原理

MCP(Model Context Protocol（模型上下文协议）)是由Anthropic开发的一个标准化协议，用于让AI模型和应用程序与外部系统进行安全、高效的通信。

MCP 采用”主机-客户端-服务端”的三层架构

组件 核心职责 典型示例
MCP 主机端（Host） 发起请求的”需求方”，即需要调用外部资源的 AI 应用或程序，负责整合模型输出与外部工具结果 Claude 桌面应用、AI 开发 IDE（如 VS Code 插件）、企业内部 AI 助手系统
MCP 客户端（Client） 协议的”传输中介”，与服务端建立一对一专属连接，负责将主机端的请求标准化，同时将服务端的响应解析后返回主机端 遵循 MCP 协议开发的轻量级客户端程序、嵌入 AI 应用的协议模块
MCP 服务端（Server） 提供具体功能的”资源方”，通过 MCP 协议暴露特定能力，接收标准化请求后执行操作并返回结果 实时数据查询服务器、文件解析服务、第三方工具 API 适配服务（如地图、支付工具）

mcp之前

每个AI应用有自己的工具实现方式

  • OpenAI 方式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 开发者需要为 OpenAI 编写
functions = [
    {
        "name": "get_weather",
        "description": "获取天气信息",
        "parameters": {
            "type": "object",
            "properties": {
                "location": {"type": "string"}
            }
        }
    }
]

# 每次调用 API 都要传递
response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[...],
    functions=functions  # 每次都要定义
)
  • Claude 方式（Anthropic）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 开发者需要为 Claude 编写不同的格式
tools = [
    {
        "name": "get_weather",
        "description": "获取天气信息",
        "input_schema": {  # 注意：叫 input_schema，不是 parameters
            "type": "object",
            "properties": {
                "location": {"type": "string"}
            }
        }
    }
]

response = anthropic.messages.create(
    model="claude-3",
    messages=[...],
    tools=tools  # 不同的参数名
)

即用户前端用自然语言与AI交互：告诉我今天的天气情况。AI通过调用api拿到json格式的天气信息，整理后返还给用户。问题在于不同AI应用的代码配置不一样

mcp的解决方案

以github为例，它只需要开发一个mcp服务器@modelcontextprotocol/server-github​

1
2
3
4
5
6
7
8
9
10
11
12
// @modelcontextprotocol/server-github
// 这个服务器可以被任何 AI 使用

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  switch (request.params.name) {
    case "create_issue":
      return await github.createIssue(request.params.arguments);
    case "create_pr":
      return await github.createPR(request.params.arguments);
    // ... 其他工具
  }
});

在任何支持mcp的AI中，配置都相同

1
2
3
4
5
6
7
8
{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"]
    }
  }
}

在Cursor+github-mcp方案中，各自的角色扮演如下：

  • Host

Cursor IDE

用户通过聊天框与 AI(claude) 交互，claude 决定将要调用的 github 工具

  • Client

Cursor内置MCP模块

读取mcp.json​配置文件，建立与Github MCP服务器的连接，并将AI对工具的请求（从mcpServers​列表里匹配）转换为JSON-RPC​格式：

1
{"jsonrpc": "2.0", "method": "tools/call", "params": {"name": "get_me"}}

发送请求，接受服务端响应并格式化为MCP 响应(JSON-RPC 响应格式)

  • Server

GitHub MCP Server：https://api.githubcopilot.com​

根据请求调用对应的API，并返回数据

因此，可以直接在 cmd 里调远程api，mcp里面的配置只是在辅助拼凑这种命令(id用于让Host 知道 Server 返回的 Response 对应的是哪一个 Request)

1
echo {"jsonrpc": "2.0", "method": "tools/call", "params": {"name": "search_repositories", "arguments": {"query": "user:Q7h2q9"}}, "id": 2} | cmd /c "npx -y @modelcontextprotocol/server-github"

应用

关于Github-MCP

有本地和远程服务器两种方案，各自的配置如下：（可能会有冲突）

本地(Stdio)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
"github.com/modelcontextprotocol/servers/tree/main/src/github": {
  "command": "cmd",
  "args": [
    "/c",
    "npx",
    "-y",
    "@modelcontextprotocol/server-github"
  ],
  "env": {
    "GITHUB_PERSONAL_ACCESS_TOKEN": "token"
  },
  "disabled": false,
  "autoApprove": []
}

远程(SSE)

1
2
3
4
5
6
7
"github_remote": {
  "url": "https://api.githubcopilot.com/mcp/",
  "headers": {
    "Authorization": "token"
  },
  "disabled": false
}

browser_tools-MCP

主要是获取浏览界面信息(截图)、控制台输出、网络请求、调试等日志信息，不能执行控制台命令。 感觉用来读文章、翻译会好一些

项目地址：https://github.com/AgentDeskAI/browser-tools-mcp

AI读取调用插件api获取浏览器界面信息，处理后返还给客户

浏览器安装插件

v1.2.0 BrowserToolsMCP Chrome Extension

mcp配置

1
2
3
4
5
6
7
8
9
10
11
12
13
"browser_tools_mcp": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@agentdeskai/browser-tools-mcp@latest"
      ],
      "env": {
        "SCREENSHOT_PATH": "D:\\AI\\mcp\\Chrome-BrowserTools\\save_file" //自定义截屏图片存储地址
      },
      "disabled": false
    }

运行：

1
npx @agentdeskai/browser-tools-server@latest

总结

MCP 的三大能力要素是Resources (资源)、Prompts (提示词模板)、Tools(工具）

架构采用 Host-Client-Server 三端架构

参考资料

大语言模型实战（八）——MCP（Model Context Protocol）：AI 与外部世界交互的标准化协议 - 技术栈

一个mcp聚合网站：Smithery - Turn scattered context into skills for AI

‍