如果你最近在关注 AI 工具,一定绕不开 MCP(Model Context Protocol,模型上下文协议) 这个词。它被讨论得很热,但很多人其实没搞清它到底解决什么问题。这篇文章用一个生活化的类比 + 最小实践,帮你 10 分钟建立正确认知。

一、一句话理解 MCP
MCP 是一个让 AI 应用标准化地连接外部工具和数据源的协议。
打个比方:在 MCP 之前,每个 AI 应用要连接一个外部服务(数据库、文件系统、某个 API),都得单独写一套对接代码——就像每个电器都要配一个专属插座。MCP 想做的是那个统一插座标准:工具方按 MCP 暴露能力,AI 应用按 MCP 调用,双方不用再两两适配。
二、它解决的核心痛点是”重复造轮子”
在没有统一协议的世界里:
- 你有一堆工具(文件系统、数据库、搜索、内部 API)。
- 你有一堆 AI 应用(不同厂商的助手、IDE、平台)。
- 每加一个工具 × 每加一个应用,就要多写一次对接。
结果就是 N × M 的对接成本。MCP 把这件事变成 N + M:工具实现一次 MCP Server,应用实现一次 MCP Client,之后任意组合。
三、MCP 的三个核心概念
| 概念 | 是什么 | 类比 |
|---|---|---|
| MCP Server | 把某种能力暴露出来的服务端 | USB 设备 |
| MCP Client | 调用这些能力的 AI 应用 | 电脑主机 |
| Resources / Tools / Prompts | MCP 暴露的三类能力 | 读数据 / 执行动作 / 预设模板 |
- Resources(资源):可读取的数据,比如文件内容、数据库记录。
- Tools(工具):可执行的动作,比如发请求、写文件、查天气。
- Prompts(提示模板):预置的提示词,方便复用。
四、一次最小实践:把文件系统接进 AI
以最常见的”让 AI 读写本地文件”为例,流程通常是:
- 找到或运行一个 MCP Server:很多常见能力(文件系统、Git、数据库)都有现成的开源 MCP Server。
- 在 AI 应用的配置里声明这个 Server:告诉应用”有这么个能力可用”,通常是一段配置(命令 + 参数)。
- 在对话里使用:AI 就能通过这个 Server 读取文件、执行操作。
配置的形态大同小异,核心是告诉应用:用什么方式启动这个 Server。
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/你的/允许访问的/目录"]
}
}
}
⚠️ 安全提醒:MCP Server 让 AI 获得了真实操作能力(读写文件、调接口)。只接入可信的 Server,并限制其可访问范围(如上例中只授权特定目录)。
五、MCP 为什么重要
- 降低集成成本:工具方和应用方解耦,生态能快速扩张。
- 能力标准化:同一个 Server 能被不同 AI 应用复用。
- 可组合:多个 Server 可以一起用,让 AI 同时拥有多类能力。
- 可治理:企业可以自建 MCP Server,把内部能力安全地开放给 AI。
六、什么时候你该关心 MCP
- 你在开发 AI 应用,要连接多种外部系统 → MCP 能帮你省下大量适配工作。
- 你在使用 AI 工具,想扩展它的能力 → 找对应的 MCP Server 接上即可。
- 你在企业里推 AI 落地 → MCP 是统一能力接入、做权限治理的好抓手。
结语
MCP 不神秘,本质就是**AI 世界的”统一接口标准”**。理解了”Client / Server + 三类能力”这个框架,你就能看懂绝大多数 MCP 相关的文章与配置。建议动手接一个文件系统的 MCP Server 体验一下,比读十篇文章都直观。
需要具体场景的接入建议,欢迎 联系我们。