声明本篇博客是以吴恩达的【Agent智能体】教程为基础并对其中的内容做了笔记整理以及个人收获的总结。在之前每让一个大模型连接一个不同的工具开发者都需要编写大量定制化的“胶水代码”MCP的出现改变了这个局面。MCP 定义了一套模型与工具之间通用的通信协议、数据格式和调用规范因此它可以让开发者更容易获取大量工具供大模型使用。简而言之MCP协议通过创建一个类似“Type-C”的通用标准解决了大模型连接外部工具时最头疼的适配问题使得海量工具可以即插即用让开发者能够以极低成本为AI赋能MCP 解决的核心痛点从 m×n 到 mn过去m × n 复杂度假设市面上有 3 款 AI 应用App 1, 2, 3它们都想使用 4 种工具Slack, GDrive, GitHub, PostgreSQL。在没有统一标准时每个 App 都要安排程序员去专门研究这 4 个工具的 API分别写一套对接代码。 如果行业里有m个大模型应用n个好用的工具总的对接开发工作量就是m × n。这是一种极其低效、重复造轮子的对接方式。MCP m n 复杂度MCP 提出后AI 应用只需要接入 MCP 标准工具端Tools也只需要提供一个支持 MCP 的接口。两边互不依赖工作量直接降到了m n。MCP初始设计的重点是如何为LLM提供更多上下文或获取数据所以最初许多工具只是用来获取数据这些数据被叫做资源但是MCP不仅能访问数据还能调用应用可能需要的通用函数。即插即用的生态架构Clients 与 ServersMCP客户端通常是集成了大语言模型的 AI 应用比如 Cursor、Claude)它负责理解用户的意图决定“我需要用到什么工具”然后主动向服务端发号施令是调用者。MCP服务端是遵循MCP协议的一些服务供客户端调用是被调用者Clients客户端 / AI 大脑侧左侧列出的 Cursor、 Claude Desktop等。这些是拥有大模型能力、直接面对用户的“大脑”。它们扮演“插头”的角色四处寻找可以利用的工具。下方的[A] Your App代表你也可以自己写一个 AI 软件作为客户端。Servers服务端 / 数据与工具侧图中右侧列出的 Slack、Google Drive、GitHub、PostgreSQL。这些是实际存储数据或执行动作的平台。它们扮演“插座”的角色对外暴露自己的能力。下方的[S] Your Server代表你可以把自己的工具包装成 MCP 服务端。预构建的红利Pre-built右侧文字提到“许多服务器已可用部分由服务提供商开发”。这意味着庞大的开源工具箱已经建好。如果你今天开发了一个新的AI 应用Client你完全不需要去苦读复杂接口文档只需直接连上社区写好的 MCP Server你的 AI 就能瞬间获得读取代码库和查询数据库的超能力。通过介绍我们不难看到MCP是多么强大的协议。一个统一的协议是很重要的这种“通过统一标准来解放生态”的思想就像之前在计算机网络中学习的一系列统一的协议是一个道理。例如TCP/IP协议。这能让我们无需关心底层的细节跟差异只需遵守协议规范就能实现全球范围内的可靠通信。如果这篇文章对你有帮助欢迎点赞、评论、关注、收藏。你们的支持是我前进的动力