MCP Server 指南：架构、示例与安全

什么是 MCP 服务器？

MCP 服务器是模型上下文协议中的功能提供者，向 MCP 客户端公开功能。服务器可以通过 JSON-RPC 发布工具、资源和提示，而传输层则通过 stdio 或 Streamable HTTP 承载这些消息。主机（而不是服务器）决定功能如何进入模型上下文以及何时需要用户批准。

MCP 服务器是模型上下文协议中的能力提供者。当 MCP 客户端（在 Claude Desktop 或 Cursor 等 AI 应用程序内部）发起连接时，服务器通过向连接的客户端公开可用的工具、资源和提示来响应这些连接。

MCP 具有必需的基本协议和生命周期，而各个功能则在初始化期间协商。服务器可能支持 工具/列表 和 工具/调用, 资源/列表和资源/阅读， 或者 提示/列表和提示/获取。不要假设每个服务器都公开所有三个原语。

该生态系统包括官方 SDK、参考实现、供应商托管的远程服务器、本地社区包和公共注册表。列表或存储库星级计数是发现证据，而不是安全认证。从官方开始 MCP 服务器概念 和 架构概述，然后验证您计划执行的确切服务器工件。

安全生产由参与者共享。服务器必须验证输入、实施访问控制、限制调用速率并清理输出；客户应显示敏感输入、请求确认、应用超时、验证结果并保留审计证据。看官方 MCP 工具安全要求 和 授权规范.

MCP 服务器与 MCP 客户端：架构

MCP 架构清楚地划分了关注点：服务器提供功能，客户端使用它们，主机运行一个或多个客户端。这种无状态设计是有意为之的——服务器不会跟踪哪些客户端连接到它们，从而实现了跨任何 MCP 兼容应用程序的可组合性。

主要建筑属性： 客户端不知道哪些其他客户端连接到同一服务器，服务器也不跟踪哪些客户端正在使用它们。客户端发送工具/列表请求并接收可用工具的列表。服务器只是响应请求——它不维护会话状态或客户端身份。这意味着 Claude Desktop、Cursor、Cline 和任何其他 MCP 兼容客户端都可以连接到同一 MCP 服务器，而无需服务器进行特殊配置。

对于构建 AI 系统的开发人员来说，实际意义是：您对 MCP 服务器的选择与 MCP 客户端的选择无关。所有 MCP 兼容的应用程序都可以连接到相同的服务器，因为 MCP 规范标准化了通信接口。

MCP 服务器选择矩阵

使用此矩阵按信任边界和工作负载选择服务器模式。根据您部署的确切版本确认每个字段；名称、模式、传输和权限可以独立更改。

验证规则： 分别测量初始化、发现、授权、执行、重试和结果验证。切勿重复使用来自其他区域、提供商、负载、帐户层或并发级别的延迟数字。

八个 MCP 服务器示例以及要验证的内容

这些示例说明了不同的能力和信任模式。将每个计数、模式、传输和权限视为特定于版本的。标签标记 已验证 指明发布者在何处提供官方实现或文档，而不是一揽子安全批准。

1.GitHubMCP 已验证

2. Figma MCP

3. 线性MCP

4.哨兵MCP 已验证

5. 背景7

6.勇敢搜索MCP 已验证

7.Supabase MCP

8.MCP概念

MCP 服务器示例：它们在实践中如何工作

了解 MCP 服务器的工作原理有助于您评估服务器、调试连接问题以及构建自定义服务器。下面是一个最小的 FastMCP 服务器实现和支持工具发现的 JSON-RPC 流程。

使用 Python SDK 构建最小的 MCP 服务器

# Minimal MCP server with FastMCP
# Source: official MCP Python SDK documentation
# Pin and test the current SDK release before deployment

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-server")

@mcp.tool()
def search_docs(query: str) -> str:
    """Search documentation for a query string."""
    return f"Results for: {query}"

@mcp.tool()
def get_doc_content(doc_id: str) -> str:
    """Retrieve the full content of a document by ID."""
    # Implementation would fetch from your doc store
    return f"Content of {doc_id}"

# Run: python my_server.py
# Or: fastmcp dev my_server.py (hot reload for development)
# Connect: Configure in claude_desktop_config.json as stdio

基于 FastMCP 装饰器的方法使服务器代码保持最少。每个修饰函数都会自动成为一个工具，其名称来自函数名称，描述来自文档字符串，输入模式来自类型注释。

JSON-RPC 请求/响应流程

工具发现和调用通过 stdio 或 Streamable HTTP 使用 JSON-RPC 2.0：

// Step 1: Client discovers available tools
// Client → Server (via stdio stdin or HTTP POST)
{"jsonrpc": "2.0", "id": 1, "method": "tools/list", "params": {}}

// Step 2: Server returns tool definitions
// Server → Client (via stdio stdout or HTTP response)
{"jsonrpc": "2.0", "id": 1, "result": {
  "tools": [
    {"name": "search_docs", "description": "Search documentation for queries", "inputSchema": {"type": "object", "properties": {"query": {"type": "string"}}}}
  ]
}}

// Step 3: Client invokes a tool
{"jsonrpc": "2.0", "id": 2, "method": "tools/call", "params": {
  "name": "search_docs", "arguments": {"query": "authentication best practices"}
}}

// Step 4: Server returns results
{"jsonrpc": "2.0", "id": 2, "result": {
  "content": [{"type": "text", "text": "Results for: authentication best practices"}]
}}

每个请求都包含一个 jsonrpc 版本，一个 id 对于相关性，a method 姓名，以及 params。回复包括相同内容 id 和一个 result 或者 error。这种简单性使得 MCP 服务器易于实现和调试——无需自定义协议解析或状态管理。

生产 MCP 服务器工作流程和信任边界

生产流程应该发现候选者，检查出处和模式，授权最窄的操作，使用经过验证的参数进行调用，并根据其来源验证结果。在日志和事件响应中明确主机、MCP 服务器、授权服务器和下游服务边界。

决策框架：

QVeris 可以充当此工作流程中的可选功能发现和路由层（QVeris CLI 文档）。 MCP 仍然定义协议，主机控制上下文和批准，每个 MCP 服务器强制授权，下游提供商仍然对自己的数据和操作负责。

MCP 服务器的部署选项

MCP 服务器可以以三种模式部署，每种模式在安全性、可扩展性和运营开销方面都有不同的权衡。

本地进程（stdio）

最简单的部署：将 MCP 服务器作为本地进程运行并通过 stdio 连接。非常适合开发、CLI 工具和单用户工作流程。 Claude Code 和其他基于 CLI 的客户端通常使用 stdio 传输。配置最少 - 将 MCP 客户端指向进程命令。缺点：服务器与本地计算机绑定，阻止团队共享和远程访问。

远程服务（流式 HTTP）

对于需要多客户端共享的生产工作流，可将 MCP 服务器部署为远程 HTTP 服务，并核对其传输方式与授权要求。参照 MCP 安全最佳实践验证令牌受众并限制权限；同时针对实际部署的服务器和配置，测试端点可用性、超时处理与故障恢复。

托管平台

托管 MCP 平台，例如 Apigene, 长官和 AWS Bedrock 处理身份验证、监控、扩展和安全性。 CData：2026 年 MCP Server 最佳实践 讨论生产 MCP 的治理、权限与运维最佳实践。

// Example: Claude Desktop config connecting a meta-server
// macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
// Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "qveris": {
      "command": "npx",
      "args": ["-y", "@qverisai/mcp"],
      "env": {
        "QVERIS_API_KEY": "your-api-key"
      }
    }
  }
}

// Alternative: connecting a single-purpose server directly
// See each server's repository for its specific config format

配置完成后，重新启动 MCP 客户端。服务器的工具通过标准 MCP 工具发现流程变得可用。