一篇搞懂 MCP：大模型的USB-C 接口到底是个啥

在2024年以前，若要AI模型读取本地文件或调用外部工具，往往需要编写大量定制化的接口代码，如同2010年手机充电口互不兼容般令人困扰。直到2024年11月，Anthropic发布MCP协议，才为这一困境提供了统一的解决方案。

先讲个故事

在2024年之前，若想让ChatGPT协助读取本地文件，通常需要经历一系列繁琐的步骤：

想要连接数据库？得再编写一套对接逻辑。想要调用飞书文档？又是一轮定制化开发。每个数据源和每个工具都需单独编写胶水代码，而且一旦更换模型（例如从GPT换到Claude），这些胶水代码大概率还需重写。

这本质上与2010年手机充电口的情况如出一辙——每家厂商各搞一套，家里堆满线缆，外出借个充电器都要费尽周折。

随后，Anthropic在2024年11月25日推出了一个关键事物：MCP（Model Context Protocol）。

MCP 是个啥？一句话版本

MCP并非工具、应用、SDK或API，它是一个协议。

它是大模型与外部世界之间的通信协议，仅此而已。

它的目标非常直接：任何一个AI模型，都能用同一种方式访问外部资源和工具。

你可以将其视为AI界的USB-C接口。无论Claude、GPT、Gemini还是国产大模型，只要它们都遵循MCP这套规则，数据源和工具就能实现即插即用。

为什么需要这玩意儿？

谈到此处，先得明确一个概念：Context Engineering（上下文工程）。

Prompt Engineering大家都了解，即通过设计提示词让模型表现更佳。而Context Engineering则更进一步：不是单纯依靠提示词里的有限信息，而是帮助模型将所需的上下文以工程化的方式组织起来。

MCP正是这项工作的基石。

以往大模型回答问题的方式是：用户提问，模型从预训练知识中努力搜索答案。这充其量只能算是聊天机器人。

而现在的发展方向非常明确——让模型能够主动行动：查询最新数据、读取本地文件、调用第三方API、操作日历等。这些外部信息才是让模型从能聊天转变为能干活的关键。

MCP为这一切提供了统一且标准化的通信协议。你无需再为GPT编写一套适配，又为Claude编写另一套，更不必将RAG方案反复拼凑——MCP直接从这个层面解决了问题。

三件套：Host、Client、Server

MCP的架构非常简洁，仅包含三个角色：

1. MCP Host（宿主）

就是你电脑上运行的那个AI应用本身，比如Claude Code、Cursor、Trae、Codex这类LLM客户端。

Host负责接收你的自然语言指令，然后进行推理：嗯，这件事光靠训练数据无法完成，得查询有哪些外部工具和资源可用。

2. MCP Client（客户端）

运行在Host内部，维护着一组MCP Server的连接配置。你可以将每个MCP Server理解为一个插件——高德地图是一个插件，Gmail是一个插件，本地文件系统也是一个插件。

Client的角色类似于中间商：Host提出需求，Client便去对应的Server那里获取。

3. MCP Server（服务端）

真正提供上下文的一方，可以是：

1. 本地文件系统服务，让AI安全读写你指定的目录
2. 数据库服务，让AI直接查询PostgreSQL、SQLite等
3. 第三方SaaS服务，如飞书文档、高德地图、Slack、Gmail等
4. 各种API的封装

Server的职责有两项：（1）明确自己能提供哪些资源和工具；（2）按照MCP协议规范与Client通信。

资源和工具：MCP 的两条腿

MCP Server能为大模型提供的内容分为两类：

资源（Resources）——模型想了解的信息。包括数据库中的数据、API返回的结果、本地文件内容、飞书文档、高德地图上的POI信息等。这些东西被标准化地暴露出来，模型可按需读取。

工具（Tools）——模型想执行的操作。例如创建日历事件、发送邮件、执行命令、远程控制设备。模型不仅能被动读取，还能真正动手操作外部世界。

资源和工具的结合，正是让大模型从空谈转变为实干的关键钥匙。

上手试一下

理论说得再多，不如实际运行一遍。MCP官方提供了一个文件系统服务端，安装过程极为简单：

npm i -g @modelcontextprotocol/server-filesystem

安装完成后，在你的AI客户端（如Claude Code）中配置.mcp.json：

{
  "mcpServers": {
    "filesystem": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "E:/你的工作目录"
      ]
    }
  }
}

配置完成后，你就能直接在对话中让AI协助读写指定目录下的文件。它不会越界访问目录之外的任何内容——安全边界由MCP Server自行定义。

这种体验与以往那种自行编写脚本将文件内容拼凑进提示词的笨拙方案相比，堪称降维打击。

MCP 真正改变的是什么？

如果你仅仅将MCP理解为一个方便连接工具的协议，那只看到了它的一半价值。

它真正具有颠覆性的方面在于：将AI应用架构从提示词加单次回复的模式，推向了模型自主调度外部资源的新阶段。

这被称为Agentic AI（智能体AI）。

过去我们常说AI是缸中之脑，再聪明也只能依靠训练数据中的那点内容。MCP相当于为这个大脑接上了眼睛、耳朵和手。

它看到的已不再只是你的提示词，而是能翻阅你的文件、查询最新数据、调用你授权的服务。随后基于这些实时获取的上下文进行推理和行动。

这不是量变，而是质变。

最后

MCP至今已发展迅猛。从Anthropic主导，到社区涌现出大量第三方Server，应用范围从最初的文件系统和数据库，扩展至地图、邮件、日历、项目管理、云服务等各个领域。

MCP协议实现了AI应用从依赖静态提示词到动态调度外部资源的跨越，真正使模型具备智能体能力。如今，无需再编写繁杂的胶水代码，AI已能像USB-C接口设备一样，灵活连接各类外部工具和数据源。