MCP 协议详解：agent 接外部世界的标准插头

📍 Agent 通用知识

适用信息

• 适合谁：进阶（做 agent 产品、想自己写 MCP server 的人）
• 需要准备：只读概念不用装东西；动手写 server 要装 Python 3.10 以上；接进 Claude Code 还要装好 Claude Code，需要 Claude 付费订阅或 API；也可以接 DeepSeek，见这篇
• 中国大陆能否直接用：读概念、写 server 能；接进 Claude Code 这一步不能直接用：Anthropic 不向中国大陆提供服务。可以让 Claude Code 接 DeepSeek，或者把 server 接进同样支持 MCP 的 TraeCode
• 核对日期：2026-09-26（MCP 规范 2026-07-28 版、Python SDK 2.2.0、Claude Code 2.1.283）

这一篇换个视角

「Claude Code 进阶」板块的 MCP（外部服务连接器） 那篇，讲的是「Claude Code 用户怎么装一个 MCP」—— 从应用层视角。

这一篇换协议设计者视角讲：

• MCP 协议本身长啥样
• 为啥需要它（不能每个工具自己写 Tool Use 吗？）
• 三个角色 + 两层协议
• 跨工具支持现状（Claude / ChatGPT / Cursor / Cline / VS Code / TraeCode / 扣子 / n8n 都支持）
• 自己写一个 MCP server（Python 十来行）
• MCP Registry：数以万计的 server 条目

适合做 agent 产品 / 想自己搭 MCP server / 想理解为啥 2025 年所有 AI 工具突然都支持 MCP 的人。

---

一句话先答

MCP = AI agent 圈的 USB-C。

它把「LLM 怎么调外部工具」这件事，从「每家自己一套」改成了「一套标准，大家都用」。

结果就是：你写一个 MCP server，Claude Code / Cursor / TraeCode 全都能直接接，不用为每家单独适配。

---

时间线：从 Anthropic 内部协议到 Linux Foundation 标准

时间	事件
2024-11	Anthropic 发布 MCP，作为 Claude Desktop 的工具接入协议
2025-03	2025-03-26 版规范：加入基于 OAuth 2.1（第三方授权）的授权框架，用 Streamable HTTP 取代旧的 HTTP+SSE 远程传输
2025-03 至 04	OpenAI、Google 等大厂相继表态支持
2025-06	2025-06-18 版规范：修订授权规范，新增 elicitation（server 向用户补问信息）
2025-09	MCP Registry 上线，到 2026 年初已有约 2000 个 server
2025-11	2025-11-25 版规范：以实验功能加入 async tasks（异步任务），sampling（server 借 client 的模型做推理）开始支持工具调用（server 侧 agent 化）
2025-12	Anthropic 把 MCP 捐给 Linux 基金会旗下新成立的 Agentic AI Foundation（AAIF），移交中立开源治理
2026-01	MCP Apps 成为第一个官方扩展 —— server 能返回可交互的 HTML 界面，不只是文字
2026-07	2026-07-28 版规范（现行版本，2025-11-25 之后改动最大的一版）：协议改成无状态（去掉初始化握手和会话），Tasks 移出核心协议、变成官方扩展，新增多轮往返请求（MRTR），Sampling、Roots（可访问目录）、Logging（日志推送）进入弃用期；官方 Python SDK 同一天升到 2.0

到 2026 年 9 月，MCP 已经是事实上的 AI agent 工具协议，不再属于任何一家公司。

---

为啥需要 MCP？（不能用各家 Tool Use 吗？）

没 MCP 的世界

你做了一个 GitHub 操作工具，想给 LLM 用。有 MCP 之前，你要这样做：

• 为 Claude 写一份 Anthropic Tool Use JSON
• 为 OpenAI 写一份 OpenAI Function Calling JSON
• 为 Gemini 写一份 Google Function Calling
• 为 Cursor 写一个 Cursor 插件
• 为 VS Code 写一个 VS Code extension
• 为 Slack bot 写一个 Slack app
• …

每家协议不一样，工具被绑死在用它的 app 上。

有 MCP 的世界

你写一个 MCP server，所有支持 MCP 的客户端直接能用：

• Claude Desktop / Claude Code
• ChatGPT（开发者模式）/ OpenAI API（Responses API）
• Cursor / Cline / Continue
• VS Code（GitHub Copilot agent mode）
• TraeCode
• 扣子 / 文心 / 通义
• n8n / Zapier 等工作流平台

截至 2026 年初，已有数百个客户端实现了 MCP（PulseMCP 统计）。

类比：USB 之前，每个外设要自己一套接口(PS/2 鼠标、串口打印机、专用键盘接口);USB 之后，鼠标/键盘/U 盘/麦克风都用 USB，各家电脑都能插。

---

三个角色 + 两层协议

按 MCP 官方架构文档的说法，参与者分三类：Host（宿主应用）、Client（客户端连接）、Server（服务端）；它们之间说话用的协议分两层：数据层和传输层。

1. Host（宿主应用）

跟用户对话的应用。例子：

• Claude Desktop / Claude Code（Anthropic）
• ChatGPT（OpenAI）
• Cursor / TraeCode（IDE）
• Cline / Continue（VS Code 扩展）

Host 的工作：接用户输入 → 调 LLM → 如果 LLM 想用工具，就通过对应的 client 去问 server。

2. Client（客户端连接）

Host 为每个 server 各开一个 client，一对一维持连接。比如 Claude Code 同时连了 GitHub 和数据库两个 server，它里面就有两个 client。平时说「Claude Code 是 MCP 客户端」是口语简化，官方术语里它是 Host。

3. Server（服务端）

真正干活的程序：本地 server 是你电脑上的一个进程，远程 server 跑在服务商那边。一个 server 提供三类核心能力：

• Tools（工具）：LLM 能调的函数，如 create_issue / query_db
• Resources（资源）：LLM 能读的数据，如文件、数据库记录
• Prompts（提示词模板）：预定义的 prompt，LLM 选着用

（常被一起提到的 Sampling 是 client 侧的能力，不是 server 提供的，而且 2026-07-28 版已列为弃用，见后文「进阶能力」。）

两层协议

• 数据层：JSON-RPC 2.0（一种「远程喊函数」的消息格式），规定消息长什么样、有哪些方法（tools/list、tools/call 等）
• 传输层：本地用 stdio（标准输入输出），远程用 Streamable HTTP（它取代了早期的 HTTP+SSE，后者已列为弃用）

简化版例子（client 调 server）：

{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "create_issue",
    "arguments": {
      "title": "Bug",
      "body": "页面崩了"
    }
  },
  "id": 1
}

Server 返回：

{
  "jsonrpc": "2.0",
  "result": {
    "content": [{"type": "text", "text": "Issue #42 已创建"}]
  },
  "id": 1
}

任何符合这个协议的双方都能通信，跟用什么编程语言无关。

（这是简化版。按 2026-07-28 版规范，每个请求的 params 里还要带 _meta（写明协议版本、client 能力等），返回的结果也要带 resultType 字段；新版 SDK 仍兼容旧的握手式连接。这些细节交给 SDK 处理就行，自己写 server 用不着手拼。）

---

跨工具支持现状

到 2026 年 9 月，几乎所有主流 AI 工具都接入了 MCP：

客户端	平台	MCP 支持
Claude Desktop	Anthropic 桌面	✅ 原生（第一个支持的）
Claude Code	Anthropic 编程助手	✅ 原生
ChatGPT / OpenAI API	OpenAI	✅ 原生（Responses API 能直连远程 MCP server；ChatGPT 的开发者模式能把远程 MCP server 加成 app）
Cursor	AI IDE	✅ 原生
TraeCode	字节 AI IDE（原名 Trae IDE，2026-08 起归入豆包体系）	✅ 原生（国内版也支持）
Cline	VS Code 扩展	✅ 原生
Continue	VS Code 扩展	✅ 原生
VS Code GitHub Copilot	Microsoft	✅ 2025-07 起正式支持（1.102 版）
其他 OpenAI 兼容客户端	各家	看客户端自己有没有内置 MCP；只兼容 Chat Completions 接口的国内代理，用不上 Responses API 的 MCP 工具
n8n / Zapier	工作流平台	✅ 原生节点
扣子 Coze	字节 Agent 平台（团队 2026-08 并入豆包体系）	✅ 原生

这意味着：你写一个 MCP server，就开放给上面所有平台用（ChatGPT 这类网页端只能连公网上的远程 server，你电脑上的本地 server 它连不到）。

---

自己写一个 MCP server（Python 十来行）

最快的方式 —— 用 MCPServer（官方 Python SDK 里的高层框架，1.x 版本时叫 FastMCP）。

先建一个虚拟环境（venv，把这个项目的 Python 包和系统隔开），再装官方 SDK（要求 Python 3.10 以上）。

macOS / Linux 用下面这段（命令叫 python3，不是 python）。先跑一下 python3 --version：要 3.10 以上；macOS 自带的是 3.9，不够用，先到 python.org 装新版。

python3 -m venv .venv
.venv/bin/pip install mcp

Windows（PowerShell）用下面这段：

python -m venv .venv
.venv\Scripts\pip install mcp

⚠️ pip install mcp 现在装到的是 2.x：2.0 在 2026-07-28 随新版协议发布，截至 2026-09-26 最新是 2.2.0。2.x 把 FastMCP 改名成了 MCPServer，网上很多旧教程里的 from mcp.server.fastmcp import FastMCP，在 2.x 下安装能成功，一运行就报 ModuleNotFoundError。想照旧教程跑，就改装 1.x：把上面命令里的 mcp 换成 "mcp<2"，比如 .venv/bin/pip install "mcp<2"。

写一个 my_server.py：

from mcp.server.mcpserver import MCPServer

mcp = MCPServer("我的服务器")

@mcp.tool()
def add(a: int, b: int) -> int:
    """把两个数加起来"""
    return a + b

@mcp.tool()
def get_weather(city: str) -> str:
    """查询某个城市当前天气"""
    # 这里可以调真实天气 API
    return f"{city} 今天 18 度，晴"

if __name__ == "__main__":
    mcp.run()

就这样，完事。

• @mcp.tool() 装饰器：自动从函数签名生成工具 schema（参数格式说明：参数类型、必填项、描述）
• 不用手写 JSON Schema
• 不用手写 JSON-RPC handler

这段代码在 mcp 2.2.0 下实测过：连上以后能列出 add、get_weather 两个工具，调用 add(2, 3) 返回 5。

先验一验（可选）：这种 stdio 型 server，直接 python my_server.py 跑起来只会安静地等输入，什么都不显示，新手容易以为卡死了。其实这一步不需要，Claude Code 会自己把它拉起来。想先确认它能用，就用官方调试器 MCP Inspector（需要 Node.js 22.19 以上）：

npx @modelcontextprotocol/inspector .venv/bin/python my_server.py

按终端提示打开本地网页，就能看到两个工具，还能点着试调用。（Windows 把 .venv/bin/python 换成 .venv\Scripts\python.exe。）

然后在 Claude Code 里接它（一行命令）。命令里写虚拟环境里 python 的完整路径，保证用的是装了 mcp 的那个 Python，否则 server 会连不上。

macOS / Linux 用下面这行，/path/to 换成 my_server.py 所在目录的完整路径：

claude mcp add --transport stdio my-server -- /path/to/.venv/bin/python /path/to/my_server.py

Windows（PowerShell）用下面这行，C:\path\to 同样换成 my_server.py 所在目录的完整路径：

claude mcp add --transport stdio my-server -- C:\path\to\.venv\Scripts\python.exe C:\path\to\my_server.py

（想跟团队共享的话，也可以把配置写进项目根目录的 .mcp.json——细节见Claude Code 怎么用 MCP那篇。）

装完重开 Claude Code，你的两个工具（add / get_weather）就出现了，LLM 能自己调；打 /mcp 能看到 my-server 的连接状态。

💡 TypeScript / Go / Java / C# / Rust 等也都有官方 SDK，跟 Python 的 MCPServer 概念一样。

---

MCP Registry：工具生态

MCP Registry 是官方维护的 server 目录，2025-09 上线，2026 年初还只有约 2000 个 server，现在已经数以万计：2026-09-26 用官方接口按最新版统计约 3.6 万条。条目数不等于高质量 server，里面有不少重复或测试性质的发布，挑的时候要看是谁维护的。

主要分类（部分示例）：

类别	示例 server
代码 / 开发	github / gitlab / npm / brave-search
数据库	postgres / mysql / sqlite / redis
聊天 / 通信	slack / discord / telegram / gmail
云服务	aws / cloudflare / vercel
文件 / 内容	filesystem / fetch / google-drive
浏览器自动化	playwright / puppeteer / browserbase
媒体	youtube-dl / spotify / imagemagick
知识库	obsidian / notion / linear

注意：表里 github、gitlab、postgres、sqlite、redis、slack、google-drive、puppeteer、brave-search 这些名字，早年都有官方参考实现，现在已经归档停更。优先装厂商官方维护的版本，比如 GitHub 官方的 github-mcp-server、Brave 官方的 @brave/brave-search-mcp-server；数据库可以用 DBHub（见 MCP 那篇的推荐表）。

装一个 MCP 流程：

1. 上官方 MCP Registry 或 PulseMCP 浏览；国内能直连的中文入口是 魔搭 MCP 广场
2. 看到喜欢的，复制它的安装命令
3. 用 claude mcp add 装上（或把配置粘进项目的 .mcp.json / Claude Desktop 配置）
4. 重启 Claude Code → 工具立刻可用

这跟「Chrome 插件市场」一个体验。

---

MCP vs Tool Use：什么时候用哪个

先说清楚：两者不是替代关系。MCP 负责把工具接进来，宿主应用把各个 server 的工具汇总后，模型最后还是通过自家的 Tool Use（工具调用）接口去调。所以真正的选择是「工具直接写在自己的程序里」还是「打包成 MCP server」：

维度	Tool Use API	MCP
绑定	跟具体 LLM 厂商绑死（Anthropic / OpenAI 各一套）	跨 LLM、跨客户端通用
协议层	通过 LLM API 请求直接传	独立的 server 通过 JSON-RPC 通信
复用	工具被绑在你的应用里	server 装一次，所有客户端都能用
进程模型	工具跟应用同进程	本地 server 是独立进程（Python / Node / Go 写的都行），远程 server 通过网络访问
何时用	单 app、内部工具、跟特定 LLM 深度集成	多 app 共用、第三方分享、长期生态

实操建议：

• 快速原型：直接 Tool Use（少一层）
• 正式产品 / 跨工具：走 MCP（标准化、好维护）
• 跨团队共享：必须 MCP（每个团队装一次配置）

---

进阶能力：elicitation / tasks（sampling 已弃用）

除了基本的工具调用，MCP 还有几个进阶能力，让 server 能干更复杂的事。2026-07-28 版规范对它们做了调整，下面按现在的状态讲：

Elicitation（中途反问用户）

server 中途反问用户：「我需要更多信息，请提供 X」，client 弹窗让用户填。

适用：多步任务（订机票：「请确认日期 / 座位 / 餐食」）。

2026-07-28 版里它改走「多轮往返请求」（MRTR）：server 先返回一个「还缺信息」（input_required）的结果，client 问完用户，带着答案把原请求重发一遍。

Tasks（异步任务，现在是官方扩展）

之前：调用 → 立即返回。 现在：调用 → 拿一个 task 句柄 → 后续轮询结果。

适用场景：长任务（比如「跑测试套件」「批量处理 1000 个文件」）—— 不用占住 LLM 一直等。

它在 2025-11-25 版以实验功能加入，2026-07-28 版移出了核心协议，变成官方扩展 io.modelcontextprotocol/tasks。扩展是可选的，用之前要看你的 client 和 server 支不支持。

Server 自己跑 agent 循环

server 内部可以自己跑 ReAct 循环，client 不用管中间步骤。

适用：复杂 agent（server 自己是一个小 agent，跑完了再回主 client）。

现在推荐的做法是 server 直接调模型厂商的 API 来跑这个循环。早年也有人借 client 的 Sampling 来实现（2025-11-25 版起 sampling 还能带工具调用），这条路已经跟着 Sampling 一起弃用。

了解即可：Sampling（已弃用）

反向调用：server 主动让 client 帮它跑一次 LLM 推理，好处是 server 不用自己接模型 API 和 key。2026-07-28 版规范把 Sampling（连同 Roots、Logging）列为弃用：弃用期内还能用（原则上至少保留 12 个月），但官方明确说新实现应该直接调模型厂商的 API。

---

一句话总结

MCP 干了三件事：

1. 统一协议：LLM 调工具不再各家一套
2. 生态分离：server 是独立程序 + 独立生命周期，跟 client 解耦
3. 跨工具共用：写一次 server，所有支持 MCP 的客户端都能用

对个人开发者：写个 MCP server，可能比写 SaaS（在线订阅软件）起步更快。 对 agent 产品：不接 MCP 等于在 USB 时代还在用串口。 对企业：企业内部自建的 MCP server，会变成所有内部 AI 应用共用的「统一接口入口」（类似 API 网关）。

---

延伸阅读

• 看 Claude Code 用户视角的 MCP → MCP（外部服务连接器）：给 Claude 接上外部工具