MCP (Model Context Protocol)

概述

MCP (Model Context Protocol) 是 Anthropic 提出的开放协议标准，用于标准化 AI 模型与外部工具、数据源的连接。

核心定位

维度	描述
目的	统一 AI Agent 与工具的通信接口
范围	Agent ↔ 工具/数据源
类型	开放协议 (Open Protocol)

技术架构

┌─────────────────────────────────────────────┐
│              AI Agent                       │
├─────────────────────────────────────────────┤
│  Prompt / Task                             │
│         ↓                                   │
│  ┌─────────────────────────────────────┐   │
│  │      MCP Client                      │   │
│  │  - 连接 MCP Server                   │   │
│  │  - 请求工具列表                      │   │
│  │  - 调用工具                          │   │
│  └─────────────────────────────────────┘   │
└─────────────────────┬─────────────────────┘
                      │ MCP Protocol
┌─────────────────────▼─────────────────────┐
│           MCP Servers (插件)               │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│  │ Filesystem│ │  Git     │ │ Database │ │
│  │ Server    │ │  Server  │ │ Server   │ │
│  └──────────┘ └──────────┘ └──────────┘ │
└───────────────────────────────────────────┘

核心能力

1. 工具发现 (Tool Discovery)

// 客户端请求可用工具
{
  "jsonrpc": "2.0",
  "method": "tools/list",
  "id": 1
}
 
// 服务器返回工具列表
{
  "jsonrpc": "2.0",
  "result": {
    "tools": [
      {"name": "filesystem_read", "description": "Read file contents"},
      {"name": "filesystem_write", "description": "Write file contents"}
    ]
  }
}

2. 工具调用 (Tool Calling)

// 调用工具
{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "filesystem_read",
    "arguments": {"path": "/project/main.py"}
  }
}

3. 资源访问 (Resource Access)

// 访问资源
{
  "jsonrpc": "2.0",
  "method": "resources/list"
}

MCP vs 其他方案

维度	MCP	OpenAI Plugin	LangChain Tools
标准化	开放协议	专有	框架绑定
生态	快速扩张	受限	依赖框架
互操作性	跨模型	仅 OpenAI	框架内
维护	社区	Anthropic	LangChain

生态系统

官方 MCP Servers

Filesystem: 文件系统操作
Git: Git 操作
Memory: 持久记忆
Web Search: 网络搜索
Slack/Discord: 即时通讯

社区 MCP Servers

数据库连接
API 网关
云服务集成
企业软件集成

与 A2A 的关系

协议	定位	使用场景
MCP	Agent ↔ 工具	扩展 Agent 能力
A2A	Agent ↔ Agent	多 Agent 协作

最佳实践: 使用 MCP 扩展单 Agent 能力，使用 A2A 实现多 Agent 协作

开发指南

创建 MCP Server

from mcp.server import MCPServer
from mcp.types import Tool
 
server = MCPServer("my-server")
 
@server.tool()
def read_file(path: str) -> str:
    """Read contents of a file"""
    with open(path, 'r') as f:
        return f.read()
 
server.run()

案例实例

2026-08-10 Linkly AI：本地文献库经 MCP 暴露给任意客户端

Linkly AI 是”本地资料库 → MCP Server → 任意 Agent 客户端”模式的文献管理实例：为个人 PDF 文献库建立三层索引（BM25 全文 + Outline 章节结构 + 向量语义），把 search（搜文献，返回文件列表和摘要）/ outline（看章节结构定位段落）/ read（精读指定章节原文） 三个渐进式工具暴露给 Claude、Cursor 等 MCP 客户端——由 AI 自主决定搜什么、读什么、读多少，引用落到本地真实文件的原话（反幻觉）。配置三步：导出 PDF 到统一目录 → 建索引 → 给 Agent 配 MCP（官方宣称 5 分钟完成）。见 Source: Linkly AI 文献工作流。

？相关文章为产品方自述推广内容，“5 分钟配置""1-3 分钟建索引”等数字无第三方验证；Outline Index 对扫描件/双栏/公式密集 PDF 的鲁棒性未讨论。

10xAI Wiki

导航