参考 Server（文件、Git、数据库、浏览器等） |
| modelcontextprotocol/inspector | 官方调试工具 |
| FastMCP / mcp SDK | Python/TypeScript 官方 SDK |
| mcp.so / Smithery 等 | 社区 Server 市场，可搜索现成 Server |

十. 小结与作业

小结

1. MCP 解决 Agent 与外部系统 N×M 的对接问题，是“AI 的 USB-C”；
2. 架构：Host（宿主）→ Client → Server，通信用 JSON-RPC 2.0；
3. 三大原语：Tools（干活）、Resources（读资料）、Prompts（话术模板）；
4. 传输：本地用 stdio，远程用 HTTP；
5. MCP 与 Function Calling 互补，与 Skill/RAG 配合使用；
6. 安全第一：审查 Server、最小权限、人工确认。

作业

1. 用 FastMCP 写一个“备忘录”Server，提供 add_note、list_notes 两个工具，用 Inspector 调试；
2. 在支持 MCP 的客户端（如 Cherry Studio / Cursor）里配置你的 Server 并实际调用；
3. 思考：为什么说 MCP 是“协议”而不是“框架”？协议和框架有什么区别？

下一篇（终章）：综合实战——把 Prompt、Memory、Tool、RAG、Skill、MCP 全部整合成一个完整的 Agent 项目。