MCP协议让AI不再“与世隔绝”

什么是MCP？ MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 公司于 2024 年 11 月 26 日推出的一项技术协议。其主要目的是解决 AI 助手与外部数据源隔离的问题，使 AI 能够连接并访问外部资源。

什么是MCP？

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 公司于 2024 年 11 月 26 日 推出的一项技术协议。其主要目的是解决 AI 助手与外部数据源隔离的问题，使 AI 能够连接并访问外部资源。

关键点：

MCP 不是用户隐私协议，而是一种技术协议，类似于 WiFi 或蓝牙。
它定义了 AI 助手与外部资源之间的通信规则。

MCP 的三大核心组件：

MCP 主机：你与 AI 互动的应用程序，比如 Claude Desktop，相当于 AI 的“大本营”。
MCP 服务器：专门的小程序，提供特定功能（如访问文件或调用 API），就像为 AI 服务的“专业导游”。
MCP 客户端：连接主机和服务器的桥梁，确保通信顺畅，通常无需用户直接操作。

为什么需要 MCP？

传统的 AI 助手（如 Deepseek 等预训练模型）通常存在知识截止日期的限制，无法直接访问外部最新信息。MCP 的出现正是为了突破这一限制，通过定义通用的通信规则，让 AI 助手能够连接到外部资源，获取更多实时信息和功能。

MCP的作用：

统一接口：LLM 只需理解 MCP，无需学习各种 API。
可插拔架构：新功能只需添加 MCP 服务器。
工作流自动化：多个服务器可串联成复杂流程。

MCP的传输模式

MCP 支持多种传输模式，主要有 stdio 和 SSE 两种模式，下面我们分别介绍。

stdio 模式概念

stdio（标准输入输出）模式是 MCP 的一种基本传输方式，它通过标准输入输出流与 MCP 服务器进行通信。

特点：

MCP 客户端通过子进程启动 MCP 服务器。
通过标准输入（stdin）向服务器发送请求。
通过标准输出（stdout）接收服务器的响应。
适合在本地开发环境中使用，无需额外的网络配置。

优缺点：

优点：设置简单，无需额外的网络配置。
缺点：只能在本地使用，不适合分布式环境。

SSE 模式

SSE（Server-Sent Events）模式是一种基于 HTTP 的单向通信机制，允许服务器向客户端推送数据。

特点：

MCP 服务器以独立进程运行，监听 HTTP 请求。
客户端通过 HTTP 连接到服务器。
服务器可以持续向客户端推送事件和数据。
适合在分布式环境中使用，支持多客户端连接。

优缺点：

优点：支持分布式部署，可以被多个客户端同时访问。
缺点：配置相对复杂，需要额外的网络设置。

image.png

MCP能干什么？

image.png

可以看出，通过这种设计，MCP 让 AI 助手从单纯的对话工具，进化成能操作现实世界的强大助手。

MCP server 客户端配置

目前支持 MCP-Server 的客户端有 Cursor、Claude、Cline 等。从 Windows 使用体验来说，Cursor（0.47.8）需要保持 cmd 窗口常开，体验较差，而 Claude 依赖 Claude 大模型，因此更推荐使用 VSCode 的 Cline 插件，可以通过 OpenRouter + deepseek-chat/free 免费使用。

配置步骤：

安装 Cline 插件：通过最新版本的 VSCode 安装 Cline 插件。

image-20250324083411655

注册并登录 OpenRouter：访问 (https://openrouter.ai)，在右上角 Keys 处创建 API Keys。此 Key 只显示一次，请妥善保存。
配置 API Provider：在 Cline 设置处配置 API Provider，选择 OpenRouter，并填写刚刚设置的 Key，选择对应的大模型，可通过 free 关键词进行过滤。

完成上述配置后即可通过 Cline 配置 MCP-Server。

MCP-SERVER配置

在 Cline 右上角点击 MCP Servers 进行配置，通过点击 Configure MCP Servers 打开 MCP-Server 配置文件 cline_mcp_setting.json，此时就可以按需添加 MCP-Server 了。

image-20250324084419184

示例配置文件：

复制

{
  "mcpServers": {
    "filesystem": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "E:\\personal\\javadaily"
      ]
    },
    "sequential-thinking": { 
      "command": "cmd", 
      "args": [ 
        "/c",
        "npx",
        "-y", 
        "@modelcontextprotocol/server-sequential-thinking" 
      ] 
    }
  },
  "spring-ai-mcp-server": {
    "command": "cmd",
    "args": [
        "/c",
        "java",
        "-Dspring.ai.mcp.server.stdio=true",
        "-Dspring.main.web-application-type=none",
        "-Dlogging.pattern.cnotallow=",
        "-jar",
        "D:\\GitSpace\\JavaSpace\\mozi-mcp\\mozi-mcp-server\\target\\mozi-mcp-server.jar"
    ],
    "env": {
      "appId":"12121212",
      "appSecret":""
    },
    "enabled": true
  },
  "fetch": {
    "command": "uvx",
    "args": [
      "mcp-server-fetch"
    ]
  }
}

大模型如何选择工具？

大模型基于以下几点决定调用哪个工具：

具描述分析：每个工具在初始化时都提供了详细的描述和参数要求。大模型会分析这些描述来了解工具的具体功能、使用场景和限制。
任务需求匹配：大模型会将用户请求分解为具体任务，然后寻找最直接匹配这些任务的工具。例如，创建文件时，大模型会寻找专门用于文件创建的工具。
上下文理解：大模型会考虑整个对话的上下文和具体操作的环境，选择最适合当前情境的工具。

工作流程：

用户在客户端提出请求。
客户端将请求发送给大模型。
大模型理解请求并决定使用哪些工具。
大模型调用 MCP 服务提供的 API。
MCP 服务执行操作并返回结果。
大模型解析结果并提供响应。
客户端显示响应给用户。

效果演示

在网页上随便找一篇文章，让 CLine 使用 fetch 工具爬取并生成对应的 Markdown 文件。

示例指令：

帮我 fetch https://juejin.cn/post/7457366224823124003 这篇文章并在 javadaily 下生成 Markdown 文件。

image-20250324093252381

MCP协议让AI不再“与世隔绝”

什么是MCP？

关键点：

MCP 的三大核心组件：

为什么需要 MCP？