MCP 协议解析：模型上下文协议
返回MCP（Model Context Protocol，模型上下文协议）是 2024 年底推出的新标准，旨在统一 AI 应用与数据源的连接方式。虽然较新，但已成为技术面试的新兴考点。
一、通俗易懂版：MCP 是什么？
1.1 用一个比喻理解 MCP
想象你要给家里添置各种智能设备：
-
没有 MCP 的情况 = 每个设备配一个独立 App
- 空调用格力 App，灯用小米 App，窗帘用涂鸦 App
- 每个 App 登录方式不同、界面不同、操作逻辑不同
- 想联动？得自己写脚本打通各个 App
-
有 MCP 的情况 = 统一用 HomeKit/米家
- 所有设备遵循同一套协议
- 一个 App 控制所有设备
- 联动配置简单，说”回家模式”就自动开灯开空调
1.2 MCP 解决的核心问题
在 AI 应用开发中，开发者面临类似的困境：
| 问题 | 描述 | MCP 如何解决 |
|---|---|---|
| 连接碎片化 | 每个数据源（数据库、API、文件）连接方式不同 | 统一协议，一套接口 |
| 重复造轮子 | 每个 AI 应用都要重新实现连接器 | 复用现有 MCP Server |
| 安全风险 | 直接暴露数据库/API 凭证给 AI 应用 | MCP 作为安全中间层 |
| 生态割裂 | 不同 AI 平台的插件不互通 | 跨平台兼容 |
1.3 MCP 的核心角色
┌─────────────────────────────────────────────────────────────────┐
│ MCP 架构三方关系 │
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌───────────┐ │
│ │ MCP Host │ ◀─────▶ │ MCP Client│ ◀─────▶ │ MCP Server│ │
│ │ (AI 应用) │ │ (连接器) │ │ (数据源) │ │
│ └─────────────┘ └─────────────┘ └───────────┘ │
│ │ │ │ │
│ │ │ │ │
│ 例如： 例如： 例如： │
│ • Claude Desktop • 官方客户端 • 文件系统 │
│ • IDE 插件 • 第三方客户端 • 数据库 │
│ • 自定义 AI 应用 • 嵌入应用的 SDK • API 服务 │
│ • 浏览器扩展 • 云服务 │
│ │
└─────────────────────────────────────────────────────────────────┘三个角色详解：
| 角色 | 职责 | 典型例子 |
|---|---|---|
| MCP Host | 运行 AI 模型的应用，发起请求 | Claude Desktop、IDE 插件、自定义 AI 应用 |
| MCP Client | 协议客户端，连接 Host 和 Server | 官方客户端、SDK、嵌入式库 |
| MCP Server | 暴露数据/工具给 AI 使用 | 文件系统、PostgreSQL、Slack、GitHub |
1.4 MCP 能做什么？
MCP 定义了三种核心能力：
┌────────────────────────────────────────────────────────────┐
│ MCP 三大能力 │
├────────────────────────────────────────────────────────────┤
│ │
│ 1. Resources（资源） │
│ • 读取文件、数据库、API 数据 │
│ • 类似"只读"的数据访问 │
│ • 例子：读取项目文档、查询数据库记录 │
│ │
│ 2. Prompts（提示词模板） │
│ • 预定义的 Prompt 模板 │
│ • 快速调用标准化任务 │
│ • 例子："代码审查"、"写单元测试"、"生成文档" │
│ │
│ 3. Tools（工具） │
│ • 可执行的操作，有副作用 │
│ • 类似"读写"的操作权限 │
│ • 例子：执行 SQL、发送消息、创建文件 │
│ │
└────────────────────────────────────────────────────────────┘二、技术架构详解
2.1 MCP 协议通信模型
┌──────────────────────────────────────────────────────────────────┐
│ MCP 通信流程 │
│ │
│ MCP Host MCP Client MCP Server │
│ │ │ │ │
│ │ 1. 初始化连接 │ │ │
│ │ ──────────────────────────▶│ │ │
│ │ │ 2. 转发初始化 │ │
│ │ │ ──────────────────────▶│ │
│ │ │ │ │
│ │ │ 3. 返回能力列表 │ │
│ │ │ ◀──────────────────────│ │
│ │ 4. 返回能力列表 │ │ │
│ │ ◀─────────────────────────▶│ │ │
│ │ │ │ │
│ │ 5. 请求资源/工具 │ │ │
│ │ ──────────────────────────▶│ │ │
│ │ │ 6. 转发请求 │ │
│ │ │ ──────────────────────▶│ │
│ │ │ │ │
│ │ │ 7. 执行并返回结果 │ │
│ │ │ ◀──────────────────────│ │
│ │ 8. 返回结果 │ │ │
│ │ ◀─────────────────────────▶│ │ │
│ │ │ │ │
└──────────────────────────────────────────────────────────────────┘2.2 MCP 消息格式（JSON-RPC 2.0）
MCP 基于 JSON-RPC 2.0 协议，所有消息都是 JSON 格式：
// 请求示例：列出可用资源
{
"jsonrpc": "2.0",
"id": 1,
"method": "resources/list",
"params": {}
}
// 响应示例
{
"jsonrpc": "2.0",
"id": 1,
"result": {
"resources": [
{
"uri": "file:///project/README.md",
"name": "README.md",
"mimeType": "text/markdown"
}
]
}
}
// 错误示例
{
"jsonrpc": "2.0",
"id": 1,
"error": {
"code": -32601,
"message": "Method not found"
}
}2.3 核心 API 方法
| 类别 | 方法 | 描述 |
|---|---|---|
| 基础 | initialize | 初始化连接，协商协议版本 |
| 基础 | ping | 心跳检测 |
| Resources | resources/list | 列出可用资源 |
| Resources | resources/read | 读取资源内容 |
| Prompts | prompts/list | 列出提示词模板 |
| Prompts | prompts/get | 获取模板内容 |
| Tools | tools/list | 列出可用工具 |
| Tools | tools/call | 调用工具执行 |
三、实战：搭建 MCP Server
3.1 最简单的文件系统 Server
# 使用 Python MCP SDK
from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Resource, TextContent
server = Server("file-system")
@server.list_resources()
async def handle_list_resources():
return [
Resource(
uri="file:///README.md",
name="README.md",
mimeType="text/markdown"
)
]
@server.read_resource()
async def handle_read_resource(uri):
if uri == "file:///README.md":
return [TextContent(text="# Hello World")]
raise ValueError(f"Unknown resource: {uri}")
async with stdio_server() as streams:
await server.run(
streams[0],
streams[1],
server.create_initialization_options()
)3.2 数据库 MCP Server
# PostgreSQL MCP Server 示例
from mcp.server import Server
import psycopg2
server = Server("postgres")
@server.list_tools()
async def list_tools():
return [
{
"name": "query",
"description": "执行 SQL 查询",
"inputSchema": {
"type": "object",
"properties": {
"sql": {"type": "string"}
}
}
}
]
@server.call_tool()
async def call_tool(name, args):
if name == "query":
conn = psycopg2.connect("dbname=test user=postgres")
cur = conn.cursor()
cur.execute(args["sql"])
results = cur.fetchall()
return {"results": results}
raise ValueError(f"Unknown tool: {name}")3.3 在 Claude Desktop 中使用 MCP
配置 claude_desktop_config.json：
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/project"]
},
"postgres": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
},
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_TOKEN": "your_token"
}
}
}
}配置后，Claude 就可以：
- 读取项目文件
- 查询数据库
- 操作 GitHub 仓库
四、MCP 生态与现状
4.1 官方维护的 MCP Server（2026 年）
| Server | 功能 | 状态 | 更新时间 |
|---|---|---|---|
filesystem | 文件系统访问 | ✅ 稳定 | 2024-11 |
postgres | PostgreSQL 数据库 | ✅ 稳定 | 2024-11 |
github | GitHub API | ✅ 稳定 | 2024-11 |
slack | Slack 消息 | ✅ 稳定 | 2024-11 |
git | Git 操作 | ✅ 稳定 | 2024-11 |
puppeteer | 浏览器自动化 | 🧪 实验 | 2024-11 |
memory | 向量记忆存储 | 🧪 实验 | 2024-11 |
notion | Notion API | ✅ 新增 | 2025-03 |
linear | Linear 项目管理 | ✅ 新增 | 2025-03 |
bigquery | Google BigQuery | ✅ 新增 | 2025-06 |
4.2 社区生态
- 官方仓库：https://github.com/modelcontextprotocol
- Server 列表：https://github.com/modelcontextprotocol/servers
- SDK 支持：Python、TypeScript、Java（社区）
4.3 MCP vs 其他方案
| 方案 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|
| MCP | 标准化、跨平台、安全隔离 | 较新、生态待完善 | 通用 AI 应用连接 |
| LangChain Tools | 生态成熟、组件丰富 | 绑定 LangChain、较重 | LangChain 项目 |
| 自定义 API | 完全可控、灵活 | 重复造轮子、不安全 | 特殊需求 |
| 插件系统 | 用户体验好 | 平台锁定、开发成本高 | 平台级应用 |
五、MCP 的安全考量
5.1 安全设计原则
┌─────────────────────────────────────────────────────────────┐
│ MCP 安全机制 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 1. 最小权限原则 │
│ • Server 只暴露必要的资源/工具 │
│ • 不直接暴露数据库凭证给 AI 应用 │
│ │
│ 2. 用户确认机制 │
│ • 敏感操作（写/删除）需要用户确认 │
│ • Host 可以拦截和审计所有请求 │
│ │
│ 3. 隔离运行 │
│ • Server 独立进程运行，崩溃不影响 Host │
│ • 可以限制 Server 的网络/文件系统访问 │
│ │
│ 4. 审计日志 │
│ • 所有工具调用可记录日志 │
│ • 便于追溯和调试 │
│ │
└─────────────────────────────────────────────────────────────┘5.2 最佳实践
| 实践 | 说明 |
|---|---|
| 只读优先 | 默认只提供读取能力，写操作需额外配置 |
| 路径限制 | 文件 Server 限制在特定目录内 |
| Token 管理 | API Token 由 Server 管理，不暴露给 Host |
| 速率限制 | 防止 AI 滥用工具（如循环调用） |
| 输入验证 | Server 端验证所有输入参数 |
🎯 面试回答版本
面试官问：“你了解 MCP 协议吗？” 或 “AI 应用如何连接外部数据源？“
标准回答框架（2 分钟）
MCP 是 Model Context Protocol 的缩写，是 2024 年底推出的
AI 应用连接协议标准，主要解决 AI 应用与数据源连接的碎片化问题。
【核心思想】
MCP 定义了三个角色：
- Host：AI 应用本身，如 Claude Desktop、IDE 插件
- Client：协议客户端，负责通信
- Server：暴露数据/工具给 AI 使用，如文件系统、数据库
【三大能力】
1. Resources：读取数据，类似只读访问
2. Prompts：预定义的提示词模板
3. Tools：可执行的操作，有副作用
【技术实现】
基于 JSON-RPC 2.0 协议，通信格式标准化。
我了解的技术栈包括 Python/TypeScript SDK，
也看过官方的 filesystem、postgres 等 Server 实现。
【价值】
- 对开发者：复用现有 Server，不用重复造轮子
- 对用户：统一配置，一个地方管理所有连接
- 对生态：跨平台兼容，促进工具共享
【实际应用】
我在 [项目名] 中考虑过用 MCP 连接 [数据源]，
主要看中它的标准化和安全隔离特性。高频追问及应对
| 追问 | 参考回答 |
|---|---|
| ”MCP 和 LangChain Tools 有什么区别？“ | MCP 是协议标准，跨平台；LangChain Tools 是框架内的组件，绑定 LangChain。MCP 更轻量，LangChain 功能更丰富。 |
| “MCP 的安全性如何保证？“ | 三个机制：1) 最小权限原则 2) 用户确认敏感操作 3) Server 独立进程隔离。还可以加审计日志和速率限制。 |
| “如何自定义 MCP Server？“ | 用官方 SDK（Python/TS），实现 list_resources/read_resource 或 list_tools/call_tool 接口，然后配置到 Host 中。 |
| “MCP 现在成熟吗？“ | 协议本身稳定，官方 Server 有 filesystem、postgres、github 等。生态还在早期，但发展很快。 |
| “什么场景适合用 MCP？“ | 需要连接多个数据源的 AI 应用、需要安全隔离的场景、希望跨平台兼容的项目。 |
加分项
- 能说出具体 Server 名字（如 filesystem、postgres）
- 提到安全设计原则（最小权限、隔离运行）
- 能对比其他方案（LangChain、自定义 API）
- 有实际配置或使用经验
避坑指南
❌ 不要说：
- “MCP 就是调 API”（太浅）
- “没用过，不清楚”（可以诚实但要说了解原理）
- 把 MCP 和 RAG 混淆（一个是连接协议，一个是检索增强）
✅ 要说：
- “了解协议设计和三大能力”
- “看过官方文档和示例 Server”
- “在 XX 场景考虑过使用”
相关阅读：
- AI 技术概览 - 建立整体认知
- RAG 技术详解 - 学习检索增强
- AI Agent 技术 - 了解智能体架构