1. MCP 的動機與背景

核心概念：模型的能力很大程度上取決於其接收到的上下文信息。

演進路徑：從早期 Chatbot 需要手動輸入所有上下文，發展到模型能夠直接連接數據源和工具，從而實現更強大、更個性化的 AI 應用。

MCP 的目標：作為一個開放協議，旨在實現 AI 應用、Agent 與各種工具、數據源之間的無縫集成。

圖1: AI 上下文能力演進示意圖

2. MCP 的類比與構成

類比 API: 如同 API 標準化了 Web 應用前後端的交互。

類比 LSP (Language Server Protocol): 如同 LSP 標準化了 IDE 與編程語言工具的交互。

MCP 定義了 AI 應用與外部能力交互的標準方式，主要包含三個核心接口。

圖2: MCP 類比與三大核心接口

接口 1: Prompts (提示)

控制方：「用戶」 👤

預定義的模板，由用戶手動觸發，用於常見的、可預測的交互模式。

例如：文檔問答模板、代碼總結模板。

接口 2: Tools (工具)

控制方：「模型」 🧠

模型 (LLM) 可以根據需要自主決定何時調用這些工具來完成任務。

例如：檢索數據、發送郵件、更新數據庫。

接口 3: Resources (資源)

控制方：「應用」 🖼️

應用控制的數據源，應用可以靈活決定何時以及如何使用這些數據。

例如：圖片、文本文件、JSON 數據、即時數據流。

3. MCP 解決的問題：碎片化

當前痛點：不同團隊、不同應用構建 AI 系統的方式各異，導致嚴重的碎片化和重複開發。

MCP 的願景：標準化 AI 開發流程。應用開發者只需兼容 MCP，即可零成本連接到任何支持 MCP 的 Server。

• MCP Server (服務器端): 封裝各種系統和工具 (數據庫、CRM、API、版本控制等)，為 LLM 提供標準訪問接口。
• MCP Clients (客戶端): 需要上下文和工具能力的 AI 應用 (如 Cursor, Windsurf, Goose 等)。

圖3: MCP 如何解決集成碎片化問題

4. MCP 的核心價值

• 應用開發者 👨‍💻: 一次兼容，處處連接。應用可無縫接入任何 MCP Server，無需定製開發。
• 工具/API 提供者 🛠️: 構建一次 MCP Server，即可被眾多 AI 應用集成和使用。
• 最終用戶 😊: 獲得功能更強大、上下文感知能力更強的 AI 應用體驗。
• 企業 🏢: 明確團隊職責（如基礎設施團隊維護 Server，應用團隊專注應用），加速 AI 落地。

圖4: MCP 為生態系統帶來的價值

5. MCP 採用情況

已在多個領域獲得關注和採用：

• AI 應用/IDE: Github, 文檔站點等。
• MCP Server: 社區已構建超千個 Server，Cloudflare、Stripe 等公司提供官方集成。
• 開源社區：貢獻活躍。

圖5: MCP 生態採用概覽

6. 構建 MCP 應用

MCP Client (客戶端):

• 調用 Tool 執行操作。
• 查詢 Resource 獲取數據。
• 填充 Prompt 模板與用戶交互。

MCP Server (服務器端):

• 暴露 Tool、Resource 和 Prompt 供 Client 使用。

7. Tool, Resource, Prompt 詳解

圖7: MCP 三大接口詳解

Tool (模型控制)

• LLM 自主決定調用時機。
• 用途：檢索/發送數據、更新數據庫、寫文件、執行代碼等。

Resource (應用控制)

• 應用決定如何使用。
• 內容：圖片、文本、JSON、結構化數據等。
• 支持靜態和動態資源。
• 支持資源變更通知 (Server 可主動通知 Client 更新)。

Prompt (用戶控制)

• 用戶手動選擇並觸發。
• 用途：定義常用交互模板，簡化用戶操作。

8. MCP 與 Agent 的關係

MCP 是 Agent 的基礎協議。

增強型 LLM (Augmented LLM): 指 LLM 與檢索系統、工具、記憶等外部組件的結合。MCP 正是提供了 LLM 與這些組件交互的標準化方式。

Agent 核心循環： Agent 本質上是在一個循環中運行的 Augmented LLM，不斷執行任務、調用工具 (通過 MCP)、分析結果、規劃下一步。

MCP 的作用：賦予 Agent 可擴展性，使其能在運行時動態發現和使用新的能力 (通過連接不同的 MCP Server)。

圖8: MCP 在 Agent 運行循環中的作用

9. mcp-agent 框架 (by LastMile AI)

展示瞭如何利用 MCP 構建 Agent 系統。

• 提供一套構建 Agent 的組件 (Agent, Task)。
• 簡化 Agent 構建過程，讓開發者專注於 Agent 核心邏輯。
• 通過聲明式方式定義 Agent 任務及其可用的 MCP Server 和 Tool。

圖9: mcp-agent 框架簡化 Agent 開發

10. Agent 協議能力

Sampling (推斷請求)

MCP Server 可以請求 Client (應用) 執行 LLM 推理調用，Server 無需自己集成 LLM。

Composability (可組合性)

任何應用或 API 都可以同時作為 MCP Client 和 MCP Server，實現能力的嵌套和組合。

11. MCP 路線圖

• 遠程服務器與 Auth: 支持 OAuth 2.0 認證，Server 負責處理認證流程。實現遠程託管的 Server，無需用戶手動安裝和配置。通過 Session Token 實現 Client 和 Server 的安全交互。
• 註冊表 (Registry): 統一託管的元數據服務，用於發現和管理 MCP Server。解決 Server 的發現和發佈問題。支持版本控制、身份驗證、安全驗證等功能。
• 開發者體驗 & 生態: 強調提升開發者體驗和完善文檔。

圖11: MCP 未來發展路線圖