什么是MCP?

一、MCP 是为了解决什么问题而生的？大模型真正的痛点不在“聪不聪明”而在于模型看不到真实系统模型不会用工具模型无法统一接入不同能力多模型时代接口全乱换句话说：模型能“想”，但它不知道“世界长什么样”没有 MCP 的世界（真实写过代码的人都懂）假设你要做一个 Agent：查数据库查知识库调搜索执行代码你会写出这

作者：lh

2026-01-27T20:20:52.579788

一、MCP 是为了解决什么问题而生的？

大模型真正的痛点不在“聪不聪明”

而在于

模型看不到真实系统
模型不会用工具
模型无法统一接入不同能力
多模型时代接口全乱

换句话说：

模型能“想”，但它不知道“世界长什么样”

没有 MCP 的世界（真实写过代码的人都懂）

假设你要做一个 Agent：

查数据库
查知识库
调搜索
执行代码

你会写出这种东西

if model == "openai":
    tool_schema = openai_tools
elif model == "claude":
    tool_schema = claude_tools
elif model == "qwen":
    tool_schema = qwen_tools

结果是：

工具 = 强绑定模型
Agent = 难维护
多模型 = 灾难

MCP 就是在这个背景下诞生的。

二、MCP 的准确定义（不是营销版）

MCP（Model Context Protocol）是一种开放协议，用来标准化： 1）模型如何获取上下文 2）模型如何发现和调用外部能力 3）外部系统如何安全地向模型暴露能力

关键词：
协议 / 标准化 / 解耦 / 上下文

三、用一个类比彻底理解 MCP（非常重要）

MCP = USB-C 接口

世界	类比
模型	电脑
工具 / 数据	外设
MCP	USB-C 协议

你插什么：

鼠标
键盘
显示器

电脑不关心
只要你符合 USB 协议

MCP 对模型也是一样。

四、MCP 的三大核心概念（这是“协议骨架”）

Model
  ↕ MCP
Context / Resources / Tools

三个关键词你必须记住：

Context（上下文）

模型“能看到的世界”

包括但不限于：

文本
文件
数据库
知识库
用户状态
历史任务

重点：

MCP 关心的是 “你怎么把世界描述给模型” 而不是模型本身。

Tools（工具）

模型可以“请求执行”的能力

例如：

搜索
查询数据库
运行代码
调用内部 API

MCP 要求：

明确输入
明确输出
可序列化
可验证

Resources（资源）

介于上下文和工具之间的“可访问对象”

例如：

一个 PDF
一个数据库连接
一个知识库索引

模型：

“我知道你存在，但我必须通过规则访问你”

五、MCP 的整体架构（工程视角）

┌───────────┐
│   Model   │
└─────▲─────┘
      │ MCP 协议
┌─────┴─────┐
│ MCP Client│
└─────▲─────┘
      │
┌─────┴─────────────┐
│   MCP Server(s)   │
│ Tools / Context   │
└───────────────────┘

MCP Server（最重要）

它是能力提供者。

你可以把它理解为：

“给模型用的后端服务”

它做什么？

描述自己有什么能力
提供 schema
返回结果

它不关心你用 GPT、Qwen 还是 Claude。

MCP Client

在 Agent / 应用里
负责：拉取能力列表转发模型请求回传执行结果

Model

模型只看到：

Tool 描述
Context 描述

它根本不知道：

“这是数据库还是 API”

六、MCP 的工作流程（一步一步）

举一个完整例子

目标：

“分析某公司是否值得长期投资”

Step 1：MCP Server 暴露能力

{
  "name": "get_financial_report",
  "input_schema": {
    "ticker": "string"
  }
}

Step 2：MCP Client 把能力告诉模型

模型看到的是：

“我可以调用 get_financial_report”

Step 3：模型决定调用工具

{
  "tool": "get_financial_report",
  "args": {
    "ticker": "AAPL"
  }
}

Step 4：MCP Server 执行并返回

{
  "revenue": "...",
  "profit": "..."
}

Step 5：结果作为 Context 回到模型

模型继续推理、规划、输出。

七、MCP vs Function Calling（重点）

维度	Function Calling	MCP
范围	单模型	跨模型
标准	私有	开放
工具	临时	长期
上下文	弱	强
工程扩展	差	好

一句话总结：

Function Calling 是“模型技能”， MCP 是“模型基础设施”。

八、MCP 在 Agent 系统中的位置

Agent
 ├─ Planner
 ├─ Memory
 ├─ Reasoner
 └─ MCP Client
        ↓
   MCP Servers

Agent 的“手和眼”，就是 MCP。

九、MCP 在真实企业中的价值（不是 PPT）

多团队独立开发 MCP Server
Agent 统一接入
模型可随时替换
工具可复用
权限可控

这是企业级 AI 的标配，不是玩具。

十、最容易误解 MCP 的 5 个点（避坑）

MCP ≠ Agent 框架

MCP ≠ RAG

MCP ≠ Function Calling

MCP 不负责“聪明”

MCP 是 协议层

十一、你接下来怎么学 MCP（真建议）

如果你想 真正掌握：

写一个 最小 MCP Server

用一个 Agent 调它

再接第二个 Server

最后上多模型