人工智能中的MCP是什么？

如果你一直好奇MCP是什么——以及为什么大家都把它比作AI应用界的USB-C——那么你来对地方了。简单来说： MCP（模型上下文协议）是一种开放的方式，让AI应用和智能体能够接入外部工具和数据，而无需编写大量的自定义粘合代码。它规范了模型发现工具、请求操作和获取上下文的方式——因此团队只需集成一次，即可在任何地方复用。想想适配器，而不是一团乱麻。官方文档甚至也用USB-C来类比它。[1]

您可能想阅读以下文章：

🔗 什么是边缘人工智能？
了解边缘人工智能的工作原理及其关键实际应用。

🔗 什么是生成式人工智能
了解生成式人工智能如何创建内容、常用模型和商业用途。

🔗 什么是智能体人工智能
探索智能体人工智能、自主代理以及它们如何协调复杂的任务。

🔗 什么是人工智能可扩展性
探讨人工智能可扩展性挑战、基础设施考量和优化策略。

人工智能中的 MCP 是什么？快速解答 ⚡

MCP 是一种协议，它允许 AI 应用（宿主通过应用内部的MCP 客户端与提供功能的进程（ MCP 服务器资源、提示和工具。通信基于JSON-RPC 2.0——一种包含方法、参数、结果和错误的简单请求/响应格式——因此，如果您使用过 RPC，就会觉得很熟悉。这就是智能体如何摆脱聊天框的束缚，开始执行有用的工作。[2]

人们为何关注：N×M 问题，基本解决🧩

如果没有 MCP，每个模型与工具的组合都需要进行一次性集成。有了 MCP，工具只需实现一个服务器，任何符合规范的客户端都可以使用。您的 CRM、日志、文档和构建系统不再孤立。这并非魔法——用户体验和策略仍然重要——但规范明确地对主机、客户端和服务器，从而缩小了集成范围。[2]

MCP 的实用之处 ✅

• 互操作性极佳，却又略显枯燥（这是好事）。只需构建一次服务器，即可在多个 AI 应用中使用。[2]

• “USB-C for AI” 的思维模式。服务器将各种奇特的 API 规范化为模型熟悉的格式。虽然并不完美，但可以快速帮助团队达成共识。[1]

• 可发现的工具。客户端可以列出工具、验证输入、使用结构化参数调用工具，并获取结构化结果（工具列表更改时会收到通知）。[3]

• 支持开发者所在的地区。GitHub Copilot 连接主流 IDE 的 MCP 服务器，并添加注册表流程和策略控制——这对推广应用意义重大。[5]

• 传输方式灵活。本地传输使用标准输入输出 (stdio)；需要边界条件时，可升级到流式 HTTP。两种方式均采用 JSON-RPC 2.0 消息。[2]

MCP 的底层工作原理🔧

在运行时，您有三种角色：

1. 主机——拥有用户会话的 AI 应用

2. 客户端——主机内部与 MCP 通信的连接器

3. 服务器——一个提供资源、提示和工具的

它们使用JSON-RPC 2.0消息进行通信：请求、响应和通知——例如，工具列表更改通知，以便 UI 可以实时更新。[2][3]

传输方式：对于健壮、可沙盒化的本地服务器，请使用标准输入输出 (stdio) 当需要网络边界时，HTTP

服务器功能：

• 资源——用于提供上下文的静态或动态数据（文件、模式、记录）

• 提示符——可重用的、参数化的指令

• 工具——具有类型化输入和输出的可调用函数

正是这三者使得MCP感觉实用而非理论化。[3]

在野外偶遇MCP的地方🌱

• GitHub Copilot – 在 VS Code、JetBrains 和 Visual Studio 中连接 MCP 服务器。它具有注册表和企业策略控制功能，用于管理使用。[5]

• Windows – 操作系统级别的支持（ODR/注册表），以便代理能够安全地发现和使用 MCP 服务器，并具备授权、日志记录和管理策略。[4]

对比表格：MCP 的多种应用方案📊

故意做得有点凌乱——因为现实生活中的桌子永远不可能完全对齐。

安全、同意和防护措施🛡️

MCP 是网络传输格式和语义；信任存在于主机和操作系统中。Windows 会突出显示权限提示、注册表和策略钩子，而严肃的部署会将工具调用视为运行已签名的二进制文件。简而言之：你的代理在接触敏感数据之前应该先征求你。[4]

与规范相符的实用模式：

• 将敏感工具放在本地，并通过标准输入输出 (stdio)以最小权限

• 具有明确范围和审批的远程门禁工具

• 记录每次调用（输入/结果）以备审计

该规范的结构化方法和 JSON-RPC 通知使得这些控制在不同服务器上保持一致。[2][3]

MCP 与其他替代方案：哪种锤子更适合哪种钉子？🔨

• 在一个LLM堆栈中直接调用函数——当所有工具都来自同一供应商时，这很棒。但当需要在应用程序/代理之间重用这些工具时，就不那么理想了。MCP将工具与任何单一模型供应商解耦。[2]

• 每个应用都可自定义插件——这在第五个应用之前都有效。MCP 将这些插件集中到一个可重用的服务器中。[2]

• 仅支持 RAG 的架构——检索功能强大，但操作也很重要。MCP 提供结构化的操作以及上下文。[3]

一个合理的批评是：“USB-C”类比可能会掩盖实现上的差异。协议只有在用户体验和策略良好的情况下才能发挥作用。这种细微差别是有益的。[1]

最简心智模型：请求、响应、通知🧠

想象一下：

• 客户端向服务器发出请求：方法："tools/call", 参数：{...}

• 服务器返回结果或错误

• 服务器可以通知客户端工具列表的更改或新增资源，以便用户界面实时更新。

这正是 JSON-RPC 的预期用途——也是 MCP 规范工具发现和调用的方式。[3]

节省您时间的实施说明⏱️

• 首先使用标准输入输出 (stdio)。这是最简单的本地路径；易于沙箱化和调试。当需要设置边界时，再转向 HTTP。[2]

• 对工具的输入/输出进行 Schema 定义。强大的 JSON Schema 验证机制能够确保调用可预测性，并提高重试的安全性。[3]

• 尽量使用幂等操作。重试是正常的；不要意外地创建五个工单。

• 写入操作需人为参与。在执行破坏性操作前显示差异/审批结果；这符合用户同意和政策指导原则。[4]

本周即可交付的实际应用案例🚢

• 内部知识 + 操作：将 wiki、工单系统和部署脚本封装成 MCP 工具，以便团队成员可以提出以下请求：“回滚上次部署并关联事件”。只需一个请求，无需打开五个标签页。[3]

• 通过聊天进行仓库操作：使用 Copilot 和 MCP 服务器，无需离开编辑器即可列出仓库、提交 PR 和管理问题。[5]

• 带有安全防护措施的桌面工作流程：在 Windows 系统上，允许代理读取文件夹或调用本地 CLI，并显示同意提示和审计跟踪信息。[4]

关于MCP的常见问题❓

MCP 是一个库还是一个标准？
它是一个协议。供应商提供的客户端和服务器都实现了该协议，但规范才是最终的权威来源。[2]

MCP 可以取代我的插件框架吗？
有时可以。如果你的插件是“调用此方法并使用这些参数，获取结构化结果”，MCP 可以将它们统一起来。但对于应用生命周期深处的钩子，可能仍然需要定制的插件。[3]

MCP 是否支持流媒体传输？
是的——传输选项包括可流式传输的 HTTP，并且可以通过通知发送增量更新。[2]

JSON-RPC 难学吗？
不难。它本质上就是 JSON 中的方法+参数+ID，很多库都已经支持这种格式——而且 MCP 就详细展示了它的用法。[2]

一个微小的协议细节，却能带来意想不到的好处📎

每次调用都有一个方法名和类型化的参数。这种结构使得附加作用域、审批和审计跟踪变得容易——而使用自由格式的提示则困难得多。Windows 的文档展示了如何将这些检查集成到操作系统体验中。[4]

可以在餐巾纸上快速绘制的建筑草图📝

带有聊天功能的宿主应用 → 包含 MCP 客户端 → 打开与一个或多个服务器的传输 → 服务器提供功能 → 模型规划步骤、调用工具、接收结构化结果 → 聊天显示差异/预览 → 用户批准 → 下一步。这不是魔法，只是不干扰功能的底层架构。[2]

结语——太长了，我没看完🎯

MCP 将混乱的工具生态系统转化为可逻辑的系统。它不会编写你的安全策略或用户界面，但它为你提供了一个简洁、可预测的操作和上下文框架。从易于采用的地方入手——在 IDE 中使用 Copilot或带有同意提示的 Windows 代理——然后将内部系统封装成服务器，这样你的代理就可以执行实际工作，而无需复杂的自定义适配器。这就是标准制胜之道。[5][4]

参考

1. MCP概述及“USB-C”类比——模型上下文协议：什么是MCP？

2. 权威规范（角色、JSON-RPC、传输、安全） ——模型上下文协议规范（2025-06-18）

3. 工具、架构、发现和通知– MCP 服务器功能：工具

4. Windows 集成（ODR/注册表、同意、日志记录、策略） —— Windows 上的模型上下文协议 (MCP)——概述

5. IDE 采用与管理–使用 MCP 服务器扩展 GitHub Copilot Chat

在官方 AI 助手商店寻找最新的 AI

关于我们