MCP协议的角色和功能定位
模型上下文协议（Model Context Protocol, MCP） 是由Anthropic公司（Claude模型的发布方）提出的一种开放协议，旨在标准化大型语言模型（LLM）与外部数据源、工具和服务之间的交互方式。可以将MCP类比为AI应用的“USB-C接口”：通过统一的接口协议，让不同的外部功能模块都能方便地接入LLM，就像各种设备都能通过USB-C连接一样。这种标准化的上下文接入机制解决了以往每新增一个数据源就需定制集成的碎片化问题，从而提升LLM应用的功能性、灵活性和可扩展性。
在LLM系统中，MCP扮演着中间层基础设施的角色：对用户而言，MCP提供了一种简单统一的途径来访问各种外部信息源；对开发者而言，MCP使得将自定义的数据源或功能整合进LLM应用变得更加容易。LLM通过MCP获取所需的 “模型上下文”，即模型运行过程中需要的所有外部知识、数据和工具能力。这些上下文包括：外部数据源（如数据库查询结果、API返回内容、文档知识库等），工具和服务（如计算/查询工具、搜索引擎、第三方应用接口等），以及对话上下文管理（维护多轮对话的历史和状态）。借助MCP，LLM不再“封闭”在自身训练语料之中，而是能够动态调取实时数据、调用外部工具，从而产出更相关和强大的回答。
需要注意的是，MCP并非替代LLM现有的函数调用（Function Calling, FC）机制，而是构建在函数调用能力之上的一个统一协议。换言之，LLM模型本身仍通过标准的函数调用格式来请求使用某个工具或数据源，但MCP规范了这些工具/数据源对外提供服务的方式和接口。因此使用MCP时模型需要具备函数调用能力（如Deepseek，Anthropic Claude或OpenAI GPT-4的函数调用特性），模型输出的函数调用请求将由MCP客户端转发给相应的MCP服务器去执行。相比直接使用各家模型的函数调用接口，MCP提供了一层标准化抽象，让所有开发者可以用统一的协议暴露自己的功能模块，所有应用也可以用统一的协议访问这些功能。这一定位使MCP成为LLM应用生态中的关键基础设施，充当上下文提供者和工具调度者的角色，为构建更复杂的智能体(agent)和工作流奠定了基础。
MCP的技术架构与通信机制
MCP协议的客户端-服务器架构示意图：主机（Host，例如Cherry Studio，Claude桌面应用或IDE）内部包含一个或多个MCP客户端，通过统一的“MCP接口”连接至多个MCP服务器，每个服务器封装对接一种外部资源或工具（如Slack、Gmail、日历、本地文件系统等）。这一架构如同在AI应用中引入一个通用端口，使LLM可以像插拔配件一样灵活地接入不同数据源。
架构组成： MCP遵循典型的主机-客户端-服务器分层架构。其核心部件包括：
- 主机（Host）： 发起并管理MCP连接的AI应用。本质上，主机是希望通过MCP从服务器获取数据和工具支持的应用程序，例如一个智能IDE、对话机器人或Claude桌面客户端。主机负责初始化/销毁客户端，处理用户权限授权，以及对多个来源的上下文进行汇总管理等。
- 客户端（Client）： 位于主机内部，充当主机与某个MCP服务器之间通信的桥梁。每个客户端与单一的MCP服务器保持一对一的长连接，它负责协议消息的路由转发、功能/资源的能力协商，以及订阅管理等任务。客户端确保主机和服务器之间的信息交换清晰、安全且高效。
- 服务器（Server）： MCP服务器是独立的轻量服务进程，封装了一类特定的外部数据源或工具能力，通过标准协议接口供客户端调用。一个服务器可以访问本地或远程的数据资源，提供特定的工具函数，或者返回预定义的提示信息等，以扩充LLM的上下文。例如，可以有连接Gmail的MCP服务器、提供Slack消息检索的服务器，或访问本地文件系统的服务器等。服务器侧往往由第三方开发者实现，部署在用户本地或云端，并通过注册统一的协议来被客户端发现和调用。
- 基础协议层（Base Protocol）： 定义主机、客户端和服务器之间通信交互的规则细节。这包括消息的数据格式、请求-响应的流程管理、连接的生命周期以及传输机制等。基础协议确保不同实现的客户端和服务器只要遵循该规范，就能互相通信而无需定制适配。
除了以上架构角色，MCP还定义了若干重要的概念模块来标准化上下文交互：
- 资源（Resource）： 能提供给LLM的上下文数据。例如，从数据库查询得到的一段记录，或从知识库检索的一段文本，都可作为资源提供给模型，用于丰富其回答。
- 工具（Tool）： MCP服务器对外提供的可调用功能。例如执行算术运算、调用某API服务、执行浏览器操作等ÿ
