MCP:让 AI 工具互联互通的"普通话"
还记得那个"南听不懂北,上听不懂下"的年代吗?方言的差异让交流变得困难。直到推广普通话,才让全国各地的人们能够顺畅交流。在 AI 工具的世界里,MCP 就像是这样一个"普通话"标准,让不同的 AI 工具能够无障碍沟通。
MCP 的前世今生
2022年11月,OpenAI 首次发布 ChatGPT,掀起了全球大模型应用的热潮。ChatGPT 的出现显著降低了大模型应用的开发门槛,让开发者能够快速构建智能应用。
2023年6月,OpenAI 在 Chat Completions API 中引入了 Function Calling 功能,为开发者提供了通过 API 方式实现 ChatGPT 插件数据交互的能力。
2024年11月,Anthropic 公司开源了 MCP(Model Context Protocol),为应用程序与 AI 大模型之间提供了统一的交互标准,使开发者能够以一致的方式将各类数据源、工具和功能连接到 AI 模型。
MCP 一经推出,立刻获得了广泛支持。国内外各大公司纷纷加入:
- Claude Desktop、Cursor、CLine 等桌面应用率先支持
- 国内的 Manus 工具也快速跟进
- 百度更是在前几天(2025年3月21日)宣布地图 API 和千帆平台全面支持 MCP
MCP 是什么
MCP(Model Context Protocol)是一个创新性的协议标准,它为应用程序提供了与 AI 大模型交互的统一接口。通过 MCP,我们可以实现各类工具、服务和数据源与 AI 模型的无缝集成,如下图所示:
graph LR A[MCP] B[GPT-4] C[Claude] D[Deepseek] J[...] E[获取产品需求] G[获取bug描述] F[GitLab服务] H[代码调试服务] I[...] B --> A C --> A D --> A A --> E A --> F A --> G A --> H A --> I J --> Agraph LR A[MCP] B[GPT-4] C[Claude] D[Deepseek] J[...] E[获取产品需求] G[获取bug描述] F[GitLab服务] H[代码调试服务] I[...] B --> A C --> A D --> A A --> E A --> F A --> G A --> H A --> I J --> A
MCP 的核心功能包括:
- 连接数据源:可以连接数据库、日志、代码仓库等各种数据来源
- 统一对话方式:帮助 AI 更好地理解用户的需求
- 提供标准工具:封装了各种常用功能,比如代码管理、调试等
- 保障数据安全:严格控制工具的操作权限,防止误操作
一个实际应用场景
让我们通过一个具体的应用场景来展示 MCP 的强大功能。假设我们构建了一个支持 MCP 的服务器,它能够访问产品需求系统和代码仓库。我们可以向 AI 大模型发送如下指令:
|
|
在这个场景中,AI 大模型会执行以下步骤:
- 通过 MCP 的产品需求服务获取详细的需求信息
- 基于需求生成符合规范的代码
- 编写相应的单元测试
- 通过测试执行服务验证代码质量
- 必要时根据测试结果优化代码
- 最后通过 GitLab 服务将代码提交到仓库
这个例子展示了 MCP 如何让 AI 与各种开发工具无缝协作,实现自动化的代码开发流程。(程序员可能真要失业了)
动手试试 MCP
想要体验 MCP 的魔力,我们先从一个简单的例子开始。下面是一个最基础的 MCP 服务,它能做两件事:
- 帮你计算 1+1
- 跟你说"你好"
|
|
就这么简单!MCP 社区已经为我们准备好了各种开发工具:
- Python SDK:最成熟的实现,文档完善
- TypeScript SDK:适合前端开发者
- Java SDK:企业级应用的理想选择
注:MCP Golang 目前是个人维护版本,已经有两个月不更新了,暂不支持 resource template,与 CLine 存在兼容性问题。
MCP 调试
官方提供了一个名为 mcp 的调试工具,用于验证和测试 MCP 服务的功能:
|
|
启动后会打开调试界面:
连接后,我们就可以测试示例中的加法工具和查看资源了。
CLine 配置
虽然 Cursor 是一个功能强大的付费工具,但我们可以使用开源的 CLine 来实现同样的功能。只需将以下配置添加到 mcpServers 配置中:
|
|
计算结果
MCP 的未来:机遇与挑战
相对于 ChatGPT 的 Function Calling 和自定义 Agent,MCP 的出现确实是一个颠覆性的创新。虽然不用 MCP,通过自定义 Agent 也能实现类似功能,但 MCP 就像是"车同轨,书同文"一样,统一了工具的使用方式,大大降低了接入成本,提高了复用性。
🌟 新机遇
工具生态爆发
- 更多公司会推出支持 MCP 的工具
- 开发者可以更容易地创建和分享 AI 工具
- 工具之间的互操作性大大提升
开发效率提升
- 统一的接口降低学习成本
- 工具可以轻松组合使用
- 代码复用更加方便
⚠️ 安全隐患
如果大模型误解了你的 prompt,一个 drop database 就让你变成背锅侠了。所以在使用 MCP 时,一定要注意工具的权限控制、确认机制、安全防护机制。
写在最后
MCP 的出现,让我们看到了 AI 工具互联互通的曙光。就像当年推广普通话一样,统一的标准能带来巨大的便利。但同时,我们也要警惕安全风险,在享受便利的同时做好防护。
未来已来,让我们一起拥抱这个 AI 工具能够"无障碍沟通"的新时代!