AI 的 USB-C 接口:MCP 协议详解

Audience: 对技术感兴趣的普通用户 + Python 开发者
承接上文: 第三章《把大模型变成“职场老油条”的智能体》

上一章我们讲完了 Agent（智能体）。我们知道了 Agent 之所以强大，是因为它长了手（Tools），能调用搜索、计算、写代码。

但是，这里有个很尴尬的问题：

Agent 的手，和工具之间，是没有“通用接口”的。

这就导致了一个局面：

你给 Cursor 写的工具，在 Claude Desktop 里用不了；

你给 Windows 写的工具，在 Mac 上跑不起来。

直到 Anthropic 提出了 MCP（Model Context Protocol，模型上下文协议）。

它的目标只有一个：让 AI 工具像 USB-C 一样通用。

01 为什么我们需要 MCP？

技术名词：MCP（Model Context Protocol，模型上下文协议）

没有 MCP 的世界（战国时代）

想象一下你的电脑：

打印机要用 Printer Cable
显示器要用 HDMI
硬盘要用 USB

这时候你想换个电脑，所有的线都得换。

这就是现在的 AI 生态：每个 Agent 都要单独适配一套工具。

有了 MCP 的世界（大一统）

现在，你的电脑全是 USB-C。

打印机插 USB-C
显示器插 USB-C
硬盘插 USB-C

这就是 MCP。它定义了一套标准，让 Agent（客户端） 和 Tools（服务端） 可以无障碍对话。

通俗解释：

MCP 就是那个强迫所有厂家都用同一种充电口的欧盟标准。以后买手机不用挑充电器了，随便插。

02 MCP 的核心架构

技术名词：MCP Host、MCP Client、MCP Server

MCP 采用的是经典的 客户端-服务器（C/S）架构。

┌─────────────────────┐│   AI Application    │  ← 你的应用 (Host)│  (Claude, Cursor)   │└─────────┬───────────┘          │ MCP Protocol (JSON-RPC)┌─────────▼───────────┐│   MCP Client        │  ← 连接器└─────────┬───────────┘          │ stdio / HTTP┌─────────▼───────────┐│   MCP Server        │  ← 工具提供者│  (Filesystem, Git)  │└─────────────────────┘

MCP Host（宿主）： 运行 AI 的地方（比如 Cursor 编辑器）。
MCP Client（客户端）： 负责跟 Server 握手、发请求。
MCP Server（服务端）： 提供具体能力（比如读取文件、查数据库）。

03 MCP 能提供什么？

技术名词：Resources（资源）、Tools（工具）、Prompts（提示词）

MCP Server 主要对外暴露三种东西：

1️⃣ Resources（资源）

定义： 静态或半静态的数据源。

例子： 本地文件、数据库记录、Git 仓库。

特点： 只读。就像你给 AI 看你的简历，但不能让它改。

2️⃣ Tools（工具）

定义： 可以被调用的函数。

例子：grep搜索、git commit、发邮件。

特点： 有副作用（会改变世界）。这就是 Agent 的手。

3️⃣ Prompts（提示词）

定义： 预置的指令模板。

例子： “你是一个资深 Java 工程师，请 Review 这段代码。”

04 开发者时间：Python 实现 MCP Server

Anthropic 官方提供了 Python SDK。我们来写一个简单的 File Reader MCP Server（让 AI 读本地文件）。

1. 安装依赖

bash
pip install mcp
pip install mcp

2. 编写 MCP Server (`filesystem_server.py`)

python

from mcp.server.fastmcp import FastMCPimport os# 1. 创建 MCP Server 实例mcp = FastMCP("FileSystemServer")# 2. 定义一个 Resource（资源）# 让 AI 能查看特定目录下的文件列表@mcp.resource("file://{path}")def read_file_resource(path: str) -> str:    """读取文件内容"""    print(f"📄 [Resource] 正在读取: {path}")    try:        with open(path, 'r', encoding='utf-8') as f:            return f.read()    except Exception as e:        return f"Error reading file: {e}"# 3. 定义一个 Tool（工具）# 让 AI 能列出目录@mcp.tool()def list_directory(path: str) -> list:    """列出目录下的所有文件和文件夹"""    print(f"📁 [Tool] 正在列出目录: {path}")    if not os.path.exists(path):        return ["Path does not exist"]    return os.listdir(path)# 4. 定义一个 Prompt（提示词）@mcp.prompt()def review_code_prompt(code: str) -> str:    """生成代码 Review 的提示词"""    return f"请作为资深工程师，Review 以下代码，指出潜在 Bug:\n\n{code}"# 5. 启动 Serverif __name__ == "__main__":    print("🚀 启动 FileSystem MCP Server...")    mcp.run()

3. 配置 MCP Client（以 Cursor 为例）

在你的 Cursor 配置文件 (mcp.json) 中添加：

{  "mcpServers": {    "filesystem": {      "command": "python",      "args": ["/path/to/filesystem_server.py"]    }  }}

4. 发生了什么？

当你在 Cursor 里问：

“帮我看看 main.py里有什么？”

Cursor (Host) 收到请求。
MCP Client 发现 filesystemServer 注册了 file://资源。
MCP Server 执行 read_file_resource("main.py")。
文件内容通过 MCP 协议 传回 Cursor。
AI 拿到了文件内容，开始回答。

05 MCP 为什么是革命性的？

维度	传统 Function Calling	MCP
通用性	厂商锁定（OpenAI 格式 / Anthropic 格式）	通用标准（一次编写，到处运行）
安全性	需要把 API Key 给 AI	本地运行（Server 跑在你电脑上，不用传 Key）
发现机制	硬编码在代码里	动态发现（Agent 可以问 Server：你有啥工具？）

通俗解释：

以前是“我给你一把钥匙，你只能开我家的门”。

现在是“我给你一个万能插座，你插谁家的电器都能用”。

06 工程上的坑

权限控制： MCP Server 跑在本地，能读你的所有文件。一定要做好路径白名单（chroot或 sandbox）。
性能： 每次调用都要起一个子进程，冷启动会有延迟。
调试： JSON-RPC 的报错信息极其晦涩，建议先写好单元测试。

07 总结

MCP 的出现，标志着 AI 从 “玩具” 走向 “生产力工具”。

Router 解决了“谁干活”的问题。
Agent 解决了“怎么干”的问题。
MCP 解决了“在哪干、用什么干”的问题。

下期预告：

既然 MCP 能让 AI 读取本地文件了，那如果文件太多（比如整个代码仓库），AI 读不过来怎么办？

这就需要 RAG（检索增强生成） 技术了。

《别让 AI 瞎编！RAG 外挂知识库实战》，我们将深入向量数据库的黑盒。