MCP

介绍

MCP（Model Context Protocol）就是一套让 AI 模型安全、标准化地调用外部能力的协议。

把它想成 AI 的"USB 接口标准"：

• 以前每接一个工具都要单独适配。
• 有了 MCP，只要双方都按协议来，模型就能接入工具。

MCP 解决了什么问题

没有 MCP 时，常见痛点：

• 每个 AI 产品和每个工具都要单独对接，重复开发。
• 工具权限边界不清楚，安全风险高。
• 上下文传递不统一，模型容易"拿不到该拿的数据"。

有了 MCP 之后：

• 对接方式统一，接入工具更快。
• 工具能力可发现、可声明、可约束。
• Host 可以控制权限和调用范围。

核心角色

1. Host（宿主）

就是你在用的 AI 应用，比如编辑器、聊天客户端、IDE 助手。

2. MCP Client

Host 里负责和 MCP Server 通信的客户端模块。

3. MCP Server

把某一类能力暴露给模型的服务，比如：

• 文件读写
• 数据库查询
• Git 操作
• 调用公司内部 API

4. Tool / Resource / Prompt

MCP 常见能力可以理解成三类：

• Tool：可执行动作（比如创建文件、查 issue）。
• Resource：可读取的上下文资源（比如配置、文档、数据库只读内容）。
• Prompt：可复用的提示模板。

一个直观流程

用户提问
  -> Host 交给模型
  -> 模型判断需要调用工具
  -> 通过 MCP Client 调 MCP Server
  -> Server 执行并返回结果
  -> 模型基于结果继续回答

重点：模型不是直接乱调系统命令，而是在受控协议里调用已声明能力。

和 Function Calling 的关系

两者不是对立关系。

• Function Calling：更像"模型输出一个函数调用结构"。
• MCP：更像"工具生态和通信标准"，包含能力发现、调用、上下文传输等。

简单说：Function Calling 偏调用格式，MCP 偏完整连接标准。

常见使用场景

• 在 IDE 里让 AI 直接读项目文件并改代码。
• 让 AI 查 GitHub issue、提取 PR 信息。
• 让 AI 查询内部知识库、工单系统。
• 让 AI 在安全边界内执行命令或自动化流程。