MCP 协议指南 2026：将 AI 连接到任何数据源

MCP 协议：AI 集成的通用标准

发布日期：2026 年 1 月 21 日

每个人工智能代理都面临着同样的问题：他们擅长推理，但对你的数据视而不见。 MCP（模型上下文协议）通过创建一种用于人工智能与工具通信的通用语言来解决这个问题。

如果您曾经在分散的 API 集成、自定义连接器方面遇到困难，或者想知道如何让您的 AI 访问数据库、文件或内部工具，那么 MCP 就是您的答案。

要点

• MCP 是一种开放协议，它标准化了 AI 模型如何连接到外部数据源和工具 - 想想“AI 的 USB-C”。
• Anthropic、OpenAI、Google 和 Microsoft 都支持 MCP，使其成为事实上的行业标准。
• 2025 年，GitHub 上启动了超过 13,000 个 MCP 服务器，涵盖从数据库到 Slack 到自定义 API 的所有内容。
• 构建 MCP 服务器只需不到 100 行代码，该协议可处理身份验证、功能协商和错误处理。
• 安全性要求用户明确同意所有操作 - MCP 不授予全面访问权限。

什么是模型上下文协议？

模型上下文协议（MCP）是 Anthropic 于 2024 年 11 月推出的开放标准。它为 AI 系统提供了一个通用接口：

• 从文件、数据库和 API 读取数据
• 通过定义的工具执行功能
• 使用模板和工作流程处理上下文提示

在 MCP 之前，每个 AI 集成都是自定义作业。想要 Claude 访问您的 CRM 吗？构建一个连接器。需要 GPT 来查询您的数据库吗？编写另一个连接器。每个人工智能提供商、每个工具——另一个定制的集成。

MCP 用单一协议取代了这种碎片。为您的数据源构建一台 MCP 服务器，任何兼容 MCP 的 AI 客户端都可以连接。

🔌 MCP 对于 AI 就像 LSP（语言服务器协议）对于代码编辑器一样。一种协议，通用兼容性。

架构：主机、客户端和服务器

MCP 使用简单的客户端-服务器模型，具有三个角色：

text
┌─────────────────────────────────────────────────────────┐
│                       HOST                              │
│  (Claude Desktop, ChatGPT, VS Code, Custom App)        │
│                                                         │
│    ┌──────────┐    ┌──────────┐    ┌──────────┐       │
│    │  CLIENT  │    │  CLIENT  │    │  CLIENT  │       │
│    └────┬─────┘    └────┬─────┘    └────┬─────┘       │
└─────────┼───────────────┼───────────────┼─────────────┘
          │               │               │
          ▼               ▼               ▼
    ┌──────────┐    ┌──────────┐    ┌──────────┐
    │  SERVER  │    │  SERVER  │    │  SERVER  │
    │ (Files)  │    │ (Database)│   │ (Slack)  │
    └──────────┘    └──────────┘    └──────────┘

主办方

用户与之交互的 LLM 应用程序 - Claude Desktop、ChatGPT、VS Code 扩展或您的自定义 AI 应用程序。主机发起连接并管理用户体验。

客户

主机内的协议连接器。每个客户端都与特定服务器保持 1:1 连接，处理 JSON-RPC 通信。

服务器

向 AI 模型公开功能的服务。服务器可以提供：

• 资源：数据和上下文（文件、数据库记录、API 响应）
• 工具：人工智能可以执行的功能（发送电子邮件、创建票证、查询数据库）
• 提示：预构建的模板和工作流程

构建您的第一个 MCP 服务器

让我们构建一个提供天气数据的简单 MCP 服务器。本示例使用官方 TypeScript SDK。

第 1 步：设置项目

bash
mkdir weather-mcp-server && cd weather-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk zod

第 2 步：创建服务器

typescript
// server.ts
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
  CallToolRequestSchema,
  ListToolsRequestSchema,
} from "@modelcontextprotocol/sdk/types.js";
import { z } from "zod";

// Define the weather tool schema
const GetWeatherSchema = z.object({
  city: z.string().describe("The city to get weather for"),
});

// Create the MCP server
const server = new Server(
  {
    name: "weather-server",
    version: "1.0.0",
  },
  {
    capabilities: {
      tools: {},  // This server provides tools
    },
  }
);

// Handle tool listing requests
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: "get_weather",
        description: "Get current weather for a city",
        inputSchema: {
          type: "object",
          properties: {
            city: { type: "string", description: "City name" },
          },
          required: ["city"],
        },
      },
    ],
  };
});

// Handle tool execution
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "get_weather") {
    const { city } = GetWeatherSchema.parse(request.params.arguments);

    // In production, call a real weather API
    const weather = {
      city,
      temperature: "22°C",
      condition: "Partly cloudy",
      humidity: "65%",
    };

    return {
      content: [
        {
          type: "text",
          text: JSON.stringify(weather, null, 2),
        },
      ],
    };
  }

  throw new Error(`Unknown tool: ${request.params.name}`);
});

// Start the server
async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("Weather MCP server running on stdio");
}

main().catch(console.error);
Collapse

步骤 3：配置 Claude 桌面

将您的服务器添加到 Claude Desktop 的配置文件中：

json
// ~/Library/Application Support/Claude/claude_desktop_config.json (macOS)
// %APPDATA%\Claude\claude_desktop_config.json (Windows)
{
  "mcpServers": {
    "weather": {
      "command": "npx",
      "args": ["ts-node", "/path/to/weather-mcp-server/server.ts"]
    }
  }
}

重新启动Claude Desktop，你现在可以问：“东京的天气怎么样？”

服务器功能深入探讨

MCP 服务器可以提供三种类型的功能：

1. 资源（数据暴露）

资源让 AI 模型无需执行代码即可读取数据。非常适合公开文件、数据库记录或 API 响应。

typescript
server.setRequestHandler(ListResourcesRequestSchema, async () => {
  return {
    resources: [
      {
        uri: "config://app/settings",
        name: "Application Settings",
        mimeType: "application/json",
      },
    ],
  };
});

server.setRequestHandler(ReadResourceRequestSchema, async (request) => {
  if (request.params.uri === "config://app/settings") {
    return {
      contents: [
        {
          uri: request.params.uri,
          mimeType: "application/json",
          text: JSON.stringify({ theme: "dark", language: "en" }),
        },
      ],
    };
  }
});
Collapse

2. 工具（函数执行）

工具让人工智能模型能够采取行动——发送电子邮件、创建记录、触发工作流程。

typescript
// Tool that creates a support ticket
{
  name: "create_ticket",
  description: "Create a support ticket in the system",
  inputSchema: {
    type: "object",
    properties: {
      title: { type: "string" },
      description: { type: "string" },
      priority: { type: "string", enum: ["low", "medium", "high"] },
    },
    required: ["title", "description"],
  },
}

3. 提示（工作流程模板）

提示提供预先构建的对话启动器和工作流程。

typescript
server.setRequestHandler(ListPromptsRequestSchema, async () => {
  return {
    prompts: [
      {
        name: "code_review",
        description: "Template for reviewing code changes",
        arguments: [
          { name: "code", description: "The code to review", required: true },
        ],
      },
    ],
  };
});

客户特征：另一个方向

MCP 不仅仅是服务器到客户端。服务器还可以向客户端请求功能：

采样

服务器可以通过客户端请求 LLM 完成，从而实现递归 AI 交互和代理行为。

typescript
// Server requests an LLM completion from the client
const result = await client.request({
  method: "sampling/createMessage",
  params: {
    messages: [{ role: "user", content: "Summarize this document..." }],
    maxTokens: 500,
  },
});

根源

服务器可以向客户端查询可访问的 URI 边界，这对于了解服务器可以安全访问哪些文件或资源很有用。

启发

服务器可以通过客户端的 UI 向用户请求其他信息，从而实现交互式工作流程。

传输层

MCP支持多种传输机制：

对于大多数本地工具，建议使用 stdio 传输。对于云托管的 MCP 服务器，HTTP 与服务器发送事件 (SSE) 提供了最佳平衡。

2025-2026 MCP 生态系统

行业采用

MCP 在创纪录的时间内从 Anthropic 的内部实验转变为行业标准：

• 2025 年 3 月：OpenAI 在 ChatGPT 产品中采用 MCP
• 2025 年 4 月：Google DeepMind 确认 Gemini 支持
• 2025 年 5 月：Microsoft 和 GitHub 加入 MCP 指导委员会
• 2025 年 11 月：MCP 应用扩展 (SEP-1865) 添加了 UI 功能
• 2025 年 12 月：MCP 捐赠给 Linux 基金会的 Agentic AI 基金会

服务器生态系统

GitHub 上现已存在超过 13,000 个 MCP 服务器：

• 数据库：PostgreSQL、MySQL、MongoDB、Redis
• 生产力：Slack、Notion、Linear、GitHub
• 云：AWS、GCP、Azure 集成
• 文件：本地文件系统、Google Drive、Dropbox
• 自定义：内部 API、专有系统

您可以通过官方 MCP 注册表浏览和安装社区服务器。

安全：关键层

MCP提供强大的能力，但能力需要责任。该协议规定：

用户同意

每个数据访问和工具执行都需要明确的用户批准。没有一揽子权限。

typescript
// Clients MUST show this to users before tool execution
{
  tool: "delete_file",
  arguments: { path: "/important/data.csv" },
  requiresConfirmation: true  // User sees and approves
}

数据隐私

• 在向服务器公开任何用户数据之前获得明确同意
• 无自动数据传输
• 适当的访问控制和审核日志

工具安全

默认情况下，工具描述不受信任。客户应该：

• 向用户清楚地展示工具功能
• 敏感操作需要明确批准
• 记录所有工具调用以供审核

已知的安全问题

安全研究人员已确定需要缓解的风险：

1. 提示注入：恶意输入可能会诱骗人工智能进行意外的工具调用
2. 工具影子：相似的工具可以悄悄地取代可信的工具
3. 权限升级：组合工具可能会泄露数据

缓解：实施严格的工具允许列表、监控工具组合并验证所有输入。

实际实施清单

在生产中部署 MCP 之前：

• 定义范围：您的服务器将公开哪些工具和资源？
• 实施身份验证：对 HTTP 传输使用正确的身份验证
• 建立同意流程：用户必须批准所有敏感操作
• 添加日志记录：跟踪所有工具调用和数据访问
• 使用 MCP Inspector 进行测试：部署前调试和验证
• 文档能力：清晰的描述帮助AI正确使用工具
• 设置速率限制：防止失控的工具调用
• 错误计划：服务器不可用时的优雅降级

2026 年将会发生什么

MCP 路线图包括：

1. 多代理协作：具有专门角色的代理小队（诊断、修复、验证、记录）
2. 增强的 UI 功能：MCP 应用程序扩展支持丰富的交互界面
3. 流资源：实时数据馈送而不是请求-响应
4. 跨平台身份：跨 MCP 服务器的统一身份验证
5. 性能优化：更快的传输和缓存机制

底线

MCP 解决了阻碍 AI 代理的集成问题。您无需为每种 AI 工具组合构建自定义连接器，而是构建一台 MCP 服务器并获得通用兼容性。

该协议已做好生产准备，被广泛采用，并得到各大人工智能提供商的支持。如果您正在构建需要与外部系统（数据库、API、文件或内部工具）交互的 AI 应用程序，MCP 不再是可选的。这是标准。

准备好构建您的第一个 MCP 服务器了吗？ 从 官方文档 和 TypeScript SDK 开始。学习曲线平缓，回报是通用人工智能集成。

相关文章

• Claude AI执行代码：实时Python & Node.js
• 从聊天机器人到人工智能代理：安静的革命
• AI 代理制作指南：避免 3400 美元的错误
• 【智能体AI革命2025：未来已来】(/blog/agentic-ai-revolution-2025)

来源

• MCP规范2025-11-25
• 【人智MCP公告】(https://www.anthropic.com/news/model-context-protocol)
• MCP GitHub 存储库
• 【MCP一年：2025回顾】(https://www.pento.ai/blog/a-year-of-mcp-2025-review)
• MCP安全分析-Zenity