MCP：AI 的「USB-C」时刻

如果你用过笔记本电脑，一定熟悉那种「每个设备一根专属线」的烦躁：鼠标一个接口、打印机另一个、硬盘又一个。2025 年之前的 AI 应用，几乎就是这种状态——想让一个助手同时读你的代码仓库、查数据库、发日历邀请，开发团队得为每一个系统写一套私有「连接器」，又脆又难维护。

背景：每个 Agent 都曾是孤岛

大模型本身只会「说话」，它要真正干活，得去调工具、读数据。在 MCP（Model Context Protocol，模型上下文协议）出现之前，这套对接是组合爆炸：假设市面上有 M 个 AI 客户端、N 个工具，开发者就要写 M×N 套集成。一个代码助手要读 Git、查 Jira、搜文档，就得维护三条互不相通的管线。

更糟的是，这些连接器大多只服务某一个产品，换个助手就得重写。结果就是：每个 Agent 都困在自己的小岛上，能力被锁死在少数几个硬编码的集成里。

MCP 是什么：AI 世界的「USB-C」

2024 年底，Anthropic 发布了 MCP。它的目标很朴素：给「AI 连工具」定义一个统一接口，就像 USB-C 给「设备连外设」定义统一接口一样。

打个比方——如果大模型是大脑，那 MCP 就是手。大脑再聪明，没有手也打不开文件、点不了按钮、查不了数据库。MCP 让任意符合规范的「大脑」（Claude、ChatGPT、Gemini、Cursor、VS Code Copilot）都能使用任意符合规范的「手」（一个封装好的工具服务），而且不用为每个组合单独适配。

2025 年 12 月，Anthropic 把 MCP 捐给了 Linux 基金会，OpenAI、Google、Microsoft 作为联合发起人。到 2026 年，它的 SDK 月下载量超过 9700 万次，ChatGPT、Claude、Gemini 都支持同一个协议——某种意义上，这场标准之战已经赢了。

它是怎么运作的：三层结构

MCP 把「连工具」拆成三个角色，理解这三层就理解了全部：

• Host（宿主）：你直接使用的应用，比如 Claude 桌面端、VS Code、一个自定义聊天机器人。
• Client（客户端）：住在 Host 内部、专门负责管理 MCP 连接的小组件。
• Server（服务端）：一个轻量程序，把某个能力「暴露」出来，比如一个 GitHub 服务、一个数据库查询服务。

每个 Server 通过三种「原语」提供能力：Tools（AI 可以调用的可执行函数，如 create_issue）、Resources（AI 可以读取的数据，如文件内容、数据库表结构）、Prompts（可复用的提示词模板）。它们底层用 JSON-RPC（一种简单的远程调用格式）通信，远程服务走 HTTP 传输，本地服务走标准输入输出。

整个调用流程是这样的：

关键点在于：Host 只要实现一次 Client 协议，Server 只要实现一次 Server 协议，从此任意 Host 能连任意 Server。集成成本从 M×N 降到了 M+N。

一个最小可运行的例子

下面用官方 Python SDK 写一个「天气查询」MCP 服务，只暴露一个工具：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather")  # 服务名叫 weather

@mcp.tool()
def get_weather(city: str) -> str:
    """查询某城市的天气（示例返回静态数据）"""
    return f"{city} 今天晴，25°C。"

if __name__ == "__main__":
    mcp.run()  # 默认以 stdio 方式启动，等待 Host 来连

运行前只需 pip install mcp，然后用任意支持 MCP 的客户端（Claude 桌面端、Cursor 等）配置这个服务路径即可。AI 在对话里说「查下北京天气」，客户端就会通过 MCP 调用 get_weather("北京")，拿到结果再组织成自然语言回答你。注意：这只是最小骨架，真实服务里要把静态返回值换成真正的天气 API 调用。

取舍与边界：它解决了什么，没解决什么

MCP 解决的是「连接标准」问题，但它不是银弹：

• 它让集成变简单，但不保证工具安全。 一个 MCP Server 可以是任何人所写，工具描述会直接喂给模型。如果 Server 既能读私有数据、又能访问不可信内容、还能对外发消息，就构成了安全风险（业界称之为「致命三件套」）。企业通常会加一层 Gateway（网关） 来做鉴权和审计——Uber、Amazon 都用了这种「网关 + 注册表」的控制平面。
• 上下文膨胀是个真问题。 接的 Server 一多，工具定义会塞满模型的上下文窗口。2026 年的常见解法是「按需加载」：只把当前 Agent 真正需要的工具暴露出来，而不是一次全塞进去。
• 它定义「怎么连」，不定义「连上去说什么」。 多 Agent 之间的协作语义，由另一套协议 A2A（Agent-to-Agent）负责——MCP 接工具，A2A 连同伴。

Tips

• 下次看到「AI 连不上我的系统」，先问：有没有现成的 MCP Server？多数数据库、SaaS、开发工具都已有官方或社区实现。
• 想自己动手：用官方 SDK（Python/TypeScript 等）把内部的一个 API 包成 MCP Server，比写一套专属集成快得多。
• 评估风险时记住三件事：私有数据、不可信输入、对外通信，三者叠加要格外小心，尽量放进网关管控。
• 分清两层协议：接工具看 MCP，多 Agent 协作看 A2A，别混为一谈。
• 把 MCP 当「基础设施」而非「功能」：它赢是因为无聊、通用、可复用，这正是它值得长期投入的原因。