什么是 MCP一句话说清楚MCP全称Model Context Protocol模型上下文协议是 AI 模型与外部工具交互的标准化协议。别把它想复杂了。MCP 不是让 AI 变得更聪明也不是要替代 Function Calling。它解决的核心问题是不同的 AI 模型和不同的工具之间怎么才能方便地连在一起就像 USB 接口统一了各种设备的连接方式一样MCP 统一了 AI 模型与各种工具的连接方式。不管你用的是 GPT、Claude 还是国产大模型不管你要连接数据库、文件系统还是第三方 API只要支持 MCP就能无缝对接。 博主简介你好我是安逸CSDN「人工智能技术领域新星创作者」码龄 6 年。博客总访问量 31万博客粉丝 1.2万。我长期关注人工智能技术与工程实践主要研究和分享 AI Agent、RAG 系统、MCP 协议、OpenClaw、AI 编程工具以及大模型工程化落地。同时也持续输出 Java / Spring、Transformer、机器学习、深度学习与计算机视觉等方向的学习笔记和项目经验。 推荐系列合集目前已经整理了 生产级 RAG 系统实战、Agent 记忆系统、MCP 协议深度解析、OpenClaw 系列、Hermes Agent Obsidian、图解机器学习、Claude Code 系列和 Agent 经典面试题等系列合集涵盖 AI 应用开发、智能体实践、知识管理、机器学习与 AI 编程工具。GZH安逸Ai (科技前沿新闻Github热门项目最新免费资料...)网页观看完整系列合集 Anyi AI 学习资源站板块 1MCP 到底是什么咱们先把MCP这三个字母拆开看Model— AI 模型大脑负责思考和决策Context— 上下文模型需要的各种信息和资源Protocol— 协议双方通信的规则合起来就是让 AI 模型获取上下文信息的标准协议。实际场景没有 MCP 的时候你想让 AI 帮你查数据库、读文件、调 API每接一个新工具就得写一套对接代码。工具多了代码就乱了。有了 MCP就像所有设备都换成了 USB 接口。你想接什么插上就能用不用关心背后是什么品牌、什么型号。这才是 MCP 的核心价值标准化而不是功能增强。AI模型通过MCP协议连接数据库、API、文件系统等多种外部工具的连接示意图板块 2MCP 的三层架构MCP 采用分布式三层设计每层干不同的事层次名称职责Host主机层负责用户交互、调用 AI 模型、协调整个流程Client客户端层负责与 Server 保持连接、传递消息Server服务端层负责暴露具体能力如工具、资源等用餐厅来理解想象你走进一家餐厅Host是服务员接待你、记你要什么、把菜单传给后厨Client是传菜员把你的需求传给厨师把菜端回来Server是厨师真正做饭、提供能力你只跟服务员说话不知道后面有多少传菜员和厨师在配合但整件事就这么跑起来了。传输协议三层之间用什么喊话JSON-RPC 2.0支持两种模式stdio 模式标准输入输出适合本地进程通信Streamable HTTP 模式适合网络通信支持长连接这就是为什么 MCP 既能跑本地工具也能连远程服务。Host-Client-Server三层架构的详细分层图展示各层职责和通信方式板块 3MCP 暴露的四类能力很多人以为 MCP 只是工具调用错大了。MCP 暴露的能力分四类1. Tools工具会改变外部世界的主动操作。比如查天气、发邮件、执行代码。模型调用这些就像人点击按钮——操作完会产生结果。2. Resources资源供模型读取的被动数据。比如数据库里的用户信息、文件内容、API 返回的数据。模型只能读不能改。3. Prompts提示模板可复用的提示词模板。比如翻译专家、代码审查员这种固定角色配置可以提前定义好模型直接调用。4. Sampling采样——扩展能力让 Server 反向调用模型的能力。比如 Server 需要 AI 做决策时可以主动请求模型采样。类比理解就像手机不只是打电话——还能拍照、发短信、导航、上网。MCP 让 AI 能做的事远超调用几个函数。MCP四种能力类型Resources、Tools、Prompts、其他的分类示意图板块 4MCP vs 其他方案——本质区别这是面试重点。咱们从几个维度对比维度MCPFunction CallingOpenAI Tools传统插件LangChain Tools定位生态协议平台能力平台能力内嵌式集成框架能力跨平台✅ 跨平台❌ 平台特定❌ 仅 OpenAI❌ 通常绑定❌ 依赖框架耦合度低耦合紧耦合紧耦合高耦合中耦合部署本地/私有/云端仅云端仅云端本地本地动态能力✅ 支持❌ 不支持❌ 不支持❌ 不支持部分支持安全机制完善一般一般弱一般关键区别解释vs Function CallingFunction Calling 是 OpenAI 这些平台自己的功能绑死在特定模型上。你换了模型可能得重写。MCP 是通用协议任何模型都能用。vs 传统插件传统插件是内嵌式的插件代码直接耦合进主应用改一个可能影响全部。MCP 是外置式的Server 独立运行工具随时可以上下架。vs LangChain ToolsLangChain 是框架你的代码会被框架约束。MCP 是协议只定义接口规范不在乎你用什么框架实现。通俗类比如果 AI 应用开发是盖房子Function Calling像用特定型号的砖——只有特定模型能用传统插件像用混凝土浇筑——功能耦合拆不掉LangChain Tools像用特定品牌的预制板——被框架绑死了MCP像用通用标准砖——任何符合标准的都能用灵活拆卸MCP与Function Calling/OpenAI Tools/传统插件/LangChain的二维对比表格图板块 5动态能力协商——MCP 的杀手锏MCP 有一个常被忽视但非常重要的特性动态能力协商。三个核心能力1. 版本协商不同版本的 Client 和 Server 可以共存兼容。MCP 协议支持版本号协商握手时自动协商出一个双方都支持的版本不用担心版本冲突。2. 功能扩展Server 可以动态添加新能力。上线新工具不用重启模型不用重新训练直接注册到 Server模型就能发现并使用。3. 权限暴露Host 可以控制只暴露被授权的工具。比如给 AI 开放了查天气权限但没开放发邮件Server 就只会暴露查天气的能力。类比就像手机应用市场App 可以随时上架下架你不需要因为换了手机就要重新下载所有 App——账号登录一下应用就回来了。MCP 让工具和模型解耦各自独立演进。MCP动态能力协商机制流程图展示初始化握手和动态协商过程面试怎么答基础版能过面试MCP 是 Model Context Protocol即模型上下文协议。它是 AI 模型与外部工具交互的标准化协议核心目标是解决不同模型和不同工具之间怎么连接的问题。MCP 采用三层架构Host 负责用户交互、Client 负责与 Server 通信、Server 负责暴露具体能力。与 Function Calling 等方案相比MCP 的核心优势是跨平台、低耦合、支持动态能力协商。加分版让面试官眼前一亮MCPModel Context Protocol是 Anthropic 在 2024 年底提出的开放协议旨在标准化 AI 模型与外部工具的交互方式。它不是让 AI 变聪明而是解决连接问题——就像 USB 统一了设备连接一样MCP 统一了 AI 与工具的连接。从设计理念看Function Calling 是平台能力MCP 是生态协议传统插件是内嵌式MCP 是外置式。MCP 采用 Host-Client-Server 三层架构通过 JSON-RPC 2.0 通信支持 stdio 和 HTTP 两种模式。MCP 暴露 Tools、Resources、Prompts、Sampling 四类能力不只是工具调用。最吸引人的是它的动态能力协商——工具可以随时上下架模型不需要重新训练就能使用新工具这解决了传统方案耦合度高的核心痛点。当然MCP 生态还在成熟中实际落地需要考虑 Schema 管理、权限安全、可观测性等问题。一句话总结MCP 就是 AI 时代的USB 接口——它不增强 AI 的能力但它让任何 AI 模型能无缝连接任何工具。