前言
AI 解决一些上下文清晰的小问题如 LeetCode 时效率与准确率惊人，但在真实情境下常显不足，因为环境上下文和需求模糊。如何更好地让 AI 看清与外部世界的互动，达成更有效率的产出，而 MCP 是一种大型语言模型的统一协议，帮助达成该目标。
三阶段了解为什么需要 MCP
阶段一：只有大型语言模型（LLM）
LLM 运作上完全依靠训练资料来评估最有可能出现的下一个词汇，它的局限性在于无法达成任何训练之外的事情，例如：了解最新的天气资料（上下文）或寄电子邮件（工具）。
阶段二：连接额外的应用程序接口（API）
所以开发者们提供了各项 API 供 LLM 呼叫使用，问题在于不同 API 各自定义资料格式、验证方式、回应结构，导致 LLM 要处理不同规格的接口，整合成本高，打造稳定体验的工具需要耗费大量时间且容易带来许多混乱。
阶段三：模型上下文协议（MCP）
一种统一的方式提供 AI 应用上下文与工具
MCP 是 Anthropic 公布的开源标准，提供不同环境的 SDK 方便开发者制作 MCP Server，以更好地让 AI 访问资源，具体来说有三种方式：
- 工具：提供功能（像是 POST 端点，供执行代码或副作用例如：文件操作、API 调用、数据库查询）
- 资源：暴露数据（像是 GET 端点，供 LLM 载入信息，例如：文件内容、数据库记录、API 回应）
- 提示：定义 Prompt（像是可重复使用的 LLM 互动模板）
架构上用户会在本地通过 MCP Host 协调和管理一个或多个 MCP Client 的 AI 应用程序如：Claude Desktop，当连接到 MCP Server 时用于：
- 创建和管理多个 Client 实例
- 控制 Client 连接权限和生命周期
- 执行安全策略和同意要求
- 处理用户授权决策
- 协调 AI/LLM 集成和取样
- 管理跨 Client 的上下文聚合
而每个 MCP Client 维护与 MCP Server 的连接并取得资源供 MCP Host 使用：
- 为每个 Server 创建一个有状态会话
- 处理协议协商和功能交换
- 双向路由协议消息
- 管理订阅和通知
- 维护 Server 之间的安全边界
最后 MCP Server 是专门向 MCP Client 提供服务的程序，可以于本地建立或由第三方服务提供。
- 通过 MCP 原语公开资源、工具和提示
- 独立运行，职责明确
- 通过 Client 接口请求采样
- 必须遵守安全约束
- 可以是本地应用或远程服务
总结
- 现代开发者：可以用更统一且规范化的方式提供上下文与服务与 AI 互动
- 一般用户：一致的方式扩充 AI 的能力。
MCP 架构使得各种 App 可以有统一的方式与 AI 进行互动，想象 USB-C 标准，各家电器厂商不用烦恼数据传输如何对接，只需统一遵循相同的接口，MCP 是 AI 时代的统一沟通标准。想试试 MCP 可以参考：Example Clients 与 Example Servers 有详细的比较清单与说明。
延伸阅读
- Introducing the Model Context Protocol - ANTHROPIC
- What is MCP? Integrate AI Agents with Databases & APIs - IBM Technology
- MCP vs API: Simplifying AI Agent Integration with External Data - IBM Technology