🎯MCP是模型上下文协议，统一不同外部服务与AI模型对接

💻MCP能通过API集成等为AI提供信息，实现多种功能

🛠️介绍了将设计稿转成前端代码等MCP的实践操作

🔍提到了MCP客户端工具及相关配置方法

原创 WaytoAGI 2025-04-04 19:22 浙江

普通人的MCP入门指南

从2月中旬开始，MCP协议火了。

Github上的Star指数，开始加速增长。

上周，OpenAI创始人山姆·奥特曼也在X上公布，对其Agents SDK进行了重大更新，并支持了对手Anthropic推出的MCP服务协议。

那么，MCP协议到底是什么？为什么要用它？

银海老师整理出来了一份MCP的入门指南，涵盖了4个案例、2个实践。

接下来也会在「通往AGI之路」的视频号直播间，开启一系列的共学课程。

第一节课「初识及入门」直播已经结束，想要回顾的小伙伴，可以前往视频号已观看回放哦。

先来快速回顾下直播重点：

搜索最新的新闻（serper search） + figma mcp，生成最新新闻数据渲染的界面。figma mcp npx版本目前好像因为简化了不需要启动本地服务，于是图片就没办法下载到本地了，这个估计近期作者会去修复。

Cline + figma + 高德地图生成的多个页面。

高德的MCP已经支持SSE，把多个Figma的链接放到一个需求文档里面可以直接直接生成：

Master go的mcp服务也可以支持生成界面。

以下是银海老师整理出的文字版本：《MCP是大模型的 USB x.0 接口》

MCP全称模型上下文协议（Model Context Protocol），是由 Anthropic （Claude 模型的主体公司）在 2024 年 11 月 推出并开源的一项创新标准，旨在让大语言模型能够无缝连接至第三方的数据源。

该协议支持对接 内容存储库、业务工具、开发环境 等多种外部服务，从而赋能 AI 大模型获取更丰富的上下文信息，生成更加精准、相关且智能的回答。

MCP 就像转接头，统一不同服务供所有人使用

MCP 就像一个“转接头”或“通用插座”，它的核心作用是统一不同外部服务（如 Google Drive、GitHub、Slack、本地文件系统等），通过标准化接口与 AI 模型对接。

这样，开发者只需基于 MCP 规范开发一次“接口适配器”（MCP 服务器），就能让所有兼容 MCP 的模型（MCP 客户端）无缝接入，无需针对每个模型单独适配，大幅提升兼容性与开发效率。

MCP 里面还包含 SSE（Server-Sent Events），是一种允许服务器向浏览器推送实时更新的技术。

为AI模型量身定制的“USB-C接口”

可以标准化地连接AI系统与各类外部工具和数据源

传统的 API 就像不同的门和钥匙

每扇门都需要自己的钥匙和特定的规则

MCP与传统API关键区别：

单一协议： MCP像一个统一接口，只要一次整合，就能连接多个服务。

动态发现： AI模型能自动识别并使用可用的工具，不用提前写死每个接口。

双向通信： MCP支持类似WebSockets的实时双向通信，模型不仅能查询数据，还能主动触发操作。

LLM 也不是万能的，它缺失了很多能力，LLM 可以作为智能体的大脑，外部工具就是智能体的手和脚，协助智能体执行决策。一个典型的 Agent 的设计，LLM 充当大脑模块，通过多模态输入，处理信息，然后做出决策和规划行动。

MCP 就是想要通过一个开放的协议，为外部工具（或数据源）提供统一和 LLM 交互的统一集成，MCP 就是手脚连接身体的“关节”。

通过联网搜索向 AI 提供最新信息

常见的 AI 助手采用通过联网搜索获取实时信息。当用户开启联网搜索时，助手先将用户的请求发送至搜索引擎，再将返回内容与用户输入一起提供给大模型，最终生成回答。搜索引擎在此作为实时信息源，为大语言模型提供额外的上下文。

通过 API 向 AI 提供自有系统数据

如果希望 AI 能提供行业内部信息、或者研发的自有系统内的信息，AI 联网搜索的效果就很不好，甚至无法实现。用户可以自行搭建 AI 代理，将自有系统的数据通过 API 的形式接入 AI 助手，为大语言模型补充提供丰富的上下文信息。

通过 MCP 服务器向 AI 提供上下文信息

MCP 协议解决了 AI 大模型与数据源集成碎片化的问题，提供统一标准，让开发者无需为每个数据源和 AI 助手单独开发连接器。通过 MCP，数据源和 AI 工具可建立安全双向连接，使 AI 在不同工具和数据集间流畅协作，实现更可持续的架构。

2、Blender MCP

一句话提示，Claude自动化打开Blender将2D图片转为3D建模。而且还能只用一次提示词，再基于这个场景搭建可以互动的网页。

3、Manus

Manus 的底层其实也是用了类似 MCP 的方式进行了一系列的工具能力调用（但是求证后实际上是没有使用 MCP，但是思维模式相似），包括了类似“Browser Use”这种可以直接在终端中操控电脑浏览器的工具，能够跨越纯 API 数据获取的方式，进行指令的下发。

分析亚马逊在线商店（全程录屏效果参考）

Read my CV & find ML jobs, save them to a file

4、MCP 服务市场

市面上目前也有越来越多的能力被挖掘出来，并被统一、分类，由不同的数据源和工具控制和供给，以便于用户快速的安装调用。

飞书文档中还有非常多比较不错的集成综合工具站可以去看看

 一起来动手实践！

扩展里面搜索：cline 

1、将设计稿转成前端代码

Figma to html MCP 实战，仅需贴入一个链接给大模型，就可以将 figma 中的设计稿界面快速的变成在线可以预览的网页。

安装 MCP 

使用的是 Figma-Context-MCP 框架，在本地启动服务后再进行信息注册。

使用 JSON 结构进行注册，同时获取 Figma 的 API Key

复制 Figma 稿件地址

贴入 figma 稿件地址后，等待效果生成

生成预览前端代码

当然，MCP 服务也没有那么“神”，其实是做了一个编辑器的中间转换器，能够支持编辑和读取 figma 内的相关数据。

在这个场景中的 MCP 相当于是对 Figma 的数据上下文结构信息进行读取，结构化设计能力还是依赖于底层模型 Claude，还是会出现布局混乱的现象，在实际用途上是更方便的取数了。

Figma 的 MCP 文件读取，可以看到实际上是读取了 Figma 的文件 Dom 结构信息。

使用图片下载的 MCP 能力，对页面结构中的图片进行填充。

2、生成 AI 新闻资讯卡片

主要是实现一句话联网搜索相关信息后，参考相关的样式图进行页面填充，但是看起来也并不稳定，底层还是依赖于 Claude 的能力。

获取最新的新闻数据

参考 Figma 样式

给予对应的 Figma 样式参考链接

生成最后的效果

 MCP客户端工具 

注意，很多模型是不能直接支持MCP服务的，因为模型本身没有办法去识别插件的能力（类似之前的function calling）也需要去对不同的工具去识别，在这里推荐开源的模型就是Qwen-max。

Cherry Studio，支持了SSE（类似https接口形式）和npx的安装方式。

当然必须给他点个赞，还是个开源项目：

安装完cherry studio后，除了配置基础的模型服务，我们主要在设置中去配置MCP服务器，同时我们应该先把UV/Bun进行一键安装依赖，然后点击添加服务器。

以idoubi大佬的mcp服务市场对接为例：https://mcp.so/

SSE注册方法：

直接拿到SSE的URL即可，就可以在cherry stuido中选择以“SSE”的结构导入。

npx注册方法：

点击“编辑JSON”按钮，选择“STDIO”选项的结构，将下面的json结构文件中的正文部分内容进行贴入。

{  "mcpServers": {    "sequential-thinking": {      "command": "npx",      "args": [        "-y",        "@modelcontextprotocol/server-sequential-thinking"      ]    }  }}

配置好后点击“启用”按钮。

需要选择能够支持MCP的模型后，启用MCP服务。

可以看到MCP服务已经调用成功了。

虽然 MCP 技术本身可能看起来复杂，但它的核心思想——“连接和整合”——是非常直观且实用的。

阅读原文

跳转微信打开