MCP：AI 时代的工具接口标准？

点击下方“JavaEdge”，选择“设为星标”

第一时间关注技术干货！

免责声明~ 任何文章不要过度深思！ 万事万物都经不起审视，因为世上没有同样的成长环境，也没有同样的认知水平，更「没有适用于所有人的解决方案」； 不要急着评判文章列出的观点，只需代入其中，适度审视一番自己即可，能「跳脱出来从外人的角度看看现在的自己处在什么样的阶段」才不为俗人。 怎么想、怎么做，全在乎自己「不断实践中寻找适合自己的大道」

0 前言

自从 OpenAI 在 2023 年推出函数调用（Function Calling），我一直思考，咋能真正解锁 AI Agent与工具的生态系统。随基础模型越来越智能，AI Agent与外部工具、数据和 API 的交互方式却变得越来越碎片化——开发者需针对每一个系统单独编写业务逻辑，让Agent能够适配不同环境。

1 标准化

显然，我们需要一个标准化的接口来执行任务、获取数据并调用工具。在互联网时代，API 让不同软件之间可以相互通信，成为了软件的通用语言。但对 AI 模型，目前还缺这样的标准。

2024 年 11 月，**模型上下文协议（Model Context Protocol，MCP）**发布，迅速引起关注，被认为可能成为这一问题的解决方案。本文探讨：

• MCP 是什么？

• 它如何改变 AI 与工具的交互方式？

• 开发者已经用 MCP 构建了哪些应用？

• MCP 仍然面临哪些挑战？

MCP 是一种开放协议，旨在让不同系统能够为 AI 模型提供可泛化的上下文信息。它规定了AI Agent如何调用外部工具、获取数据，并与服务交互。

Resend MCP 服务器可以同时与多个 MCP 客户端交互，使其具备邮件发送能力。MCP 灵感源于语言服务器协议（LSP，Language Server Protocol）。在 LSP 中，当用户在代码编辑器中输入时，客户端会向语言服务器请求自动补全建议或代码诊断。

MCP进一步拓展，采用面向 AI Agent的执行模式：

• LSP 主要是被动的，只会在 IDE 发请求时提供反馈

• MCP 则支持 AI Agent自主决策，可以基于上下文信息选择合适的工具，并决定调用顺序，实现复杂任务的自动化

• MCP 还支持“人类参与（human-in-the-loop）”，允许人在关键节点提供额外信息或批准操作

如有够多的 MCP 服务器，用户就能将任何 MCP 客户端变成“万能应用”。

3.1 Cursor

作为一个代码编辑器，同时也是高质量 MCP 客户端。安装不同 MCP 服务器，可变身为：

• Slack 客户端（连接 Slack MCP 服务器）

• 邮件发送工具（连接 Resend MCP 服务器）

• AI 图像生成器（连接 Replicate MCP 服务器）

更强大的，用户可组合多个 MCP 服务器，解锁新应用场景。如Cursor中，用户可：

• 使用前端 UI 生成 MCP 服务器，自动创建网页界面

• 让 AI Agent调用图像生成 MCP 服务器，为网页自动生成一张配图

这种跨工具协作的能力，正是 MCP 带来突破。

4 核心应用方向 4.1 面向开发者的工作流优化

对开发者，MCP 一大价值是减少切换工具的时间。

开发者的痛点

★ “我不想为做某个任务而离开 IDE。” ”

MCP 服务器正满足需求，如：

• Postgres MCP 服务器→ 让开发者直接在 IDE 里执行 SQL 查询，而无需打开数据库管理界面

• Upstash MCP 服务器→ 让开发者在 IDE 里管理缓存索引

• Browsertools MCP 服务器→ 让代码Agent访问浏览器控制台日志，辅助调试

MCP 还能帮助 AI Agent动态获取代码相关的上下文，如：

• 爬取网页内容，为Agent提供实时信息

• 通过 API 自动生成 MCP 服务器，让 AI Agent能直接访问工具，而无需手动集成

即开发者可更少写模板代码，更多专注于业务逻辑。

4.2 全新的 AI 交互体验

尽管 MCP 目前在开发者社区最受欢迎，但它的潜力远不限于技术领域。如：

• Claude Desktop→ 让非技术用户也能轻松使用 MCP 服务器，如营销文案生成、设计、客服等任务

• Highlight MCP 客户端→ 允许用户通过 @ 命令调用 MCP 服务器，将生成内容直接输入到任何应用

• Blender MCP 服务器→ 让不会建模的用户，通过自然语言描述 3D 模型，AI Agent自动生成对应的图像或动画

社区还正在开发适用于 Unity 和 Unreal Engine 的 MCP 服务器，AI 生成 3D 内容的流程正在变得越来越完善。

5 MCP现状

MCP生态仍处早期阶段，主要趋势：

• 高质量的 MCP 客户端仍以开发工具为主，但未来会有更多面向商业场景客户端

• 大多数 MCP 服务器是本地优先（local-first）的，未来可能会向远程 MCP 服务器扩展

• MCP 市场和托管解决方案正在兴起，如 Mintlify 的 MCP 市场、Smithery 和 OpenTools，让开发者可以更容易发现和共享 MCP 服务器

目前MCP服务器主要1对1，未来需支持多个用户同时访问，尤其SaaS场景。

6.2 身份验证（Authentication）

MCP 目前没有标准的身份验证机制，开发者需要自己实现 OAuth 或 API 令牌管理

6.3 权限管理（Authorization）

MCP 目前的权限是基于会话的，未来需要更细粒度的访问控制。

6.4 网关（Gateway）

未来 MCP 可能需要一个集中式网关，类似 API 网关，管理身份验证、授权、流量控制等功能

6.5 MCP 服务器发现与注册机制

MCP 服务器目前需要手动配置，未来可能会有一个类似 npm 或 RapidAPI 的 MCP 服务器注册中心，让 AI Agent自动发现并集成工具。

7 MCP未来：AI Agent的 API 标准？

MCP目前像2010时的 API 生态——新颖但仍处早期阶段。若MCP 成为 AI Agent的标准接口，会咋样？

• 工具竞争力将取决于 AI Agent能否发现并调用它，而不仅是 API 设计是否优秀。

• 定价模式可能改变，AI Agent可能会动态选择最便宜、最快、最相关的工具，而不是仅仅依赖市场占有率。

• 文档将变得至关重要，因为 AI Agent需要机器可读的格式来理解 MCP 服务器的功能。

• API 将不再是终点，开发者需要围绕具体场景构建 MCP 服务器，而不是简单地开放 API 端点。

MCP正在重塑 AI Agent生态，但它的未来取决于开发者如何解决当前的基础问题。如果一切顺利，MCP 可能会成为AI Agent调用工具的默认接口，解锁全新的自主、多模态、深度集成的 AI 体验。

本文已收录在Github Java-Interview-Tutorial，关注我，紧跟本系列专栏文章，咱们下篇再续！

• 魔都架构师 | 全网30W+技术追随者

• 大厂分布式系统/数据中台实战专家

• 主导交易系统亿级流量调优 & 车联网平台架构

• AIGC应用开发先行者 | 区块链落地实践者

• 以技术驱动创新，我们的征途是改变世界！

• 实战干货：编程严选网

关注我，紧跟本系列专栏文章，咱们下篇再续！

加我好友，一起AI探索交流：