技术分享

MCP 协议：让 AI 真正"会用工具"的那把钥匙

这个问题不是我一个人遇到。2024 年之前，所有想给 AI 接外部工具的开发者，都在用各自的方式解决同一批问题。这意味着：每换一个 AI 模型，就得重新写一遍工具集成代码。

直到 Anthropic 在 2024 年 11 月发布了 MCP。

MCP，全称 Model Context Protocol（模型上下文协议）。名字听起来抽象，我用一个类比来说清楚：

更正式地说：MCP 是一个开放协议，定义了 AI 应用（Host）、AI 模型客户端（Client）和外部工具服务（Server）之间怎么通信。

架构图：三个角色，两条通道

你的应用（Host）通过内置的 MCP Client，用标准协议连接各种 MCP Server，每个 Server 封装了一类工具能力。

角色	说明
Host	用户直接使用的 AI 应用。比如 Claude Desktop、Cursor、你自己开发的 AI 产品。它负责维护 MCP Client 实例，把用户请求路由到合适的 Server。
MCP Client	跑在 Host 里的协议层。维护和每个 Server 的 1:1 连接，处理协议握手、能力协商（告诉 AI "这个 Server 有哪些工具"）、消息序列化。
MCP Server	暴露具体工具能力的服务。可以是一个本地进程，也可以是远程 HTTP 服务。你写的工具逻辑就在这里。

MCP Server 能暴露三类东西：

类型	说明	例子
Tools（工具）	AI 可以主动调用的函数，执行有副作用的操作	查工单、发邮件、写文件
Resources（资源）	AI 可以读取的数据，类似文件系统或数据库	读取配置文件、获取文档内容
Prompts（提示模板）	预定义的 prompt 模板，用户可以直接使用	代码审查模板、报告生成模板

MCP 底层用的是 JSON-RPC 2.0 协议，传输层支持 stdio（本地进程）和 HTTP with SSE（远程服务）两种。一次完整的工具调用，消息流大概长这样：

// 1. 初始化握手：Client 向 Server 发送
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2024-11-05",
    "clientInfo": { "name": "MyApp", "version": "1.0.0" }
  }
}

// 2. Client 查询可用工具列表
{ "jsonrpc": "2.0", "id": 2, "method": "tools/list" }

// 3. AI 决策后，Client 调用具体工具
{
  "jsonrpc": "2.0",
  "id": 5,
  "method": "tools/call",
  "params": {
    "name": "get_ticket",
    "arguments": { "ticket_id": "TK-2024-001" }
  }
}

理论讲完，上代码。我们来写一个工单查询 MCP Server，包含两个工具：查询工单详情、列出未解决工单。

环境准备：Python 3.10+，安装依赖：

pip install mcp

完整的 server.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# ticket_server.py — 工单查询 MCP Server

from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent, CallToolResult, ListToolsResult
import json

# ─── 模拟数据库 ──────────────────────────────────────────
MOCK_TICKETS = {
    "TK-001": {
        "id": "TK-001",
        "title": "登录页面报 500 错误",
        "status": "open",
        "priority": "high",
        "assignee": "张伟",
        "description": "用户反映使用微信登录时偶现 500，已复现两次，影响约 3% 用户。"
    },
    "TK-002": {
        "id": "TK-002",
        "title": "导出功能无法下载 Excel",
        "status": "in_progress",
        "priority": "medium",
        "assignee": "李娜",
        "description": "点击导出后浏览器无反应，控制台有 CORS 报错。"
    },
    "TK-003": {
        "id": "TK-003",
        "title": "首页加载时间超过 8 秒",
        "status": "open",
        "priority": "high",
        "assignee": "未分配",
        "description": "Performance 测试显示 FCP 达到 8.2s，需要排查图片和接口。"
    },
}

# ─── 创建 Server 实例 ─────────────────────────────────────
app = Server("ticket-server")


# ─── 声明工具列表 ─────────────────────────────────────────
@app.list_tools()
async def list_tools() -> ListToolsResult:
    return ListToolsResult(tools=[
        Tool(
            name="get_ticket",
            description="根据工单 ID 查询工单详情，包括标题、状态、优先级、负责人和描述。",
            inputSchema={
                "type": "object",
                "properties": {
                    "ticket_id": {
                        "type": "string",
                        "description": "工单 ID，格式如 TK-001"
                    }
                },
                "required": ["ticket_id"]
            }
        ),
        Tool(
            name="list_open_tickets",
            description="列出所有未关闭的工单（状态为 open 或 in_progress），支持按优先级筛选。",
            inputSchema={
                "type": "object",
                "properties": {
                    "priority": {
                        "type": "string",
                        "enum": ["high", "medium", "low"],
                        "description": "按优先级筛选，不传则返回全部未关闭工单"
                    }
                },
                "required": []
            }
        )
    ])


# ─── 实现工具逻辑 ─────────────────────────────────────────
@app.call_tool()
async def call_tool(name: str, arguments: dict) -> CallToolResult:
    if name == "get_ticket":
        ticket_id = arguments.get("ticket_id", "").upper()
        ticket = MOCK_TICKETS.get(ticket_id)
        if not ticket:
            return CallToolResult(
                content=[TextContent(type="text", text=f"工单 {ticket_id} 不存在")],
                isError=True
            )
        status_map = {"open": "待处理", "in_progress": "处理中", "closed": "已关闭"}
        priority_map = {"high": "高", "medium": "中", "low": "低"}
        result = (
            f"工单详情\n════════════\n"
            f"ID：{ticket['id']}\n"
            f"标题：{ticket['title']}\n"
            f"状态：{status_map.get(ticket['status'])}\n"
            f"优先级：{priority_map.get(ticket['priority'])}\n"
            f"负责人：{ticket['assignee']}\n"
            f"描述：{ticket['description']}"
        )
        return CallToolResult(content=[TextContent(type="text", text=result)])

    elif name == "list_open_tickets":
        priority_filter = arguments.get("priority")
        open_tickets = [
            t for t in MOCK_TICKETS.values()
            if t["status"] in ("open", "in_progress")
            and (priority_filter is None or t["priority"] == priority_filter)
        ]
        lines = [f"共找到 {len(open_tickets)} 个未关闭工单：\n"]
        for t in open_tickets:
            badge = {"high": "[高]", "medium": "[中]", "low": "[低]"}
            lines.append(f"{badge.get(t['priority'],'')} {t['id']} — {t['title']} （{t['assignee']}）")
        return CallToolResult(content=[TextContent(type="text", text="\n".join(lines))])


# ─── 启动入口 ─────────────────────────────────────────────
if __name__ == "__main__":
    import asyncio
    asyncio.run(stdio_server(app))

代码写好了，怎么让 Claude Desktop 用上它？分四步：

{
  "mcpServers": {
    "ticket-server": {
      "command": "python",
      "args": ["/你的绝对路径/ticket_server.py"],
      "env": {
        "PYTHONPATH": "/你的绝对路径"
      }
    }
  }
}

截至 2026 年上半年，MCP 的生态已经相当活跃：

官方	Anthropic 官方维护了 filesystem、GitHub、Google Drive、Slack、PostgreSQL 等十几个常用 Server，代码都在 GitHub 上开源，直接拿来用就行。
IDE	Cursor、VS Code（GitHub Copilot）、Zed 都已经支持 MCP，在 IDE 里接自定义工具变成了标配能力。
社区	awesome-mcp-servers 仓库收录了数百个社区维护的 MCP Server，覆盖 Notion、Jira、Figma、各类数据库等等，基本上你想要的都有人写过了。
竞争	Google、OpenAI 也在推自己的工具调用标准，但 MCP 先发优势明显，目前社区接受度最高。很可能像 USB 一样成为实际标准。

MCP 是什么： AI 调用外部工具的通用协议，类比 USB。

核心架构： Host（你的应用）→ Client（协议层）→ Server（工具实现），三者通过 JSON-RPC 2.0 通信。

你现在能做什么： 给你的内部系统写一个 MCP Server，接进 Claude Desktop，从今天开始把 AI 变成真正会用工具的助手。