一句话总结
介绍 MCP 协议在 Agent 应用开发中的新范式，提升 AI 应用与外部工具及资源的标准化协作效率。
摘要
文章详细介绍了 MCP（模型上下文协议）作为连接 AI 模型与应用、服务的新标准化协议。阐述了 MCP 的核心组件（Server、Client、Host）及其通信协议（stdio、SSE）。通过对比 Function Calling，强调了 MCP 在 Agent 应用开发中实现接口标准化、提升鲁棒性和推动生态协作的关键作用。同时，文章分析了 MCP 技术生态的快速发展，包括各种 MCP Server 市场和应用案例，并对其未来发展方向（如 OpenAPI 化、应用交互重构、业务自动化）进行了展望。最后，指出了 MCP 当前存在的局限性，如应用范围、行业标准支持、协议本质争议以及尤为突出的安全风险。
主要内容
1. MCP 标准化 AI 模型与外部工具/资源的交互
MCP 定义了 AI 应用与模型间交换上下文的标准协议，使各类数据源、工具能以一致方式连接模型，简化 AI 应用开发和集成。
2. MCP 增强 Agent 应用开发能力与鲁棒性
通过标准化接口和协议，MCP 克服了传统 Function Calling 的局限，有助于构建更健壮的 LLM Agent，提升任务执行效率和准确性。
3. MCP 技术生态正快速繁荣发展
MCP Server 市场和支持 MCP 的应用数量迅速增长，覆盖多领域，降低开发门槛，预示着强大的生态协作潜力。
4. MCP 面临应用范围和安全风险挑战
当前 MCP Server 多为本地执行，限制了企业级云端应用；同时，不安全的 MCP Server 可能带来严重的安全漏洞和攻击风险。
作者：xisheng ,转载自：mp.weixin.qq.com/s?__biz=MjM…
当下，随着MCP（模型上下文协议）的迅速发展，AI 开发领域的协作生态正经历重塑，MCP为应用和服务方之间的协同开辟了新途径。太极平台积极拥抱 MCP，搭建起一座连接资源、工具与LLM的坚固桥梁。本文聚焦于 MCP 技术及其生态系统，一同探索太极平台如何借助 MCP，汇聚多方能力，释放大模型的巨大潜能，塑造 Agent 应用开发的全新范式。
1. MCP技术
1.1 MCP是什么
MCP （Model Context Protocol，模型上下文协议）是一个标准化协议，定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。
1.2 MPC核心组件
如上图所示，在MCP架构体系中，包含MCP Server、MCP Client和MCP Host几个核心组件，及组件间交互协议。
1.2.1 MCP Server
MCP Server是一个通过MCP协议实现对外提供服务的轻量级应用，它对外提供工具执行、资源访问、预定义Prompt等一系列资源。
○ 资源（Resources）：类似文件的数据，可以被客户端读取，如 API 响应或文件内容 ○ 工具（Tools）：可以被 LLM 调用的函数 ○ 提示（Prompts）：预先编写的模板，帮助用户完成特定任务
下面是一个文件系统操作的MCP Server示例，它提供了对文件、目录的读写操作。
1.2.2 MCP Client
在Host应用内部，MCP Client 与 MCP server 保持 1:1 的连接。MCP Client 充当 LLM 和 MCP Server 之间的桥梁。简单理解就是MCP Client SDK，用于实现Host应用使其能够与MCP Server交互。
1.2.3 MCP Host
发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。通常像Claude Desktop 和Cursor这类智能助手应用和IDE，它们都是MCP Host应用，通过MCP client来连接某个MCP Server，并调用其提供的工具。
另外值得注意的是，运行MCP Host应用所在的主机也属于MCP Host的一部分，主机的文件系统、浏览器等都可能成为MCP Server在运行时操作的对象。
1.3 通信协议
MCP采用JSON-RPC来编码消息，在Sever和Client之间通过标准输入输出和Streamable HTTP进行消息交换。
1.3.1 Standard Input/Output (stdio)
采用标准输入/输出流进行传输，适用于在同一台机器上运行的客户端和服务器之间的通信。
Server
Client
1.3.2 Server-Sent Events (SSE)
远程通信 ： 利用 SSE 与 HTTP 结合，实现跨网络的实时数据传输，适用于需要访问远程资源或分布式部署的场景。
Server
Client
1.4 MCP协议带来的改变
在使用MCP协议之前，开发智能应用的开发者（如Cursor）如果要使用外部服务的能力，每个应用开发需要各自开发对接外部服务的程序来实现能力集成。使用MCP后，服务提供者（如Slack、Google Drive）会以MCP标准协议对外提供MCP Server，服务的工具和资源将统一汇聚到市场上，应用以标准化的接口对接资源和工具，从而提升资源和工具的标准化和复用率。
2. MCP执行细节
当用户在Host应用中输入一个Query后，Host应用是如何在LLM, MCP Client和MCP Server之间交互的呢？下图描述了Query请求处理的完整流程：
- MCP Client首先从MCP Server获取可用的工具列表；将用户的Query连同工具描述通过Function Calling一起发送给 LLM；LLM 决定是否需要使用工具以及使用哪些工具；如果需要使用工具，MCP Client会通过 MCP Server执行相应的工具调用；工具调用的结果会被发送回LLM；LLM基于所有信息生成自然语言响应；最后将响应展示给用户。
2.1 Host调用LLM
Host将用户Query和Tools一起发给LLM。
2.2 Client调用MCP Server
大模型通过Query和提供的工具进行推理，确定完成用户任务需要执行的工具，如果LLM返回结果中如果需要执行tool_calls，则在会话中调用MCP Server。
2.3 返回最终处理结果
Host将MCP Server执行的结果和Message一并发给LLM，如果不需要再调用其他工具，那么调用LLM做最后润色后返回最终结果。
3. Agent, Function Calling与MCP
3.1 Agent
LLM Agents是专为生成需要推理和执行任务的高级人工智能系统。它们能够通过推理思考、回忆过往对话，并通过调用外部工具，根据上下文和用户要求动态规划和执行任务，最终自动完成用户问题。
形象来讲，LLM是一个强大的文本处理大脑，但其本身不具备执行任务的能力，因此需要借助工具，使其能够调用外部工具和服务，从而代理人工完成复杂任务的规划和执行。
3.2 Function Calling
OpenAI最初通过Function Calling来给大模型装上“手脚”，让其能够调用外部工具和服务，从而代理人工完成复杂任务的规划和执行。
通过精妙的Prompt设计，可以让模型根据用户Query和可用的Function描述来进行任务分解和推理，从而选择合适的工具进行执行，并通过多次迭代完成用户任务。
3.3 MCP
Function Calling的问题显而易见，对于Function的描述各厂商存在差异，模型迁移成本高；另外Fucntion Call存在效果不稳定、容错性低等问题。而MCP标准化了Agent与外部资源和工具交互的接口、协议及实现。从而为构建更为健壮的Agent应用和推动生态的协作起到了关键作用。
3.4 对比
4. MCP技术生态
随着Manus的发布，MCP协议得以快速普及，MCP应用、MCP Server服务以及MCP应用市场的蓬勃发展，使得MCP技术生态迅速繁荣起来。
4.1 MCP Server Marketplace
几个主要的MCP Server Marketplace上Host的MCP Server数量在短短20天内（2025/3/28 - 2025/4/18）有了大幅的增长。这进一步说明了其技术生态的繁荣程度。
| MCP Marketplace | 发布MCP Server数量****3/28 - 4/18 | 类型 |
|---|---|---|
| Smithery | 2978 - 4792 | 综合MCP资源 |
| mcp.so | 4831 - 8990 | 综合MCP资源 |
| PulseMCP | 3189 - 3864 | 综合MCP资源 |
| Cursor Directory | 1800+ | Cursor生态，专注代码开发场景 |
| Glama | 3390 - 3640 | 跨模型协作的场景 |
| modelcontextprotocol | 331 | Anthropic官方热门 MCP Server 源码 |
| Cline | 90 | VSCode插件市场 |
4.2 MCP应用程序
我们可以在PulseMCP上看到200多个应用支持了MCP，你可以在上面找到适合自己的MCP应用。
4.3 MCP Server
以mcp.so上的MCP Server目录为例，我们看到MCP Server的范围已经涵盖数据、研究、云平台、数据库、Chatbot、文件系统、自动化等多个领域。
除此之外，在开发者支持方面，除了官方的SDK以外，FastMCP、Spring AI、mcp-agent等技术框架也进一步降低了MCP的开发成本。
5. 对MCP发展的思考
作为一个新兴的技术规范，我们应该以审慎而积极的态度来看待，以下是个人对MCP可能带来的变化和其局限的分析判断。
5.1 MCP带来的变化
正如WebService和WSDL定义了系统间服务调用的基本协议，推动了SOA架构的广泛发展，从此单应用系统逐渐发展成为多应用系统，企业内部的各个系统实现了数据交换和服务集成。REST轻量级服务风格进一步降低了数据传输中的Schema复杂度，而之后的微服务又使得服务进一步解耦和原子化，结合容器编排技术提升了服务的治理能力。任何一种技术和协议都是在不断迭代中进行发展、升级及迭代的。
在此，我们不妨大胆预测MCP带来的变化：
MCP OpenAPI化
MCP将成为软件对外开放和集成的新协议，SaaS、应用服务将会以MCP方式提供对外服务，MCP将成为与OpenAPI类似的对外服务协议。
应用交互重构
重构应用形态，智能助手将以“搜索框”的形式成为各个应用的交互入口，支持语音及自然语言交换形式，完成复杂任务的执行。
业务E2E自动化
端到端理解用户意图、执行任务、容错处理将大大简化用户业务流程，一句话自动完成下单、售后、流程审批等操作将变得更为常见。
生态开放协作
支付、生活服务、内容服务等服务作为基础能力，实现你中有我、我中有你，从而更大限度拓展服务生态的协作开放。例如，一个个人助手可以完成调用获取好友列表、差旅申请、支付流程等操作，实现在一个应用中通过集成多个服务的MCP Server来完成复杂业务，前提是MCP授权及安全有保证，且MCP具有广泛的应用场景。
5.2 技术限制
当然，MCP还处于发展初期，不可避免存在很多问题及缺陷，具体表现在：
应用范围受限
MCP Server大部分以本地库方式执行，很大比例的MCP Server依赖于浏览器等外部工具，通常是以Desktop App + MCP方式执行，更适合个人Assistant。企业应用一般在云端执行，这在一定程度限制了MCP的应用。
行业标准支持
当前在数据连接和交互领域有众多标准在竞争，MCP协议只是其中之一，要想成为行业通用标准面临很大挑战。目前MCP主要依托Anthropic的Claude生态，缺少核心厂商的支持，但也看到像OpenAI，以及阿里、腾讯也在积极拥抱MCP。
对协议本质的质疑
MCP本质上更像是 FunctionCall与Proxy 的组合，在这个角度上来看，MCP只是对于Agent执行外部工具和访问外部资源做了规范，并未在更大范围内实现标准化。许多人质疑其是否能够称之为一个真正的协议。
安全风险
MCP Server本地部署，被Host使用后将直接获得Host OS的访问权限，不安全的MCP Server将可能成为漏洞跳板。此外，不可信的MCP Server通过各种攻击手段也带来了诸多安全挑战。
例如：开发一个 MCP Sever 用来实现加法操作，同时在其中放入恶意的 Prompt，要求 LLM 读取用户当前的工作路径。那么在其执行时就会读取用户工作目录和文件。
