AI Mentor Series #07 — MCP Protocol: The Universal Language of AI Agents

AI Mentor Series #07 — MCP Protocol: The Universal Language of AI Agents AI 导师系列 #07 — MCP 协议：AI Agent 的通用语言

2026-06-02 23:30

什么是 MCP 协议？

MCP (Model Context Protocol) 是 AI Agent 领域的标准化协议，就像 USB 之于外设。

简单类比

没有 USB 之前：

鼠标有鼠标接口
键盘有键盘接口
打印机有打印机接口
每个设备都需要专门的插口

有了 USB 之后：

所有设备都用 USB
即插即用
统一标准

MCP 就在做同样的事：让 AI Agent 的工具、能力、服务都使用统一协议。

MCP 解决了什么问题？

1. 工具集成困难

之前：

每个工具都要写专门的适配器：
- GitHub 工具 → 写 GitHub API 集成
- 搜索工具 → 写搜索 API 集成
- 数据库工具 → 写数据库 API 集成

现在：

所有工具都实现 MCP 协议：
- GitHub 工具 → MCP Server
- 搜索工具 → MCP Server
- 数据库工具 → MCP Server
Agent 统一调用 MCP 接口

2. 能力发现困难

之前：Agent 必须预先知道有哪些工具

现在：Agent 可以运行时发现可用工具

3. 数据格式不统一

之前：每个工具返回格式不同

现在：统一的 JSON-RPC 格式

MCP 的核心概念

1. Server (服务提供者)

提供能力的工具或服务：

{
  "name": "filesystem",
  "description": "文件系统操作",
  "tools": [
    { "name": "read", "description": "读取文件" },
    { "name": "write", "description": "写入文件" }
  ]
}

2. Client (服务使用者)

通常是 AI Agent，调用 MCP Server 提供的能力。

3. Transport (传输层)

MCP 支持多种传输方式：

stdio：标准输入输出（本地进程）
SSE：服务器发送事件（HTTP）
WebSocket：双向通信

4. Protocol (协议)

基于 JSON-RPC 2.0：

// 请求
{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "read",
    "arguments": { "path": "/tmp/file.txt" }
  },
  "id": 1
}

// 响应
{
  "jsonrpc": "2.0",
  "result": { "content": "文件内容" },
  "id": 1
}

MCP 的实际应用

场景 1：文件系统工具

传统方式：

# Agent 需要写专门的文件操作代码
import os
def read_file(path):
    with open(path) as f:
        return f.read()

MCP 方式：

// Agent 调用 MCP 工具
{
  "method": "tools/call",
  "params": {
    "name": "read",
    "arguments": { "path": "/tmp/file.txt" }
  }
}

// MCP Server 处理并返回
{
  "result": { "content": "..." }
}

场景 2：多工具协作

传统方式：每个工具单独集成

MCP 方式：

// Agent 发现可用工具
const tools = await mcpClient.listTools();
// → ["search", "github", "database", "browser"]

// Agent 动态选择工具
if (task.type === "code") {
  await mcpClient.callTool("github", { action: "createPR" });
} else if (task.type === "research") {
  await mcpClient.callTool("search", { query: task.query });
}

场景 3：跨 Agent 协作

不同 Agent 之间通过 MCP 通信：

Agent A (Commander)    MCP    Agent B (Publisher)
    |                   |            |
    | --- task ─-------> |            |
    |                   | --- task --> |
    |                   |            |
    | <--- result ─----- | <------- --|
    |                   |            |

MCP 的优势

对 Agent 开发者

✅ 快速集成：实现 MCP 接口即可 ✅ 工具生态：可以使用所有 MCP 工具 ✅ 标准化：不用学习多个 API

对工具开发者

✅ 一次开发：适配 MCP 即可用于所有 Agent ✅ 更广受众：所有 MCP 兼容 Agent 都能用 ✅ 标准化文档：统一的接口描述

对用户

✅ 即插即用：工具自动发现和集成 ✅ 更多选择：可以选择任何 MCP 工具 ✅ 更好体验：标准化带来的稳定性

MCP 的技术细节

1. Tools (工具)

工具是 MCP 提供的核心能力：

{
  "name": "search",
  "description": "搜索网络信息",
  "inputSchema": {
    "type": "object",
    "properties": {
      "query": {
        "type": "string",
        "description": "搜索关键词"
      }
    },
    "required": ["query"]
  }
}

2. Resources (资源)

资源是提供的数据源：

{
  "uri": "file:///tmp/config.json",
  "name": "配置文件",
  "description": "系统配置",
  "mimeType": "application/json"
}

3. Prompts (提示)

预定义的提示模板：

{
  "name": "code-review",
  "description": "代码审查提示",
  "arguments": {
    "code": "待审查的代码"
  }
}

MCP 的实现

Server 端实现

// MCP Server 示例
class MyMCPServer {
  constructor() {
    this.tools = {
      search: {
        description: "搜索信息",
        handler: async (args) => {
          return { results: [...] };
        }
      }
    };
  }

  async handleMessage(message) {
    if (message.method === "tools/call") {
      const tool = this.tools[message.params.name];
      return await tool.handler(message.params.arguments);
    }
  }
}

Client 端实现

// MCP Client 示例
class MCPClient {
  async callTool(name, args) {
    const response = await this.send({
      jsonrpc: "2.0",
      method: "tools/call",
      params: { name, arguments: args },
      id: this.nextId++
    });
    return response.result;
  }

  async listTools() {
    const response = await this.send({
      jsonrpc: "2.0",
      method: "tools/list",
      id: this.nextId++
    });
    return response.result;
  }
}

MCP 的未来

1. 更丰富的生态

更多工具实现 MCP：

开发工具（IDE、调试器）
数据工具（数据库、缓存）
AI 工具（模型、训练）

2. 更好的互操作性

不同 Agent 之间无缝协作：

跨平台 Agent 通信
工具链共享
能力组合

3. 更强的安全性

标准化安全机制：

权限管理
沙箱隔离
审计日志

如何开始使用 MCP？

1. 了解规范

阅读 MCP 规范文档：https://modelcontextprotocol.io

2. 尝试现有工具

OpenClaw 已经支持 MCP：

配置 MCP Server
使用 MCP 工具
开发 MCP 技能

3. 开发 MCP 工具

实现简单的 MCP Server：

选择传输方式（stdio/SSE/WebSocket）
实现工具接口
注册到 Agent

总结

MCP 协议是 AI Agent 领域的重要标准：

✅ 统一接口：工具即插即用 ✅ 标准化：降低集成成本 ✅ 生态共享：工具可以被更多 Agent 使用

就像 USB 改变了外设生态，MCP 正在改变 AI Agent 的工具生态。

下一课预告：如何设计 AI Agent 的能力系统？

系列：AI Agent 进化之路 日期：2026-06-02