模型上下文协议 MCP 入门：让 AI 助手连接你的工具和数据
MCP（Model Context Protocol）是什么、解决什么问题、Server 与 Client 的关系，以及开发者如何用最短路径接入自己的第一个 MCP 服务。
内容复核中：以下为保留的旧稿，不代表本站接入实测；配置、价格与模型信息请以对应产品当前官方文档为准。
MCP（Model Context Protocol，模型上下文协议）是近两年 AI 开发圈的基础设施级标准。这篇用最短的篇幅讲清楚它是什么、为什么重要、怎么上手。
一句话理解
MCP 是 AI 模型与外部工具/数据源之间的标准接口协议。类比：USB 之前，每个外设一个专用接口；MCP 之前，每个 AI 应用对接数据源都要单独开发集成。
┌─────────────┐ MCP 协议 ┌──────────────┐
│ AI 应用 │ ◄──────────────► │ MCP Server │
│ (Claude Code │ │ (文件系统/数据库/ │
│ Cursor 等) │ │ 浏览器/API…) │
└─────────────┘ └──────────────┘解决什么问题
没有 MCP 的世界：想让 AI 助手读你的数据库，就得为每个 AI 应用各写一套插件；换一个应用，全部重来。
有了 MCP：
- 一次开发，处处可用：写一个 MCP Server，所有支持 MCP 的客户端（Claude Code、Cursor、Cherry Studio 等）都能直接用
- 能力标准化：工具调用、资源读取、提示词模板，都有统一的描述方式
- 生态复用：社区已有数千个现成 Server——文件系统、GitHub、数据库、浏览器自动化……大多直接可用
核心概念：三样东西
- MCP Host/Client：AI 应用本体（Claude Code、Cursor 等），负责发起请求
- MCP Server：提供能力的轻量服务，通过 stdio 或 HTTP 与客户端通信
- 能力类型：
- Tools：让模型执行动作（查数据库、发消息）
- Resources：让模型读取数据（文件、配置）
- Prompts：预设的提示词模板
最短路径上手：装一个现成 Server
以 Claude Code 为例，接入官方文件系统 Server：
claude mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem ~/我的项目之后在对话里就可以让 AI 直接操作这个目录下的文件——它自己会调用 Server 提供的工具。
Cursor 的接入在设置 → MCP 面板里添加同样的命令即可。
写一个自己的 Server（Python）
用官方 SDK，几十行代码就能暴露一个自定义工具：
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("my-tools")
@mcp.tool()
def get_weather(city: str) -> str:
"""查询指定城市的天气"""
# 这里调用你的真实数据源
return f"{city}：晴，26°C"
if __name__ == "__main__":
mcp.run()把它注册到客户端后，模型在对话中就能自主决定何时调用这个工具。
实用建议
- 优先用现成的：先搜社区 Server 库，九成需求已有实现
- 最小权限：给 Server 的目录和凭证按需分配，不要用 root 或全量 token
- 工具描述认真写：模型的工具选择决策完全依赖描述文本，含糊的描述 = 错误的调用
- 调试用 Inspector：官方的 MCP Inspector 可以可视化查看 Server 的能力与交互过程
小结
MCP 把「AI 应用 × 数据源」的集成复杂度从 M×N 降到了 M+N，是 Agent 时代的基础协议。对开发者来说，现在是投入学习的好时机——它正在成为简历上的常规技能项。