一文读懂 MCP（模型上下文协议）：核心概念与最小 Server 示例

一、为什么要关注 MCP

过去一年，大模型应用开发里出现频率最高的新词之一就是 MCP（Model Context Protocol，模型上下文协议）。它由 Anthropic 在 2024 年底开源，目标很直接：给大模型连接外部工具和数据源定一个统一的“插座标准”。以前每接一个工具，都要为不同的模型、不同的框架各写一套适配代码；有了 MCP，工具只需实现一次 MCP Server，任何支持 MCP 的客户端（各类桌面聊天客户端、AI 编程 IDE 和智能体框架）都能直接调用。本文用通俗的方式梳理 MCP 的核心概念，并给出一个最小可运行的示例。

二、MCP 的三个角色

• Host（宿主）：用户直接使用的应用，比如桌面聊天客户端或 IDE。
• Client（客户端）：运行在 Host 里，负责和某一个 Server 建立一对一连接、收发消息。
• Server（服务端）：真正提供能力的一方，比如读文件、查数据库、调用某个 API。

可以把它类比成 USB：Host 是电脑，Client 是 USB 控制器，Server 是插上去的各种设备。设备只要遵守 USB 协议，插哪台电脑都能用。

三、Server 能提供的三类能力

1. Tools（工具）：模型可以主动调用的函数，例如“查询天气”“创建 Issue”。这是最常用的一类。
2. Resources（资源）：只读的数据，例如某个文件的内容、某张表的结构，供模型作为上下文参考。
3. Prompts（提示模板）：预先写好的提示词模板，用户可以一键选用。

区分这三类很重要：会产生副作用的操作应该做成 Tool，并在客户端让用户确认；纯读取的数据适合做成 Resource。

四、通信方式

MCP 基于 JSON-RPC 2 协议，常见的传输方式有两种：

• stdio：Server 作为本地子进程启动，通过标准输入输出通信，适合本地工具，配置最简单。
• Streamable HTTP：Server 部署在远端，通过 HTTP 通信，适合团队共享或云端服务。

连接建立后，Client 会先发送 initialize 请求协商协议版本和能力，然后请求工具清单，模型决定调用某个工具时再发起调用请求。

五、最小示例：用 Python 写一个 MCP Server

用官方 Python SDK 写一个 Server，一般只需要四步，代码不到 20 行：

1. 安装官方 SDK，导入其中的 FastMCP 类，创建一个名为 demo 的服务实例。
2. 写一个普通的 Python 函数 add，接收两个整数 a 和 b，返回它们的和；给它加上类型注解和一句说明文字，再用 SDK 提供的 tool 装饰器修饰，它就成了一个工具。
3. 再写一个函数返回版本号字符串，用 resource 装饰器修饰并指定一个资源地址，它就成了一个只读资源。
4. 在入口处调用服务实例的 run 方法，默认使用 stdio 传输启动。

这里有两个细节值得注意：一是函数的类型注解会自动转换成工具的参数定义，不需要手写 JSON Schema；二是函数的说明文字会成为工具描述，模型正是根据这段描述来判断什么时候调用它，所以描述要写清楚“做什么、参数含义、返回什么”。

写好后，在支持 MCP 的客户端配置文件中加入这个脚本的启动命令，重启客户端，就能在对话里让模型调用 add 工具了。

六、开发中的几点经验

• 工具粒度要适中：一个工具只做一件事，名字和描述准确，模型选错工具的概率会明显降低。
• 返回结果要精简：把几千行原始 JSON 直接丢给模型既浪费 token，也会干扰判断，最好先在 Server 端做过滤和摘要。
• 错误信息要可读：参数不合法时返回明确的错误说明，模型往往能据此自行修正后重试。
• 重视安全：涉及写操作、删除或访问敏感数据的工具，务必在客户端加人工确认；密钥放在环境变量里，不要硬编码进代码仓。
• 先用调试工具验证：官方提供的 MCP Inspector 可以直接列出工具、手动调用，比在对话里反复试快得多。

七、总结

MCP 解决的是“模型如何标准化地使用外部能力”这个问题。理解 Host、Client、Server 三个角色，以及 Tools、Resources、Prompts 三类能力，就掌握了它的核心。对开发者来说，把自己常用的内部工具包装成 MCP Server，是让 AI 编程助手和智能体真正融入日常工作的一条低成本路径。欢迎在评论区交流你写过的 MCP Server。