AI——MCP详解

前言

MCP 是用来实现Agent 与 Tools(工具) 的交互

Agent 需要调用外部工具和API、访问数据库、执行代码等。

JAVA + Spring AI + LangChain + LangChain4J + MCP = AI 智能落地项目

MCP能干什么？

对于程序员来说

举例 1：开发部署

开发者通过自然语言指令 “部署新版本到测试环境”，触发 MCP 链式调用 GitLab API（代码合并）、Jenkins API（构建镜像）、Slack API（通知团队）。

举例 2：SQL 查询

开发者通过自然语言输入，比如 “查询某集团部门上个季度销售额”，就能查询出数据库的数据，并结合大模型进行回答，不再需要编写 SQL，MCP 自动转换为精准 SQL 语句并执行。

对于大众用户来说

举例 1：旅游规划

当我要去旅行时，旅行规划助手通过 MCP 同时调用天气 API（获取目的地气象）、交通 API（查询航班动态）、地图 API（规划路线），AI 自动生成带实时数据的行程方案。

举例 2：联网搜索

我们在与 LLM（大语言模型）交互时，经常需要联网搜索最新信息以减少幻觉。然而，这里也存在问题：

1. 并非所有聊天机器人都支持联网功能

2. 即使支持联网，也可能不包含你习惯使用的搜索引擎。

MCP是什么？

MCP（Model Context Protocol，模型上下文协议） 是 2024 年 11 月底由 Anthropic 推出的一种开放标准。

它的核心目标是：为大语言模型（LLM）提供统一、标准化的通信方式，让模型能够与外部数据源和工具进行高效交互。

MCP作为一种标准化协议，极大地简化了大预言模型与外部世界的交互方式，使开发者能够以统一的方式为AI应用添加各种能力。

程序员如何使用MCP？

MCP 应用场景 📊

MCP 的通信机制

根据 MCP 的规范，当前支持两种通信机制（传输方式）：

• stdio（标准输入输出）：主要用在本地服务上，操作你本地的软件或者本地的文件。比如 Blender 这种就只能用 Stdio，因为它没有在线服务。（MCP 默认通信方式）

• SSE（Server-Sent Events）：主要用在远程通信服务上，这个服务本身就有在线的 API，比如访问你的谷歌邮件、天气情况等。

MCP 的通信机制：stdio 方式

✅ 优点

• 适用场景明确：适用于客户端与服务器在同一台机器上运行的场景，实现简单。

• 无网络依赖：无需依赖外部网络，通信速度快，适合需要快速响应的本地应用。

• 高可靠性与易调试：可靠性高，且调试过程相对便捷。

❌ 缺点

• 配置复杂度高：需要提前完成准备工作，包括安装所需的命令行工具。

• 单进程限制：为单进程通信模式，无法并行处理多个客户端请求；同时进程资源开销较大，不适合在本地运行大量服务，限制了其在复杂分布式场景中的使用。

MCP 的通信机制：SSE 方式

🎯 适用场景

• 跨物理位置通信：适用于客户端与服务器部署在不同物理位置的远程场景。

• 实时数据类场景：适合实时数据更新、消息推送、轻量级监控、实时日志流等需求。

• 分布式 / 远程部署：在分布式系统或远程服务部署场景下，基于 HTTP 的 SSE 传输方式更为适配。

✅ 核心优点

• 配置极简：仅需提供服务链接即可完成配置，操作便捷，直接复制链接填入即可使用。

stdio 的本地环境安装

stdio 的本地服务环境分为两类，分别对应不同的技术栈和运行指令：

• Python 编写的服务：对应使用 uvx 指令运行

• TypeScript 编写的服务：对应使用 npx 指令运行

💡 补充说明：

• uvx 是 uv 工具包提供的一次性运行 Python 包的命令，无需全局安装即可直接调用脚本。

• npx 是 Node.js 生态下的工具，用于直接运行 npm 包中的可执行文件，适合 TypeScript/JavaScript 服务。

Python 环境（uvx 方式）

1. 安装 uv（如果未安装）

# 安装 uv（跨平台）
curl -LsSf https://astral.sh/uv/install.sh | sh
# 或 Windows 下
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
# 若已经配置Python环境，可使用以下命令安装
pip install uv

2. 运行 MCP Python 服务

# 用 uvx 直接运行 Python 实现的 MCP 服务
uvx <mcp-python-package-name>

示例：如果服务包名为 mcp-server-python，直接执行 uvx mcp-server-python 即可启动本地 stdio 服务。

🟦 TypeScript 环境（npx 方式）

1. 确保 Node.js 已安装

# 检查 Node.js 版本
node -v
# 如未安装，可从 https://nodejs.org/ 下载 LTS 版本

2. 运行 MCP TypeScript 服务

# 用 npx 直接运行 TypeScript/JS 实现的 MCP 服务
npx <mcp-typescript-package-name>

示例：如果服务包名为 @modelcontextprotocol/server-typescript，执行 npx @modelcontextprotocol/server-typescript 即可启动。

💡 关键区别

📌 配置到 MCP 客户端

以 Claude Desktop 为例，在 claude_desktop_config.json 中添加：

• Python 服务：

{
  "mcpServers": {
    "python-server": {
      "command": "uvx",
      "args": ["<mcp-python-package-name>"]
    }
  }
}

• TypeScript 服务：

{
  "mcpServers": {
    "ts-server": {
      "command": "npx",
      "args": ["<mcp-typescript-package-name>"]
    }
  }
}

MCP的工作原理

MCP的C/S架构

5个核心概念
MCP 遵循客户端-服务器架构（client-server），其中包含以下几个核心概念：
• MCP 主机(MCP Hosts)

• MCP 客户端( MCP Clients ) 

• MCP 服务器( MCP Servers ) 

• 本地资源( Local Resources ) 

• 远程资源( Remote Resources )

MCP的C/S架构原型图

MCP 解析

1. MCP Host

作为运行MCP的主应用程序，例如 Claude Desktop、Cursor、Cline 或 AI 工具。为用户提供与LLM交互的接口，同时集成 MCP Client 以连接 MCP Server。

2. MCP Client

MCP  client充当 LLM 和 MCP Server 之间的桥梁，嵌入在主机程序中，主要负责：

• 接收来自LLM的请求。
• 将请求转发到相应的MCP Server。
• 将MCP Server 的结果返回给LLM。

有哪些常用的 Clients

MCP 官网 ( https://modelcontextprotocol.io/clients ) 列出来一些支持 MCP 的 Clients 。

分为两类：

• AI 编程 IDE ： Cursor 、 Cline 、 Continue 、 Sourcegraph 、 Windsurf 等

• 聊天客户端： Cherry Studio 、 Claude 、 Librechat 、 Chatwise 等

更多的 Client 参考这里：

MCP Clients ： https://www.pulsemcp.com/clients

Awesome MCP Clients ： https://github.com/punkpeye/awesome-mcp-clients/

3. MCP Server

每个 MCP 服务器都提供了一组特定的工具，负责从本地数据或远程服务中检索信息。是MCP架构中的关键组件。

与传统的远程