Model Context Protocol (MCP)

MCP（Model Context Protocol） 是 Anthropic 主导开发的一种开放标准协议，旨在为 AI 应用程序提供与外部系统（数据源、工具、工作流）交互的统一接口。它将 AI 模型与外部世界的连接标准化，被誉为"AI 应用的 USB-C 接口"。

Overview

在 MCP 出现之前，每个 AI 应用（Claude、ChatGPT、VS Code 等）都需要为集成的外部系统（文件系统、数据库、API、日历等）编写自定义适配代码。这种碎片化的集成模式导致：

重复劳动：每个 AI 应用重复实现相同的工具集成
不可移植：为一个平台编写的集成无法在其他平台复用
安全风险：缺乏统一的安全审核和权限控制框架

MCP 通过提供一个标准化的协议层来解决这些问题——让 AI 应用作为 MCP Host，外部系统通过 MCP Server 暴露能力，两者通过 JSON-RPC 2.0 协议进行标准化通信。

类比理解

USB-C 接口    = MCP 协议
USB-C 设备    = MCP Server（文件系统、数据库、GitHub……）
USB-C 主机    = MCP Host（Claude Desktop、VS Code、ChatGPT……）

就像 USB-C 统一了电子设备的连接方式，MCP 统一了 AI 应用与外部世界的连接方式。

Architecture

MCP 遵循 客户端-服务器架构，基于 JSON-RPC 2.0 作为通信协议。

核心参与者

┌─────────────────────────────────────────────────────────┐
│                   MCP Host (AI 应用)                      │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐              │
│  │Client 1  │  │Client 2  │  │Client 3  │  ← 每个Client │
│  │(连接管理) │  │(连接管理) │  │(连接管理) │    对应一个Server│
│  └────┬─────┘  └────┬─────┘  └────┬─────┘              │
└───────┼───────────────┼───────────────┼──────────────────┘
        │ JSON-RPC 2.0  │               │
  ┌─────▼──────┐  ┌────▼─────┐  ┌──────▼─────┐
  │ MCP Server │  │MCP Server│  │ MCP Server │
  │ (本地/远程) │  │ (本地)   │  │  (远程)    │
  │  文件系统   │  │  数据库   │  │  GitHub    │
  └────────────┘  └──────────┘  └────────────┘

角色	说明	示例
MCP Host	管理用户体验并协调多个 Client 的 AI 应用	Claude Desktop、VS Code、ChatGPT
MCP Client	Host 为每个 Server 创建的协议级连接组件	一个 Host 可以有多个 Client
MCP Server	通过标准化接口暴露特定能力的程序	文件系统、数据库、GitHub、Slack 等

两种传输方式

传输方式	适用场景	特点
STDIO	本地 MCP Server	进程内通信，一对一连接，适合文件系统等本地资源
Streamable HTTP	远程 MCP Server	网络通信，一对多连接，适合 API/SaaS 集成

Core Primitives

MCP Server 通过三种核心原语暴露能力：

1. Resources（资源）

只读的被动数据源，为模型提供上下文信息。

属性	说明
用途	检索文档、读取文件、访问知识库、获取日历
控制方	应用（MCP Host/Client 决定何时使用）
协议操作	`resources/list` — 列出可用资源；`resources/read` — 读取资源内容
典型场景	AI 在回答问题前检索相关文档作为上下文

2. Tools（工具）

模型可主动调用的操作，支持写操作。

属性	说明
用途	写入数据库、调用外部 API、发送消息、修改文件
控制方	模型（LLM 根据上下文决定是否调用）
协议操作	`tools/list` — 发现可用工具及其 JSON Schema 定义；`tools/call` — 执行特定工具
安全机制	工具执行可能需要用户授权（user consent），确保用户保持控制
典型场景	AI 写代码时调用 GitHub MCP 创建 PR、发消息时调用 Slack MCP

3. Prompts（提示词模板）

预构建的指令模板，指导模型如何与特定工具和资源协作。

属性	说明
用途	规划假期、总结会议、起草邮件、代码审查
控制方	用户（用户选择使用哪个模板）
协议操作	`prompts/list` — 列出可用提示词；`prompts/get` — 获取提示词模板内容
典型场景	用户说"帮我规划假期"，触发含航班工具调用模板

三者协作示例

以旅行助手场景为例：

用户: "帮我规划下周去东京的行程"

MCP Server (航班工具):  tools/call → 搜索航班
MCP Server (酒店资源):  resources/read → 获取酒店推荐
MCP Server (日历资源):  resources/read → 读取用户日历确认空闲时间
Prompt 模板:             组织输出为结构化行程单

Client Features

MCP Client 除了消费 Server 提供的能力外，还可以提供以下功能给 Server：

Elicitation（信息征询）

允许 Server 在交互过程中主动向用户请求特定信息——提供了一种结构化方式来按需收集信息。例如旅行预订 Server 可以询问乘客偏好、座位类型、联系方式。

Roots（根目录）

允许 Client 指定 Server 应关注的工作范围，通过一种协调机制来设定边界。例如代码审查 Server 可能只被授予访问特定项目目录的权限。

Security Model

MCP 设计了一套多层级的安全模型：

层级	机制	说明
用户授权	工具执行前可能要求用户确认（user consent）	用户对模型的每个重要操作保持最终控制
信任边界	本地 STDIO Server 与远程 HTTP Server 的信任层级不同	远程 Server 需要额外的身份验证
根目录隔离	Roots 机制限制 Server 可访问的路径范围	防止 Server 越权访问文件系统
认证方案	支持 Bearer Token、API Key、OAuth2 等多种认证方式	通过 Authorization header 传递

Versioning

MCP 使用基于日期的版本标识符，格式为 YYYY-MM-DD，表示最后一次不向后兼容变更的日期。只要变更保持向后兼容，协议版本不会递增。这允许在保持互操作性的同时进行增量改进。

当前最新协议版本：2025-11-25

Ecosystem

SDK 支持

MCP 官方提供以下语言的 SDK，已在 GitHub 开源（MIT 许可证）：

Python SDK — 完整的 async/await 支持
TypeScript/JavaScript SDK — 服务端和客户端实现
Java SDK — 基于 Reactor 的响应式实现
Kotlin SDK — 基于协程的轻量级实现
Go SDK — 基于 Go 协程的高性能实现

已知的 MCP Server 实现

类型	示例
代码/开发	GitHub、GitLab、Filesystem、VS Code
通信	Slack、Notion、Google Calendar、Gmail
数据	PostgreSQL、SQLite、DuckDB、Elasticsearch
创意	Figma、Blender、Photoshop
基础设施	Kubernetes、Docker、AWS、Cloudflare
搜索/知识	Brave Search、Tavily、Perplexity

已知的 MCP Host

Host	支持方
Claude Desktop	Anthropic
Claude Code	Anthropic
VS Code	Microsoft
Zed	Zed Industries
Cursor	Cursor
IntelliJ IDEA	JetBrains（插件）
Continue.dev	Continue
Sourcegraph Cody	Sourcegraph

MCP vs Harness Engineering

MCP 与 Harness Engineering 在概念上互补：

	MCP	Harness Engineering
范围	协议层：标准化 AI ↔ 外部工具的通信	方法论层：设计约束、反馈回路、整体架构
关注点	连接（Connection）	控制（Control）
输出	可插拔的工具/资源/提示词标准	AGENTS.md、linter、机械约束
关系	MCP Server 是 Harness 中 Tools 层的标准实现	Harness 是 MCP 的更高层设计哲学

在 Harness Engineering 的组件清单中，MCP Server 对应"Tools & MCP"组件——为智能体提供标准化的能力扩展接口。

Why MCP Matters

标准化消除了重复集成 — 一个 MCP Server 可供所有主流 AI 应用复用，不再"为每个平台写一遍"
降低了 AI 应用开发门槛 — 开发者只需实现标准协议即可让自己的系统被 AI 访问
提升了安全性 — 统一的用户授权框架和信任边界模型
生态系统效应 — MCP Registry 将发展为类似 npm/PyPI 的工具市场
与 Agent 范式天然契合 — Tools 原语是 Agent 调用外部能力的基础

AI Agents — AI Agent 系统形态，MCP 是 Agent 的工具扩展标准
Harness Engineering — Harness Engineering 方法论，MCP 是其 Tools 层的标准实现
Model Inference & Deployment — 模型部署中 MCP 作为服务间通信协议

Open Questions

MCP 在跨模型可移植性方面的表现如何？使用 MCP 的 Agent 是否能更自由地在模型间切换？
MCP Registry 是否会形成类似 npm 的垄断效应？
MCP 对工具调用的延迟开销是否会影响 Agent 的实时性？
MCP 与 OpenAI 的 Function Calling、Google 的 Tool Use 标准如何竞合？

Model Context Protocol (MCP) ​

Overview ​

类比理解 ​

Architecture ​

核心参与者 ​

两种传输方式 ​

Core Primitives ​

1. Resources（资源） ​

2. Tools（工具） ​

3. Prompts（提示词模板） ​

三者协作示例 ​

Client Features ​

Elicitation（信息征询） ​

Roots（根目录） ​

Security Model ​

Versioning ​

Ecosystem ​

SDK 支持 ​

已知的 MCP Server 实现 ​

已知的 MCP Host ​

MCP vs Harness Engineering ​

Why MCP Matters ​

Related Concepts ​

Open Questions ​

Sources ​