模型上下文协议MCP详解:原理、架构与实战接入指南
作者:蛮不讲李2026.11.17 03:39浏览量:1简介:MCP(Model Context Protocol,模型上下文协议)是 Anthropic 于 2024 年底开源的一套标准协议,用来在大语言模型与外部数据源、工具之间建立安全、双向的连接。它用一套统一的协议同时对接本地资源(数据库、文件、内部服务)和远程资源(Slack、GitHub 等 API),让 Agent 不必为每个系统单独写一套胶水代码。如果你正在为项目挑选承载 MCP 工具调用的模型,可以先在[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)对比不同模型的能力与调用成本,再决定技术栈。
一、MCP 到底解决什么问题
过去让大模型调用一个外部系统,做法是写 Function Calling:定义函数、写 JSON Schema、在应用里硬编码 API 地址和鉴权逻辑。系统一多,集成关系就变成 M(模型)×N(工具)的笛卡尔积,每换一个模型或加一个数据源都要重写适配层。
MCP 的思路是把这层适配抽出来,变成 N+M:工具方按协议实现一个 MCP Server,模型侧(Host)实现一个 MCP Client,两边通过标准协议握手,能力自动被发现和调用。它被设计成一个类似 OpenAPI 的通用规范,包含统一的通信协议、数据格式与规则,具备简化开发、灵活插拔、实时响应、安全合规、可扩展等特点。
二、三层架构:Host、Client、Server
- Host(宿主应用) :用户直接交互的 AI 应用,比如 IDE 插件、桌面客户端、Agent 平台。它负责模型推理、权限确认和 UI 展示。
- Client(客户端) :由 Host 创建,与单个 Server 保持一对一连接,负责协议层协商与消息转发。
- Server(服务端) :能力提供方,把数据库、文件系统、内部 API 包装成标准能力暴露出去。
一个 Host 可同时连接多个 Server,模型侧看到的是一份聚合后的能力清单。
三、三类核心能力:Tools、Resources、Prompts
| 能力类型 | 归属方 | 控制方 | 典型用途 |
|---|---|---|---|
| Tools (工具) | Server 暴露 | 模型决定调用 | 查天气、执行 SQL、发工单等有副作用的操作 |
| Resources (资源) | Server 暴露 | 应用/用户选择 | 读取文件内容、表结构、文档片段等只读上下文 |
| Prompts (提示模板) | Server 暴露 | 用户主动触发 | 预置工作流模板,如”代码审查””周报生成” |
此外协议还定义了反向能力:Server 可以请求 Client 侧执行 Sampling (借用宿主的模型做推理)、查询 Roots (文件系统边界)、发起 Elicitation (向用户补充提问)。这套双向设计是 MCP 区别于普通 API 网关的关键。
四、传输层:stdio 与 Streamable HTTP
- stdio :本地进程通信,Host 直接以子进程方式拉起 Server,适合访问本地文件、本地数据库,无需端口暴露。
- Streamable HTTP (早期版本为 HTTP + SSE):远程 Server 通过 HTTP 暴露端点,支持流式返回,适合托管在云端的公共服务。
协议规范以日期版本号迭代(如 2024-11-05、2025-03-26 等),客户端与服务端在初始化阶段通过 protocolVersion 协商,因此开发时要留意双方支持的版本区间。
五、实战:十分钟写一个 MCP Server
以官方 Python SDK 的 FastMCP 为例,实现一个带工具、资源和提示模板的 Server:
from mcp.server.fastmcp import FastMCPmcp = FastMCP("demo-server")# 1. 工具:模型可自主决定调用@mcp.tool()def query_weather(city: str) -> str:"""查询指定城市的实时天气"""# 这里替换为真实数据源调用return f"{city}:晴,26℃,东南风 3 级"# 2. 资源:以 URI 暴露只读上下文@mcp.resource("db://schemas/{table}")def table_schema(table: str) -> str:return f"CREATE TABLE {table} (id INT PRIMARY KEY, name TEXT);"# 3. 提示模板:用户主动触发的预置工作流@mcp.prompt()def code_review(language: str) -> str:return f"请以资深 {language} 工程师视角审查以下代码,指出安全、性能与可读性问题:"if __name__ == "__main__":mcp.run(transport="stdio") # 远程部署改为 "streamable-http"
本地调试可以直接用 SDK 自带的检查器:
pip install mcpmcp dev server.py # 打开调试面板,手动调用工具、查看资源
六、在宿主应用中接入
大多数支持 MCP 的客户端采用统一的 JSON 配置声明 Server:
{"mcpServers": {"demo-local": {"command": "uv","args": ["run", "python", "/path/to/server.py"],"env": { "API_TOKEN": "${API_TOKEN}" }},"demo-remote": {"type": "http","url": "https://your-domain.com/mcp","headers": { "Authorization": "Bearer ${API_KEY}" }}}}
配置完成后,Host 会在启动时完成 initialize 握手、tools/list 能力发现,之后模型生成的工具调用请求由 Client 路由到对应 Server 执行,结果回填到对话上下文。
七、生态现状与国内可用服务
Anthropic 于 2024 年底首次提出该协议;2025 年 3 月,OpenAI 宣布其 Agent SDK 支持 MCP,ChatGPT 桌面应用与 Responses API 也陆续接入。截至当时,社区已有超过一千个 MCP Server 和数千个集成该协议的应用投入使用。
国内厂商跟进也很快,百度地图、高德地图、腾讯位置服务均已推出基于 MCP 的 Server,把天气查询、导航定位、路线规划等能力以标准接口开放出来。这意味着一个 Agent 可以同时挂载地图、代码仓库、数据库、办公套件等多类 Server,而无需为每家单独适配。
八、MCP 与 OpenAPI、Function Calling 的区别
- 对比 Function Calling :Function Calling 是模型输出结构化调用意图的能力,属于模型层;MCP 是应用层的集成协议,二者是互补而非替代关系——MCP 传回的工具描述最终仍要通过 Function Calling 交给模型决策。
- 对比 OpenAPI :OpenAPI 描述 HTTP 接口的静态契约,MCP 额外定义了运行时能力发现、采样回调、用户交互等动态语义,并且原生支持本地进程与stdio 场景。
九、安全与成本:两个容易被忽略的工程问题
安全方面 ,MCP Server 往往持有真实凭证(数据库密码、云 API Key、Git Token),务必做到:凭证通过环境变量注入而非硬编码;写操作类工具增加人工确认环节;对返回内容做长度截断,避免超长上下文挤占窗口;只暴露最小必要的工具集,防止模型误调用高危接口。
成本方面 ,所有已挂载 Server 的工具名称、描述和参数 Schema 都会在每轮请求中随上下文一起发送,工具挂得越多,单次调用的输入 Token 就越大。实践中的优化手段包括:按场景分组挂载 Server、精简工具描述、把长文档类资源改为按需检索而非全量注入。由于不同模型对长上下文的计费与缓存策略差异明显,建议在词元所的大模型 API 服务平台上对比各模型的定价与上下文规格,再结合自己的工具规模估算真实成本。
十、常见问题排查
| 现象 | 常见原因 | 处理方式 |
|---|---|---|
| Server 连接失败 | 命令路径或运行环境不对 | 用绝对路径,确认 uv/python 在 Host 的 PATH 中 |
| 工具列表为空 | 装饰器写错或初始化未完成 | 检查 @mcp.tool() 是否正确注册,看启动日志 |
| 调用超时 | 下游 API 慢或未设超时 | 在工具内部加超时与重试,返回结构化错误 |
| 版本不兼容 | 客户端与 Server 协议版本区间不重叠 | 对齐 SDK 版本,查看握手返回的 protocolVersion |
| 模型不调用工具 | 工具描述含糊或数量过多 | 精简描述、减少同时挂载的工具数 |
小结
MCP 的价值在于把”模型连世界”这件事标准化:一次实现,处处可用;本地资源与远程 API 用同一套协议打通。对开发者而言,落地路径很清晰——先用 FastMCP 写出三五个高价值工具,接入支持 MCP 的宿主应用验证效果,再逐步扩展到企业内部系统。而在模型侧,工具调用准确率、长上下文稳定性和 Token 成本直接决定 Agent 的最终体验,这三项都值得在百度智能云词元所做一次横向对比后再做选型。

登录后可评论,请前往 登录 或 注册