什么是 MCP？

MCP解决什么问题？

MCP 代表模型上下文协议 - Anthropic 于 2024 年 11 月创建的开放标准协议，定义了 AI 应用程序（Claude、ChatGPT、Gemini 等）连接到外部工具、数据源和服务的通用方式。 [1] [参考链接]

2025 年 12 月，Anthropic 将 MCP 捐赠给 Linux 基金会的 Agentic AI 基金会（AAIF），联合创始人包括 Anthropic、OpenAI 和 Block，铂金赞助商包括：AWS、Google、微软、Cloudflare、Bloomberg、Salesforce 和 Snowflake。 [2] 这种供应商中立的治理（类似于 Kubernetes 或 Linux）确保 MCP 仍然是一个不受任何单一公司控制的开放标准。 [参考链接]

“用于 AI 的 USB-C”类比

USB-C 类比仅在高层次上有用：MCP 定义了共享连接器契约。与物理电缆不同，MCP 连接还承载身份、模式、授权决策、模型选择的操作、不可信结果和操作风险。

没有 MCP：每个 AI 模型都需要为每个工具定制代码。 10 个模型 × 100 个工具 = 1,000 次集成。

使用 MCP：每个 AI 客户端和每个工具都执行该协议一次。 10 个模型 + 100 个工具 = 110 个实现。

MCP的作用

• 从聊天到行动：如果没有 MCP，AI 智能体只能生成文本。借助 MCP，智能体可以查询数据库、归档票据、发送电子邮件和执行代码——将人工智能从“聊天机器人”转变为“操作员”。
• 供应商中立：MCP 由 Linux 基金会 AAIF 管理，而不是由任何一家人工智能公司管理。没有供应商锁定，没有专有格式。
• 行业共识：78% 的企业 AI 团队在生产中至少拥有一个 MCP 支持的代理，28% 的财富 500 强公司已经部署了 MCP 服务器。 [3] [参考链接]

快速统计：MCP SDK 下载量从 2024 年 11 月的每月约 10 万次增长到 2026 年 3 月的 9700 万次以上——16 个月内增长了 970 倍。 [1] [参考链接]

MCP 的工作原理：主机、客户端和服务器

MCP 遵循具有三个不同层的客户端-服务器架构。理解这个架构是从技术层面理解什么是 MCP 的关键。

三层：主机、客户端、服务器

• 主机——用户直接交互的人工智能应用程序。示例：Claude Desktop、VS Code、Cursor、JetBrains、ChatGPT。主机发起与 MCP 服务器的连接。
• 客户端 — 主机内的协议客户端，与 MCP 服务器保持 1:1 连接。每个服务器都有自己的客户端实例。
• 服务器 - 一个轻量级程序，通过 MCP 协议公开功能。服务器可以是本地（stdio）或远程（Streamable HTTP）。

三个原语：工具、资源、提示

服务器可以公开三个主要原语，每个原语都有不同的控制模型：

• 工具——模型控制的动作。 LLM 决定何时调用工具（例如，“执行 SQL 查询”、“创建 Jira 票证”、“发送电子邮件”）。工具是最常用的原语。
• 资源 - 应用程序控制的只读数据。主机或用户决定向模型公开哪些数据（例如文件内容、数据库记录、API 响应）。
• 提示 — 用户控制的可重用模板。常见工作流程的预构建提示模式（例如，“总结此 PR”、“分析此日志文件”）。

传输：stdio 与 Streamable HTTP

标准传输是用于主机启动的本地进程的 stdio 和用于独立部署的远程服务器的 Streamable HTTP。它们携带相同的协议消息，但具有不同的身份验证、并发性、生命周期和可观察性要求。

• stdio — 用于作为子进程运行的本地服务器。简单、快速、单用户。非常适合开发和个人使用。通信通过标准输入/输出进行。
• Streamable HTTP — 用于远程服务器。支持OAuth 2.0认证、多用户访问、企业部署。截至 2026 年，生产 MCP 部署的主要传输。

MCP 安全：信任、授权和风险

MCP标准化通信；它不验证服务器、使工具输出正确、防止提示注入或决定是否授权某个操作。生产安全必须由主机、授权服务器、MCP服务器、下游服务和部署控制来强制执行。

认证与授权

• stdio 传输 — 安全性委托给本地操作系统。用户控制哪些MCP服务器运行，服务器继承用户的文件系统权限。这本质上是单用户的并且依赖于本地信任。
• 可流式 HTTP 传输 — 支持具有设备授权授予和客户端凭据流的 OAuth 2.0。服务器运营商必须实现自己的身份验证层。 MCP 没有定义内置身份提供者——它标准化了身份验证握手，而不是身份验证本身。

关键安全边界

• 工具级访问控制 - MCP 没有本机 RBAC。服务器向所有连接的客户端公开所有工具。细粒度的访问控制（例如，“客户端 A 可以使用搜索但不能写入数据库”）必须在 MCP 网关层或服务器本身内实现。
• 审计跟踪 - MCP 不会自动记录工具调用。生产部署需要网关或中间件层来捕获调用元数据（时间戳、客户端、工具名称、参数、响应）。
• 速率限制和超时 - 协议未定义速率限制标头或超时协商。服务器可能会施加限制，但客户端无法发现它们。缓解措施：在主机或网关级别实施断路器。
• 版本兼容性 — MCP 在初始化期间使用功能协商。客户端和服务器就它们共享的协议版本达成一致。服务器应声明协议版本，并在客户端请求不支持的功能时优雅地回退。（protocolVersion）

常见失败模式

• 过时的工具缓存 - MCP 服务器通过 tools/list 宣布工具。如果服务器更新其功能，客户端在重新请求列表之前不会知道。缓解措施：实施基于 TTL 的刷新或通知机制。
• 长时间运行的工具调用 - MCP 允许服务器发送事件 (SSE) 来流式传输结果，但如果未收到进度事件，客户端实现可能会超时。缓解措施：根据工具的预期延迟设置实际的超时窗口。
• 资源耗尽 — 多个客户端在没有连接池的情况下连接到一台 MCP 服务器可能会耗尽文件描述符或内存。对于多客户端生产使用，建议使用基于网关的部署。

MCP 解决的问题：M×N 集成挑战

如果没有共享协议，每个主机和外部系统可能都需要定制适配器。 MCP 通过标准化初始化、功能发现、类型化操作、结果、通知和传输行为来减少重复的接口工作。

实践中的差异：如果您的团队使用 3 个 AI 模型（Claude、ChatGPT、Gemini）并且需要连接 10 个数据源（股票价格、天气、CRM、数据库等），而没有 MCP，则需要 30 个自定义集成。每个集成都需要自己的身份验证、错误处理和维护。通过 MCP，它有 13 种协议实现 - 新的工具或模型可以自动工作，无需额外的集成工作。

企业影响：MCP 降低了集成维护成本，使工具可跨团队重用，并在协议级别（而不是每个集成）标准化治理（身份验证、RBAC、审计日志）。 [5] [参考链接]

MCP 与函数调用、REST API 和插件

MCP 通常与函数调用和 REST API 进行比较，但它们服务于 AI 堆栈的不同层。它们的区别如下：

关键见解：MCP 不会取代函数调用或 REST API——它标准化了它们之上的接口层。 MCP 服务器在后台调用现有 API，LLM 使用函数调用来决定何时调用通过 MCP 发现的工具。

何时使用 MCP：四阶段准备模型

使用这四个阶段作为准备清单，而不是作为行业基准。团队可以跳过各个阶段，组合本地和远程服务器，或者在其他地方使用共享发现时保持敏感集成隔离。

原始框架：基于对 40 多个企业 MCP 部署的观察（2026 年第一季度至第二季度）。阶段是描述性的，而不是规定性的——跳过不适用的阶段。

MCP 生态系统和治理

MCP 拥有不断发展的生态系统，包括规范、官方 SDK、开发工具、参考实现、公共服务器、主机应用程序和注册表。支持和功能完整性各不相同，因此请验证您部署的确切客户端、SDK、服务器和协议版本。

在生态系统中验证什么

客户端和平台支持

许多人工智能应用程序和开发人员工具支持某种形式的 MCP，但配置范围、传输支持、授权、启发、采样、根和批准 UX 有所不同。根据您需要的工作流程验证每个主机。

• Anthropic — 自 2024 年 11 月起原生 MCP 支持（创建者）
• OpenAI — 于 2025 年 3 月采用 MCP
• Google — Gemini 和 Vertex AI 于 2026 年 3 月添加了 MCP 支持
• Microsoft — 自 2025 年 7 月起提供 Copilot Studio 和 VS Code 支持
• AWS — 自 2025 年 11 月起提供基岩支持
• IDE — VS Code、Cursor、JetBrains、Windsurf、Hugging Face 均原生支持 MCP

治理：Linux 基金会 AAIF

2025年12月，Anthropic将MCP捐赠给Linux基金会下新成立的Agentic AI基金会（AAIF）。 [2] 这确保： [参考链接]

• 供应商中立——没有任何一家公司控制该协议
• 开放治理——规范变更要经过社区审查
• 长期稳定性——由与 Kubernetes、Linux 和 Node.js 相同的基础支持

如何安全地开始使用 MCP

首先选择维护的服务器和您控制的主机，然后在添加更多功能之前验证身份、传输、凭据、工具或资源模式、批准行为、已知答案调用、无效输入、超时、日志和回滚。

尝试使用 QVeris 进行 MCP 连接

QVeris 可用作 MCP 兼容工作流程的一种功能发现和路由选项。从狭窄的只读任务开始，检查所选功能和提供商说明，并确认官方 QVeris 文档中的当前包和设置说明。

# One command — connect QVeris MCP Server to Claude Code
claude mcp add qveris -s user -- npx @qverisai/mcp-server

# Now discover capabilities via natural language
# "find me tools for stock market data"
# QVeris discovers, inspects, and calls — all through MCP

尝试一下：这是查看 MCP 实际运行的最快方式 — 一个命令、多种功能、每个工具的零配置。设置 QVeris MCP → [参考链接]

幕后：MCP 调用是什么样的

工具调用使用 JSON-RPC：客户端发送具有准确发现的工具名称和与 inputSchema 匹配的参数的工具/调用；服务器返回内容、可选的结构化内容以及工具引发的故障的 isError 信号。

// Client sends a tools/list request after initialization
{
  "jsonrpc": "2.0",
  "id": "req-1",
  "method": "tools/list"
}

// Server responds with available tools
{
  "jsonrpc": "2.0",
  "id": "req-1",
  "result": {
    "tools": [{
      "name": "discover",
      "description": "Search capabilities via natural language",
      "inputSchema": {
        "type": "object",
        "properties": {
          "query": { "type": "string" },
          "category": { "type": "string" }
        }
      }
    }]
  }
}

// Client calls the tool
{
  "jsonrpc": "2.0",
  "id": "req-2",
  "method": "tools/call",
  "params": {
    "name": "discover",
    "arguments": { "query": "stock market data" }
  }
}

// Response with structured content; measure latency in your deployment
{
  "jsonrpc": "2.0",
  "id": "req-2",
  "result": {
    "content": [{ "type": "text", "text": "Found 12 capabilities matching 'stock market data'..." }]
  }
}

生产测量：分别测量您的区域、提供商、有效负载和并发性的初始化、发现、授权、下游执行、重试和验证。

浏览MCP服务器

• 浏览 MCP 服务器目录 — 发现最适合您的使用案例的 MCP 服务器 [参考链接]
• 阅读 MCP 客户端指南 — 为您的 AI 应用找到合适的 MCP 客户端 [参考链接]
• MCP 与函数调用 — 了解它们如何协同工作 [参考链接]

关于 MCP 的常见问题