一、概述
MCP（Model Context Protocol，模型上下文协议）是 Anthropic 于 2024 年 11 月推出的开放标准，旨在为大型语言模型（LLMs）提供建立一套安全、标准化的通信协议，以便连接和调用外部数据源和工具。从而让 AI 从“只会回答”升级为“能执行操作”的行动助手。
二、引言
目前，各大 LLM 平台（如 Deepseek、ChatGPT、Claude）普遍支持 Function Calling，允许模型在需要时调用特定函数（如访问网络、查询数据库等）来扩展能力。然而，不同平台的 Function Call API 存在实现差异，导致开发者在切换平台时需要重新适配，增加了开发成本。
如下图所示（LLM Model与function的调用过程）：
MCP的核心是对大模型调用外部工具建立一个标准化流程。MCP基于 Function Calling，进一步定义了从请求构建、发送、执行到结果返回的标准化流程。通过 MCP，模型可以以统一方式与各种外部工具和数据源交互，极大提升了跨平台兼容性和 AI 应用开发效率。
三、MCP架构
MCP 遵循客户端-服务器架构，角色主要包含三部分：
- MCP Host
运行 LLM（如 Claude、Deepseek、Ollama）的实体节点，如果使用的LLM为线上模型，可以忽略这部分。
- MCP Client
运行着与大模型对话的客户端（可能会使用工具）叫做MCP Client。其与 MCP Server 保持 1:1 连接，负责解析模型请求，如果使用工具会将请求转发到对应 MCP Server。
- MCP Server
实际运行外部工具（如访问文件系统、发送邮件、查询日历）的服务端叫做MCP Server。负责处理请求并将结果返回给 Client。
- Resources（资源）：只读数据，如本地文件、数据库记录、知识库内容等。
- Tools（工具）：可执行的函数，如发送邮件、运行代码、调用第三方 API 等。
- Prompts（提示）：预定义的工作流模板，用于引导模型完成特定任务（如代码生成、报告撰写）。
MCP Cilent与MCP Server之间有两种通信机制：Stdio（标准输入/输出）和SSE(Server-Sent-Event，服务器发送事件)，两种机制介绍如下：
- Stdio（标准输入/输出）：当服务器和客户端同时运行在本机时，可以使用Stdio机制。
- SSE(Server-Sent-Event)：当服务器部署在远程服务器上，客户端通过HTTP 请求发送消息使用这种方式。
例如：查询天气流程
- 用户在 Host 中提问：“今天天津天气如何？”
- Host 解析用户意图，通过 MCP Client 发送标准化的 JSON-RPC 请求。
- Client 将请求路由到对应的天气 MCP Server。
- Server 执行查询，并将结构化的天气数据返回给 Client。
- Client 将结果传回 Host，模型整合信息后生成自然语言回答给用户。
四、技术实现与工作流程
MCP 的技术实现主要依赖于标准化的通信协议和动态发现机制：
- 标准化通信：MCP 基于 JSON-RPC 2.0 协议进行通信。无论是本地通信（通过标准输入输出 stdio）还是远程通信（基于 HTTP 的 SSE 长连接），所有的请求和响应都遵循统一的 JSON 消息格式，确保了交互的规范性。
- 动态发现机制：这是 MCP 的核心创新。MCP Client 可以主动查询 MCP Server 提供的工具列表（list_tools()），Server 会返回工具的元数据（名称、参数、描述）。当 Server 新增工具时，还能主动通知 Client 刷新列表。这意味着 AI 可以实时集成新工具，无需预先编写适配代码。
五、MCP的优势
MCP 的出现解决了传统 AI 应用开发中的核心痛点：
- 解决不同模型集成难题：在传统模式下，m 个模型对接 n 个工具需要 m×n 次定制开发。MCP 将其简化为 m+n 次实现（每个模型和每个工具只需实现一次 MCP 协议），即可实现全互联，大幅降低了集成成本。
- 安全与权限控制：MCP 内置了权限控制、沙箱和认证机制。默认情况下 Server 在本地运行，高风险操作（如删除文件）需要用户手动授权，有效避免了模型越权访问敏感数据。
- 可扩展性：通过统一的协议，AI 应用可以“即插即用”地接入各种数据库、API 和本地服务，生态得以快速扩展。
目前，MCP 已获得 OpenAI、Google、微软、百度、阿里、腾讯等主流厂商的支持，正成为构建下一代 AI Agent 的核心基础设施。
六、LLM通用mcp server开发
eg：以查询天气为例
from typing import Any import httpx from dotenv import load_dotenv from mcp.server.fastmcp import FastMCP import os # 初始化 FastMCP server mcp = FastMCP("weather") # 加载 .env 文件中的环境变量 load_dotenv() # 获取环境变量 OPEN_WEATHER_API_KEY = os.getenv("OPEN_WEATHER_API_KEY") async def make_openweather_request(url: str) -> dict[str, Any] | None: """向 OpenWeather API 发出 GET 请求，处理错误并返回 JSON 响应。""" async with httpx.AsyncClient() as client: try: response = await client.get(url, timeout=30.0) response.raise_for_status() return response.json() except Exception: return None @mcp.tool() async def get_weather(city: str) -> str: """ 获取指定城市的当前天气情况。 Args: city: 城市名称，必须是英文格式，比如 London 或 Beijing Returns: 格式化后的天气报告字符串。 """ base_url = "http://api.openweathermap.org/data/2.5/weather" params = { "q": city, "appid": OPEN_WEATHER_API_KEY, "units": "metric", "lang": "zh_cn" } query = "&".join(f"{k}={v}" for k, v in params.items()) url = f"{base_url}?{query}" data = await make_openweather_request(url) print(f"data:{data}") if not data or data.get("cod") == 404: return "未找到该城市的天气信息。" try: main = data["main"] weather = data["weather"][0] wind = data["wind"] # 提取天气主要信息 weather_description = weather.get("description", "无描述") #天气描述 temperature = main.get("temp") #当前温度 feels_like = main.get("feels_like") #体感温度 temp_min = main.get("temp_min") #最低温度 temp_max = main.get("temp_max") #最高温度 pressure = main.get("pressure") #气压 humidity = main.get("humidity") #湿度 sea_level = main.get("sea_level", "未知") #海平面气压 grnd_level = main.get("grnd_level", "未知") #地面气压 wind_speed = wind.get("speed") #风速 # 生成天气报告 weather_report = f""" 城市: {data.get('name', '未知')} 天气描述: {weather_description.capitalize()} 当前温度: {temperature}°C 体感温度: {feels_like}°C 最低温度: {temp_min}°C 最高温度: {temp_max}°C 气压: {pressure} hPa 湿度: {humidity}% 海平面气压: {sea_level} hPa 地面气压: {grnd_level} hPa 风速: {wind_speed} m/s """.strip() return weather_report except Exception as e: return f"处理天气数据时出错：{e}" if __name__ == "__main__": mcp.run(transport="stdio")注意：@mcp.tool()是 FastMCP 框架中的一个装饰器，用于将 Python 函数注册为 MCP（Model Context Protocol）工具。对应方法中注释很重要，LLM会通过该注释理解该工具的功能和用法。
