🔌从0到1带你了解和使用 MCP—AI应用拓展绕不开的协议¶

文档目标

科普当前 AI 模型与应用主流的交互标准协议 MCP（Model Context Protocol）

帮助了解 MCP 与传统 API 之间的区别以及适用场景

指导如何从0到1搭建和使用 MCP 服务，提供其通用思路和具体实践教程

提供目前 MCP 的主流资源，帮助了解其业界的相关生态

阅读受众

对 AI 模型与应用之间的主流交互协议感兴趣，希望了解 MCP 来帮助拓展 AI 应用

想要进一步了解 MCP 的底层以及实践，如与传统 API 的对比、底层架构和使用教程等

1. MCP 简介¶

1.1 什么是 MCP¶

Model Context Protocol（简称 MCP，模型上下文协议）是一种开放的标准化协议，其协议的核心目的：

统一 AI 模型与外部数据源和工具之间的交互方式

简单来说，你可以把 MCP 想象成 AI 领域的 USB-C 接口（如下图生动形象地展示）：

让我们做到使用统一规范对接各种数据源、工具和服务，轻松实现 AI 与外部环境的动态交互

历史 Tips：MCP 最开始是 Anthropic 的一个项目，目的是让 Claude 等模型更容易与工具和数据源交互。

但随着 AI 系统工程迅速发展，它已经迅速发展成为了一个开放标准，越来越多的公司和开发者正在采用。

1.2 MCP 的核心价值¶

这里我们可将 MCP 所带来的核心价值总结为以下：

核心价值	具体作用
统一接口	AI 模型与不同工具和服务通过单一标准连接，无需单独为每个服务编写定制化 API 集成代码
动态发现	AI 模型能够自动发现可用的工具和数据源，而无需对每个工具进行硬编码的知识预设
实时双向通信	支持实时的双向数据交互，模型既可以主动获取数据（pull），也可以触发操作（push）

而我们如果聚焦到具体常见的业务场景上，MCP 带来的好处可总结为以下几点：

开发效率：一次编写，多次集成，无需为每次集成重写自定义代码
技术灵活性：无需复杂的重新配置即可切换 AI 模型或工具
实时响应：MCP 连接保持活跃，实现实时上下文更新和交互
安全性和合规性：内置访问控制和标准化安全实践
可扩展性：随着 AI 生态系统的发展，轻松添加新功能—只需连接另一个 MCP 服务器即可

2. 与传统 API 的对比¶

在 MCP 出现之前，我们通常通过各服务单独提供的API与AI系统交互。

这里我们通过对比传统 API 与 MCP 来帮助我们清晰地理解 MCP 带来的优势，这里我们以"钥匙"为类比：

传统 API 就像建筑物中每扇门都需要不同钥匙

每个 API 都有自己的文档、认证方法和错误处理，同时需要为每个服务编写特定的集成代码（如下图所示）
MCP 就像拥有一把适用于不同系统的万能钥匙

集成一个 MCP 就可能做到访问多个工具和服务，同时支持持久的实时双向通信，既可以检索也可动态触发操作

2.1 特性对比¶

根据上述的描述我们通过几个关键特性来总结下传统 API 和 MCP 的对比情况：

特性	传统 API	MCP
集成工作量	每个服务或数据源需要单独代码	单一标准化集成协议
实时通信	❌（有限的实时能力）	✅ （支持持久的实时双向通信）
动态发现	❌ （需要硬编码知识）	✅（可动态发现可用工具）
可扩展性	需要额外集成	即插即用，轻松扩展
安全与控制	每个 API 各不相同	跨工具一致

2.2 使用对比¶

这里我们也通过列举如下场景来对比使用 API 和 MCP 的区别：

场景	使用 API	使用 MCP
旅行规划助手	为日历、电子邮件、航空公司预订 API 编写单独的代码	通过单一协议检查日历可用性、预订航班并发送确认邮件
高级 IDE	手动与文件系统、版本控制、包管理器集成	通过统一协议连接所有这些，实现更丰富的上下文感知
复杂数据分析	手动管理与数据库和可视化工具的连接	AI 平台通过统一层自主发现并与数据库和可视化工具交互

2.3 适用场景¶

传统 API 适合需要精确控制、可预测性高和性能敏感场景，如关键业务逻辑处理、严格数据流控制和标准化工作流。

而 MCP 则在处理复杂多模态交互、需要上下文理解和自然语言处理的场景中表现优越。

所以在实际应用中，可根据功能需求结合使用两种技术，比如：

让 MCP 处理灵活的用户交互部分，传统 API 负责确定性的核心业务逻辑

3. MCP 的底层架构¶

通过上面提到的图我可以看到：MCP 实际还是采用的典型的客户端-服务器（client-server）架构：

这里我们对上述提到的常见交互要素进行说明：

MCP Host（宿主应用）	需要访问外部数据或工具的应用程序，如 Claude Desktop 或 AI 驱动的 IDE
MCP 客户端	建立与 MCP 服务器的专用连接，负责通信!
MCP 服务器	轻量级服务，暴露具体的功能给 AI 模型，连接本地或远程数据资源
数据源	MCP 服务器访问的本地文件、数据库或远程服务

理解这个架构，我们可以把 MCP 看作 AI 模型与工具（tools）之间的“桥梁”，即：

它本身并不执行具体业务逻辑，而是协调数据流动与指令执行

4. MCP 的实践指南¶

为了帮助理解，接下来我们以从零开始搭建一个简单的 MCP 服务（提供计算器 Tool）并在 AI 工具中进行使用。

4.1 通用实现流程¶

在具体搭建前，我们可以先了解目前集成 MCP 的常见实现流程：

4.2 开发环境准备¶

编程语言：Golang

注：目前mcp 官方 SDK 支持的语言主要是 Python、TypeScript、Java、Kotlin，暂未支持 Golang。

而考虑到服务端同学大部分是使用 Golang 开发，所以后续会使用目前实现 mcp 的主流的第三方库。

MCP Client：Cursor（or Vscode+Client）
其他如终端、用于开发的 IDE 按照开发者的使用习惯选择即可

4.3 搭建 MCP 服务器¶

这里我们使用 golang + mcp-go 来搭建用于提供 MCP 服务的 Server，该 Server 会提供一个简单的计算器 Tool。

#1. 安装 mcp-go

Bash

go get github.com/mark3labs/mcp-go

#2. 初始化 MCP server

Go

package main

import (
    "fmt"

    "github.com/mark3labs/mcp-go/server"
)

func main() {
    // 初始化 MCP server
    s := server.NewMCPServer(
       "Calculator Demo",
       "1.0.0",
       server.WithResourceCapabilities(true, true),
       server.WithLogging(),
    )

    // 启动该 MCP Server
    if err := server.ServeStdio(s); err != nil {
       fmt.Printf("Server error: %v\n", err)
    }
}

#3. 在 MCP 服务中增加计算器 Tool 并实现其逻辑

Go

package main

import (
    "context"
    "fmt"

    "github.com/mark3labs/mcp-go/mcp"
    "github.com/mark3labs/mcp-go/server"
)

func main() {
    // 初始化 MCP server
    // ......

    // 为 MCP server 增加计算器 tool 进行声明
    calculatorTool := mcp.NewTool("calculate",
       mcp.WithDescription("Perform basic arithmetic operations"),
       mcp.WithString("operation",
          mcp.Required(),
          mcp.Description("The operation to perform (add, subtract, multiply, divide)"),
          mcp.Enum("add", "subtract", "multiply", "divide"),
       ),
       mcp.WithNumber("x",
          mcp.Required(),
          mcp.Description("First number"),
       ),
       mcp.WithNumber("y",
          mcp.Required(),
          mcp.Description("Second number"),
       ),
    )

    // 实现计算器 Tool 的具体逻辑
    s.AddTool(calculatorTool, func(ctx context.Context, request mcp.CallToolRequest) (*mcp.CallToolResult, error) {
       op := request.Params.Arguments["operation"].(string)
       x := request.Params.Arguments["x"].(float64)
       y := request.Params.Arguments["y"].(float64)

       var result float64
       switch op {
       case "add":
          result = x + y
       case "subtract":
          result = x - y
       case "multiply":
          result = x * y
       case "divide":
          if y == 0 {
             return mcp.NewToolResultError("Cannot divide by zero"), nil
          }
          result = x / y
       }

       // 将计算结果格式化为保留两位小数的字符串，并返回
       return mcp.NewToolResultText(fmt.Sprintf("%.2f", result)), nil
    })

    // 启动该 MCP Server
    // ....
}

#4. 打包成应用程序方便后续 MCP Client 直接调用

Go

go build -o mcp_server_demo.exe

4.4 MCP Client 调用¶

这里我们以 Cursor 来进行举例，除了 Cursor 之外目前市面上支持 MCP Server 还有 Vscode+Client 较为受欢迎。

⭐️如果想要了解 Cursor 的基本用法和高阶用法，以及适用场景和短板和最佳实践，这里推荐我写的另一篇文档。

最近也了解到字节最新的大模型开发框架 eino（同样也是 Golang 实现）已支持 MCP Tool 调用，读者可自行尝试：

#1. 找到 Cursor 中配置 MCP server 的位置

在首选项中找到 Cursor Settings 点击后，在“Features”中找到“MCP Servers”模块：

注：在 Cursor 的最新版本中，MCP Servers 模块已经放到 Cursor Settings 左侧主要模块中。

#2. 添加一个新的 MCP Server

选择“Add new MCP server”后，将我们刚刚打包好的应用程序的路径添加进去，当指示变绿的时候便可正常使用：

#3. 在 Cursor 中使用 MCP server 提供 Tool

在上面添加好 MCP Server 后，我们就可以在 Cursor 里使用了，这里需要额外注意的是：

只有在 Composer 模式中才会调用 MCP 提供的服务，Chat 模式是不会默认调用的

在 Composer 对话框中我们输入“计算 12312321+43241234231 ”，便可在输出中观测到调用 mcp tool 的过程：

注意：由于目前模型基本上都能支持较为简单的运算，所以若不指定 mcp tool，则会直接计算得到结果，

所以这里为了方便演示 mcp tool 的调用过程，这里在输出的指令中强调了需要使用我们所提供的 mcp tool。

5. MCP 相关资源¶

5.1 官方 Wiki¶

首先要提的就是 MCP 官方的 Wiki，包含相关介绍和发展以及面对不同开发者的教程和案例等，非常值得一看：

https://modelcontextprotocol.io/introduction

5.2 主流市场和导航¶

这里列举一些市面上使用人数较多且比较好用的 MCP 市场或导航站点，方便大家直接使用或了解：

名称&地址	简述
Glama.ai	来自开源 awesome-mcp-servers，目前已有将近 9.8k 的 stars 数。无论是语言还是应用场景，分类齐全，收录数量也是比较多的
Smithery.ai	界面直观清晰，交互体验较好每个 MCP Server 都有不同客户端使用的示例和说明
MCP.so	号称最大的 MCP 服务器集合导航，目前共收录将近 2.8k 个 Server
MCP.composio	该市场较为特别的点在于可直接生成对应 MCP 的 SSE URL：做到立即连接到完全托管的 MCP 服务器使用，具有内置身份验证和无缝可扩展性
Pulse Mcp	目前共收录了 1.6k 个Server，提供较多 Use Cases，方便用户了解如何使用

5.3 MCP Client¶

除了前面提前的 AI 应用 Cursor 和 Clien 能作为 MCP Client 支持 MCP Server 的直接调用外，还有比如：

Windsurf
Claude 客户端
Witsyai
Enconvo、Glama 等

而且目前也有部分 AI 应用开发框架也是支持的，如 eino、spinai 等。相信 AI 应用支持 MCP 协议也会是大势所趋。

6. 总结¶

MCP 提供了一种统一和标准化的方式，将 AI 代理与外部工具和数据源集成。它不仅仅是另一个 API；它是一个连接框架，能够实现智能、动态和富含上下文的 AI 应用。且随着 MCP 生态系统的发展，我们可能会看到更多支持该协议的付费 MCP 服务器和客户端软件。MCP 采用的趋势已经很明显，值得投入时间学习和实施这项技术。

MCP 也是 AI 集成领域的一次重要变革，它简化了 AI 模型与外部工具间的交互，极大降低了开发门槛和维护复杂性。然而需要注意的是，MCP 更适合需要灵活性和实时响应的场景，而传统 API 在追求明确性和精确控制的场景中仍然有其优势。

通过本文的理论介绍与实践步骤，你已经掌握了 MCP 的基础知识和实际开发方法，下一步可以尝试更多复杂的工具开发与集成实践，进一步探索 MCP 在实际项目中的强大价值。

7. 参考¶

https://norahsakal.com/blog/mcp-vs-api-model-context-protocol-explained/

https://mp.weixin.qq.com/s/y4f-TiK7kOe_vK2sh7It8A

https://www.panziye.com/ai/15769.html