>AI 工具越来越多，接入越来越麻烦——每个 AI 应用都要单独适配每个工具，开发者快被搞崩了。MCP 就是来解决这个问题的。

## 一个让所有开发者头疼的问题
你用过 Cursor 帮你查 GitHub 代码、用过 Claude 帮你读 Notion 文档、用过 Copilot 帮你查数据库吗？

这些背后都有一个隐形的苦力：工具接入。

没有统一标准之前，每家 AI 应用想接入一个外部工具，都要从头写一套适配代码。 10 个 AI 应用 × 10 个工具 = 100 套独立接口，每个都长得不一样。

**这就是工程师界著名的"N×M 问题"。**

Anthropic 在 2024 年 11 月提出了解法：**MCP（Model Context Protocol，模型上下文协议）**。

一句话理解：**MCP 是给 AI 工具世界制定的"USB 标准"——插进去就能用，不用管谁造的。**

## 什么是 MCP？
MCP 是一套**开放标准协议**，定义了 AI 应用（Host）和外部工具/数据（Server）之间怎么"说话"。

你可以把它想象成家里的插座规格。

以前每台电器都有自己的专属插孔，换个品牌就要换插座；有了统一的国标插座规格，所有设备按规格生产，插进去就能用。

MCP 做的正是这件事：
- 反面：每个 AI 应用单独写代码接入 GitHub、Slack、数据库……改一处、全乱套
- 有了 MCP：任何工具只要做成 MCP Server，任何 AI 应用就能直接用

![image](https://developer.qcloudimg.com/http-save/yehe-5877188/0c8a374fcafd6197c66037b1d65ea8f4.png)

## MCP 的三层架构
MCP 把整个系统拆成三个角色，分工明确：

**MCP Host（宿主）** 就是你用的 AI 应用本体，比如 Claude Desktop、Cursor、VS Code。它负责统筹全局，管理与各个工具的连接。
**MCP Client（客户端）** 内嵌在 Host 里的"连接器"，专门负责和 MCP Server 通话，把服务器提供的工具和数据传给 AI。
**MCP Server（服务器）** 真正和外部系统打交道的程序。比如 GitHub MCP Server 负责读代码仓库，Notion MCP Server 负责读文档，数据库 MCP Server 负责查数据库。

>用个更接地气的比喻：你（Host）要查资料，助理（Client）负责帮你打电话，图书馆（Server）负责找书给你——三方各司其职，谁也不越位。

![image](https://developer.qcloudimg.com/http-save/yehe-5877188/1d4dbbe163c8551bca211ac50c337227.png)

## MCP 能给 AI 提供四种能力
MCP 定义了四类"原语"，每种原语解决不同的问题：

### 1. Tools（工具）——让 AI 能"动手"
可执行的动作：查数据库、发消息、创建文件、调用接口。 最常用的原语，也是最有"副作用"的——执行后会真实改变外部系统。

### 2. Resources（资源）——让 AI 能"看数据"
只读的上下文来源：文件内容、日志片段、数据库记录、配置信息。 AI 不需要执行操作，只需要读取相关信息来理解背景。

### 3. Prompts（提示词模板）——让 AI 有"作业模板"
Server 提供预定义的提示词模板。比如代码审查 MCP Server 内置了"审查规范模板"，调用时自动带上最佳实践要求，不用每次重写。

### 4. Sampling（反向采样）——让 Server 能"请 AI 帮忙"
这个最容易被忽视，也最有意思：**Server 可以反过来请求 Host 的 AI 做一次推理**。 比如日志分析 Server 读到异常日志后，自己调不了模型，就通过 Sampling 请宿主 AI 帮忙做个摘要分类。 这是 MCP 让系统真正"双向智能"的关键。

## MCP vs Function Calling：不是同一层的事
这是很多人最容易混淆的地方。

**Function Calling（函数调用）** 解决的是：模型如何用结构化 JSON 表达"我要调什么工具、参数是什么"。

**MCP** 解决的是：这个调用如何真正"接"到外部系统上——工具从哪来、怎么被发现、怎么通信。

三层关系清晰地摞在一起：

```
┌─────────────────────────────────────────────┐
│  Agent 层：任务怎么规划、循环执行           │
├─────────────────────────────────────────────┤
│  MCP 层：工具从哪来、怎么发现、怎么接入     │
├─────────────────────────────────────────────┤
│  Function Calling 层：模型怎么表达调用意图  │
└─────────────────────────────────────────────┘
```
换个说法：

- Function Calling = 前端发出了一个请求
- MCP = 定义请求该怎么格式化、路由到哪、怎么鉴权的 REST 规范

**OpenAI 早就有 Function Calling，但在 2025 年 3 月依然主动支持了 MCP**——原因正在于此，它们解决不同层的问题，并不冲突。

## 一次完整的 MCP 调用长什么样？
以"用 AI 审查 GitHub PR"为例：
```
① 你问：帮我审查这个 PR，重点检查安全漏洞

② 模型判断：需要读 PR 差分（Tool）+ 读相关代码（Resource）+ 使用审查模板（Prompt）

③ Host 通过 MCP Client 向 GitHub MCP Server 发起请求

④ Server 读取 PR 差分 → 读取关联文件 → 加载审查 Prompt 模板

⑤ 结果全部传回模型

⑥ 模型生成完整的安全审查报告

⑦ 如有疑问，模型继续发起工具调用循环直到任务完成
```
全程一次认证，多步操作；而传统 REST API 每一步都要重新认证、重传上下文。

## MCP 的生态有多大？
这个数字能说明问题：
|时间|公开MCPServer数量|月均SDK下载量|
|:-:|:-:|:-:|
|2024 年 11 月（发布时）|~100 个|—|
|2025 年 5 月|>4,000 个|—|
|2025 年 12 月|**>10,000 个**|**9,700 万次**|

从发布到主要玩家全面采纳，MCP 只用了不到一年：

- **2024.11**：Anthropic 发布 MCP，同步开放 GitHub、Slack、PostgreSQL 参考实现
- **2025.03**：OpenAI 在 ChatGPT 和 API 中正式支持 MCP
- **2025.04**：Google 将 MCP 集成到 Gemini（AI Studio + Vertex AI）
- **2025年**：Microsoft 在 VS Code、Azure OpenAI、Copilot Studio 全面支持
- **2025.12**：Anthropic 将 MCP 捐赠给 Linux Foundation，成立 **AAIF（Agentic AI Foundation）**，AWS、Google、Microsoft、OpenAI 共同加入

>捐赠给中立基金会是个关键信号：MCP 已经不是 Anthropic 的私有标准，而是整个行业的基础设施。

![image](https://developer.qcloudimg.com/http-save/yehe-5877188/1d959124d9a9c7f2d8ea1a699110156e.png)

## 使用 MCP 的三个实操建议
### 1. 把 description 当说明书来写
MCP Server 里每个工具的 description，是模型决定"要不要调这个工具"的唯一依据。

反面：`description: "读文件"`

改成：`description: "读取本地文件内容，适合需要查看源码、配置、日志的场景。不适合读取超过 10MB 的大文件，超大文件请先用 get_file_info 获取摘要。"`

描述越清晰，模型调用越准确，幻觉越少。

### 2. 写操作加"确认门"

删除、发邮件、提交代码这类写操作，不要让模型直接执行。

最简单的做法：在 Tool 定义里加一个 `require_confirmation: true` 字段，让 Host 在执行前提示用户确认一次。有了 Elicitation 原语（2025.06 新增），Server 可以原生向用户追问信息，不用手动实现。

### 3. 审核 MCP Server 的来源

MCP Server 能拿到你的上下文，能执行真实操作——这意味着来路不明的 Server 是个安全风险。

目前已确认的风险：提示词注入（恶意 Server 在 description 里夹带指令劫持 AI 行为）、Token 泄露、权限越界。

原则：优先用大厂官方 Server 或开源且持续维护的社区 Server；接入前检查它请求了哪些权限，对不必要的权限说不。

## MCP 的局限性

**不是所有 Client 都支持全部原语**：Sampling、Elicitation 等高级能力在很多客户端还没实现，落地前要确认版本兼容性。
**Server 质量参差不齐**：10,000 个 Server 里有大厂官方实现，也有无人维护的个人项目。生产环境里依赖无人维护的第三方 Server，是个定时炸弹。
**调试体验仍在成熟**：MCP 的通信链路更长（Host → Client → Server → 外部系统），出问题时定位比直接调 API 复杂，好在主流客户端已开始提供 MCP Inspector 等调试工具。
**协议仍在演进**：2025 年规范发生了多次安全更新和传输层重命名，早期基于旧规范写的 Server 可能需要迁移。

## 给普通用户：你能怎么用上 MCP？

**不想写代码的话**，这些工具已经内置了常用 MCP Server，装上即用：
- **Claude Desktop**：官方支持，图形界面配置，装 GitHub / Notion / Slack Server 几步搞定
- **Cursor**：内置 MCP 支持，代码库、文档、数据库直连 AI，开发效率翻倍
- **VS Code（Copilot）**：微软已集成 MCP，本地工作区直接接入

**想自己动手的话**，Anthropic 官方 GitHub 有完整的参考实现和模板，Python/TypeScript SDK 都有，从第一个 Server 到跑通大约需要 2 小时。

## 一句话总结

工具调用（Tool Use）解决了 AI 能不能动手的问题；MCP 解决了 AI 的手能接到哪、怎么接得更标准的问题。

**如果说工具调用是给 AI 装了一双手，MCP 就是给这双手制定了通用接口规范——从此换件工具不用重新适配，插进去就能用。**

系列持续更新中：Skills → Memory → Prompt → 上下文窗口 → Agent → RAG → 工具调用 → MCP

### 系列传送门
- 第1期：[AI 时代的「插件革命」—— Skills 全解析-](https://cloud.tencent.com/developer/article/2671922?from_column=20421&%3Bfrom=20421&from=20421)[腾讯云开发者社区](https://cloud.tencent.com/developer?from_column=20065&from=20065)
- 第2期：[同一个问题，为什么 AI 每次回答都不一样？——Prompt 工程入门-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2672748?from_column=20421&%3Bfrom=20421&from=20421)
- 第3期：[AI 的「记忆」是怎么工作的？——Memory 机制全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2672752?from_column=20421&%3Bfrom=20421&from=20421)
- 第4期：[AI 聊着聊着就"变笨"了？——上下文窗口深度解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2672944?from_column=20421&%3Bfrom=20421&from=20421)
- 第5期：[不只是"聊天机器人"——AI Agent 到底是什么？-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2673695?from_column=20421&%3Bfrom=20421&from=20421)
- 第6期：[AI 怎么才能不瞎编？——RAG 检索增强生成全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2680169?from_column=20421&from=20421)
- 第7期：[AI 怎么才能"动手干活"？——工具调用（Tool Use）全解析-腾讯云开发者社区-腾讯云](https://cloud.tencent.com/developer/article/2681208)

AI 工具越来越多，接入越来越麻烦——每个 AI 应用都要单独适配每个工具，开发者快被搞崩了。MCP 就是来解决这个问题的。

AI 的"万能插座"——MCP 协议全解析

先锋会员

人工智能

MCP（模型上下文协议）是AI工具接入的统一标准，解决N×M接口适配难题。它定义AI应用与外部工具间的通信规范，支持工具、资源、提示词和反向采样四种能力。MCP让开发者无需重复适配，实现即插即用，已被OpenAI、Google等主流平台采用，成为AI生态基础设施。

聊天机器人

日志分析

PostgreSQL

数据库

服务器

ChatGPT

路由

Python

GitHub

Agent

JSON

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI 的"万能插座"——MCP 协议全解析-腾讯云开发者社区-腾讯云

AI 的"万能插座"——MCP 协议全解析

AI 的"万能插座"——MCP 协议全解析

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐