Model Context Protocol（MCP）小白指南，或者，为什么不只是 API？

如果你也和我一样想过：MCP 不就是 API 吗？这篇文章会说明为什么 MCP 对懒惰的开发者很有用。受 Gang Rui 在 Lorong AI 主办的 🎙️ Chop Chop Talk Shop (Chomp Edition): Model Context Protocol 分享启发，我把关键要点整理出来，也顺手写一写终端用户可以怎样使用 MCP。

TLDR

MCP 通过把业务逻辑（Host）和工具执行（Server）解耦，将“要做什么”和“如何去做”分离开来，而 Client 则作为二者之间的标准化桥梁。Host 负责用户交互和 AI 推理，Server 则把能力暴露为可复用接口。通过标准化，MCP 让智能体式 AI 能够在不同系统之间动态发现、编排并组合能力。

问题：开发工作量的组合爆炸

假设我们想在一个服务医院医生的 AI 应用中发送邮件。在 MCP 之前，你需要编写集成逻辑来调用邮件 API、处理响应、把它接到模型上，再粘合业务逻辑。现在想象一下，还要为病人电话中的预约提醒做这件事，以及为电商促销通知等其他应用做这件事，而它们都使用同一个邮件 API。没有 MCP，你就会在多个客户端和使用场景中反复实现同样的集成逻辑。邮件 API 一旦有破坏性变更？希望你喜欢到处重构。😤

MCP ✨ 是集成复杂性这个二次问题的线性解法。它有点像 React 组件之于 UI：模块化、声明式、可组合。

什么是 MCP？

就像 USB-C 消除了对多种线缆和端口的需求，MCP 为 AI 应用与外部工具和数据源沟通提供了一种通用方式。关键组件包括：

💻 MCP Hosts：发起请求并处理用户交互的 AI 应用，例如 Claude Desktop。一个 host 可以通过 client 连接到多个 MCP server。
🔌 MCP Clients：内置于 host 中，负责与 server 交互。每个 client 连接到一个 MCP server。
⚙️ MCP Servers：暴露工具、提示词或资源供 client 使用。

任何人都可以编写自己的 host、client 或 server，也可以直接接入 Smithery.ai 上已有的 4200+ 种能力。

它如何运作

用户启动你的 AI 应用 → 发出请求（例如“提醒某某他的预约”）→ MCP client 检查自己是否有合适的 tool（如 send_email）以及足够的上下文 → 它通过 MCP server 调用该 tool，这个 server 可以是本地运行的小进程（通过 stdio），也可以是远程进程（通过 HTTP Streamable，甚至自定义方式）→ server 处理请求并返回结果 → AI 把结果纳入回复 → 用户看到最终回答。

想了解更多内部机制，可以查看架构规范。

为什么是 MCP？

MCP 强制实现关注点分离，促进可复用性，并大幅简化维护。

魔法：AI 医疗应用示例

在现实世界中，用户需求增长很快，我们需要支持的平台也一样。

假设你正在构建一个 AI 驱动的医疗应用，用邮件、短信和应用内门户消息发送预约提醒。

用 MCP 可以这样组织：

每个平台 1 个 host（例如网页端、移动端）
每个 host 内 3 个 clients - 每个渠道一个：邮件、短信、应用内消息
每个 client 1:1 连接到一个 MCP server，由 server 处理实际逻辑

接下来想支持 WhatsApp？如果已有 server 就直接复用，否则写一个新的 server，它立刻对所有 hosts 可用，不需要重复劳动。

超越 API

与 MCP 相比，API 在两个关键方面有局限：

功能 vs. 架构 - API 在单一应用内部暴露功能。MCP 提供跨应用运作的架构。构建一次，到处使用。
固定 vs. 自适应 - API 使用硬编码触发器。MCP 允许 AI 根据上下文决定使用哪些工具，从而支持灵活、智能的工作流。

MCP 把 API 变成可供智能体调用的能力，让智能体能够在需要时自主推理并组合 API。它的区别，就像调用一个服务和在规模化环境中编排智能、灵活工作流的区别。正如 Web 开发者从静态 HTML 走向可复用组件，MCP 也帮助 AI 工程师从脆弱、固定的集成，走向动态、具备上下文意识、能够实时响应用户需求的智能体软件。🚀

超越 Anthropic

MCP 由 Anthropic 推出，目前在主要大语言模型厂商和社区贡献的支持下快速成长。

OpenAI 在其 Agents SDK 中正式支持 MCP，OpenAI API 和 ChatGPT 桌面应用也即将支持
Microsoft 开发了 MCP 的官方 C# SDK，并把该协议集成进 Copilot Studio、VS Code 的 GitHub Copilot 智能体模式和 Semantic Kernel
GitHub、Slack 和 Cloudflare 等主要平台增加了官方 MCP 连接
已有多种官方语言 SDK：Python（Anthropic）、TypeScript（Anthropic）、Java（Spring AI）、C#（Microsoft）、Kotlin（JetBrains）、Swift（Loopwork AI）和 Rust（Anthropic）
使用 OAuth 2.1 的授权规范已于 3 月 26 日发布

这个生态系统还处在早期，最快试水的方式就是自己把一个 host 接到工具上。

局限与潜力

常见的大语言模型注意事项仍然适用。我安装一些服务器试用时，Obsidian 那个已经失败了。MCP 仍然是实验性的，而且大多仍在本地运行，但我把它看作一种正在浮现的未来蓝图。它是构建真正模块化、递归式、自我扩展的 AI 原生应用所缺失的那块拼图。

开始使用

我发现作为用户，最容易这样试用 MCP：

获取 client：下载 Claude Desktop：claude.ai/download，或任何现有 host。
处理依赖：如果还没有安装 Node.js，先安装。
寻找 servers：浏览 smithery.ai，并使用它帮你完成设置。

你接下来会构建什么？👩🏻‍💻

借助 MCP，我可以把自己的博客写作工作流（目前分散在不同设备上的 Claude、Obsidian 和 ChatGPT 之间）整合成一个单一、连贯的体验，而不是不断切换上下文。

下次当你想再写一个 API 集成时，请记住：MCP 让你写一次，到处用，并把注意力放在真正重要的事上，也就是构建出色的 AI 应用。那么你接下来会构建什么？

Model Context Protocol（MCP）小白指南

Table of Contents