MCP 协议介绍以及相关资源

MCP 协议介绍以及相关资源

AI
LLM
MCP
其他语言: English
创建时间：2025-04-07
更新时间：2025-04-08
字数：11063
阅读时间：55.31分钟

简单介绍 MCP 协议以及MCP相关的开发资源

什么是 MCP？

MCP 是一个开放协议，它标准化了应用程序如何为大型语言模型（LLM）提供上下文信息。你可以把 MCP 想象成 AI 应用的 USB-C 接口。就像 USB-C 提供了一种标准化的方式来连接你的设备和各种外设和配件一样，MCP 提供了一种标准化的方式来连接 AI 模型和不同的数据源和工具。

简单来说，模型上下文协议 (MCP) 是一种旨在使前沿人工智能模型能够通过访问必要的数据来生成更好、更相关的响应的开放标准。你可以将其想象成一个通用的“连接器”，它可以取代为每个数据源定制开发的繁琐过程，从而提供了一种更具可扩展性和可靠性的方式，为人工智能系统提供它们所需的信息。

开发者可以通过两种主要方式利用 MCP：

  • 通过 MCP 服务器暴露数据：允许数据源以标准化方式与人工智能系统通信。
  • 构建能够连接到这些服务器的人工智能应用程序（MCP 客户端）：使人工智能工具能够轻松访问所需的数据。

MCP 的核心是一个开放的规范，这意味着任何人都可以使用和实施它。这种开放性对于推动更广泛的采用和促进人工智能生态系统内的互操作性至关重要。

MCP 的结构

MCP 遵循一个客户机-服务器架构，其中一个主机应用程序可以连接到多个服务器：

  • MCP 主机：像 Claude 桌面版、IDE 或 AI 工具这样的程序，它们想通过 MCP 访问数据。
  • MCP 客户端：与服务器保持 1:1 连接的协议客户端。
  • MCP 服务器：每个服务器都通过标准化的模型上下文协议公开特定功能的轻量级程序。
  • 本地数据源：你的电脑文件、数据库和 MCP 服务器可以安全访问的服务。
  • 远程服务：通过互联网（例如，通过 API）可以访问的外部系统，MCP 服务器可以连接到这些系统。

MCP 的强大功能

MCP 的核心在于其作为连接人工智能系统和各种数据源的单一、通用且开放标准的特性。这种统一性极大地简化了数据连接的过程，开发者不再需要为每个数据源构建和维护单独的连接器。

更重要的是，MCP 不仅允许人工智能系统访问数据，还支持开发者在其数据存储库和人工智能驱动工具之间建立安全的双向通信。这意味着人工智能不仅可以读取信息，还可能能够与系统进行交互或更新数据，从而实现更复杂的工作流程。

为了使开发者能够轻松上手，MCP 提供了一系列关键组件，包括协议规范和软件开发工具包 (SDKs)。更令人兴奋的是，Claude 桌面应用程序中还内置了本地 MCP 服务器支持，这为开发者提供了一个便捷的测试和集成环境。Anthropic 还开源了一个 MCP 服务器的代码库，鼓励社区共同参与和改进。

此外，MCP 的设计还考虑到了人工智能系统在与不同工具和数据集交互时保持上下文的能力。这对于需要跨多个数据源进行推理和操作的复杂任务至关重要。

MCP 的主要特点和优势

特点/优势描述
通用开放标准提供连接人工智能系统和各种数据源的单一、通用且开放的标准，无需为每个新数据源进行定制集成。
安全双向连接允许开发者在其数据存储库和人工智能驱动工具之间建立安全的双向通信。
简化的架构开发者可以通过 MCP 服务器公开数据，或者构建能够连接到这些服务器的人工智能应用程序（MCP 客户端）。
预构建服务器提供针对 Google Drive、Slack、GitHub 等流行企业系统的预构建 MCP 服务器。
保持上下文旨在帮助人工智能系统在与不同的工具和数据集交互时保持上下文。
增强人工智能能力通过更好地检索相关信息，帮助人工智能系统更深入地理解任务的上下文，从而产生更细致和更实用的输出。
可扩展性通过提供统一的协议，使得连接人工智能系统的扩展变得更加容易。
开发者效率开发者可以基于标准协议进行构建，而无需维护针对每个数据源的单独连接器。

采用 MCP 的优势

采用模型上下文协议 (MCP) 将带来诸多显著的优势：

  • 简化数据连接：无需为每个数据源构建自定义连接，降低了复杂性并提高了互操作性。
  • 更可靠的访问：提供了一种更简单、更可靠的方式来授予人工智能系统访问必要数据的权限。
  • 增强安全性：支持安全双向连接，为各种应用场景提供了保障。
  • 易于扩展：通过提供统一的协议，使得连接更多人工智能系统变得更加容易。
  • 保持上下文：人工智能系统在不同的工具和数据集之间移动时能够保持上下文。
  • 提升人工智能能力：通过更好地检索相关信息，帮助人工智能系统更深入地理解任务的上下文，从而产生更细致和更实用的输出。
  • 促进创新：作为一种开放技术，MCP 促进了人工智能创新中的可访问性、透明性和协作。
  • 提高开发效率：开发者可以基于标准协议进行构建，而无需维护针对每个数据源的单独连接器。

MCP 的实际应用

MCP 的潜力远不止于理论层面，它已经在各种实际应用场景中展现出强大的能力：

  • 连接人工智能助手到各种系统：无论是你的云存储、内部业务工具还是开发环境，MCP 都能实现无缝连接。
  • 提高人工智能响应的质量：通过提供必要的上下文，MCP 能够帮助人工智能模型生成更准确、更相关的答案。
  • 简化开发流程：开发者可以更轻松地将人工智能集成到他们的应用程序和服务中。
  • 赋能开发平台：像 Zed、Replit、Codeium 和 Sourcegraph 等公司正在使用 MCP 来增强其人工智能代理的编码理解能力，从而生成更智能的代码。
  • 构建智能自动化系统：Block 公司正在利用 MCP 构建能够自动化重复性任务的代理系统，让人类可以专注于更具创造性的工作。

MCP 的应用场景和用例

应用/用例描述示例
连接人工智能助手到各种系统将人工智能助手连接到存储数据的系统，例如内容存储库、业务工具和开发环境。
提高人工智能响应的相关性和质量通过提供数据连接的通用标准，帮助人工智能模型访问必要的上下文，从而生成更好、更相关的响应。
简化和扩展数据集成用单一协议取代了为每个新数据源进行定制实现的需要，使得人工智能系统的数据集成更加简单和可扩展。
构建安全的双向连接允许开发者创建安全的两向连接，不仅允许人工智能驱动的工具检索数据，还可能允许它们更新数据。
增强开发平台使人工智能代理能够更好地理解编码任务的上下文，检索相关信息，并以更少的尝试生成更细致和更实用的代码。Zed, Replit, Codeium, Sourcegraph
构建代理系统构建能够自动化机械任务的代理系统，使人们能够专注于更具创造性的工作。Block
保持跨工具和数据集的上下文随着 MCP 生态系统的发展，人工智能系统将能够在与各种工具和数据集交互时保持上下文。

客户端 SDK

关于 MCP 的更多资源

浏览器自动化

Web 内容访问和自动化功能。支持以 AI 友好格式搜索、抓取和处理 Web 内容。

艺术与文化

提供艺术收藏、文化遗产和博物馆数据库的访问与探索。让 AI 模型能够搜索和分析艺术文化内容。

云平台

云平台服务集成。实现与云基础设施和服务的管理和交互。

  • Cloudflare MCP Server 与 Cloudflare 服务集成，包括 Workers、KV、R2 和 D1
  • alexbakers/mcp-ipfs 上传和操作 IPFS 存储
  • alexei-led/aws-mcp-server 一款轻量但功能强大的服务器，使 AI 助手能够在支持多架构的安全 Docker 环境中执行 AWS CLI 命令、使用 Unix 管道，并为常见 AWS 任务应用提示模板。
  • Kubernetes MCP Server 通过 MCP 操作 Kubernetes 集群
  • flux159/mcp-server-kubernetes 使用 Typescript 实现 Kubernetes 集群中针对 pod、部署、服务的操作。
  • manusa/Kubernetes MCP Server 一个功能强大的 Kubernetes MCP 服务器，额外支持 OpenShift。除了为任何Kubernetes 资源提供 CRUD 操作外，该服务器还提供专用工具与您的集群进行交互。
  • wenhuwang/mcp-k8s-eye 提供 Kubernetes 集群资源管理, 深度分析集群和应用的健康状态
  • johnneerdael/netskope-mcp 提供对 Netskope Private Access 环境中所有组件的访问权限，包含详细的设置信息和 LLM 使用示例。
  • nwiizo/tfmcp - 一个 Terraform MCP 服务器，允许 AI 助手管理和操作 Terraform 环境，实现读取配置、分析计划、应用配置以及管理 Terraform 状态的功能。
  • johnneerdael/netskope-mcp 提供对 Netskope Private Access 环境中所有组件的访问权限，包含详细的设置信息和 LLM 使用示例。
  • bright8192/esxi-mcp-server 提供对 VMware ESXi/vCenter 管理服务器，提供简单的 REST API 接口来管理虚拟机。
  • wenhuwang/mcp-k8s-eye 提供 Kubernetes 集群资源管理, 深度分析集群和应用的健康状态
  • johnneerdael/netskope-mcp 提供对 Netskope Private Access 环境中所有组件的访问权限，包含详细的设置信息和 LLM 使用示例。
  • weibaohui/k8m 提供 MCP 多集群 k8s 管理操作，提供管理界面、日志，内置近 50 种工具，覆盖常见运维开发场景，支持常规资源、CRD 资源。

命令行

运行命令、捕获输出以及以其他方式与 shell 和命令行工具交互。

社交

与通讯平台集成，实现消息管理和渠道运营。使 AI 模型能够与团队沟通工具进行交互。

客户数据平台

提供对客户数据平台内客户资料的访问

数据库

具有模式检查功能的安全数据库访问。支持使用可配置的安全控制（包括只读访问）查询和分析数据。

开发者工具

增强开发工作流程和环境管理的工具和集成。

数据科学工具

旨在简化数据探索、分析和增强数据科学工作流程的集成和工具。

文件系统

提供对本地文件系统的直接访问，并具有可配置的权限。使 AI 模型能够读取、写入和管理指定目录中的文件。

金融与金融科技

金融数据访问和加密货币市场信息。支持查询实时市场数据、加密货币价格和财务分析。

游戏

游戏相关数据和服务集成

知识与记忆

使用知识图谱结构的持久内存存储。使 AI 模型能够跨会话维护和查询结构化信息。

  • modelcontextprotocol/server-memory 基于知识图谱的长期记忆系统用于维护上下文
  • /CheMiguel23/MemoryMesh 增强基于图形的记忆，重点关注 AI 角色扮演和故事生成
  • /topoteretes/cognee AI 应用程序和 Agent 的内存管理器使用各种图存储和向量存储，并允许从 30 多个数据源提取数据
  • hannesrudolph/mcp-ragdocs MCP 服务器实现提供了通过矢量搜索检索和处理文档的工具，使 AI 助手能够利用相关文档上下文来增强其响应能力
  • kaliaboi/mcp-zotero 为 LLM 提供的连接器，用于操作 Zotero Cloud 上的文献集合和资源
  • mcp-summarizer AI 摘要生成 MCP 服务器，支持多种内容类型：纯文本、网页、PDF 文档、EPUB 电子书、HTML 内容
  • graphlit-mcp-server 将来自 Slack、Discord、网站、Google Drive、Linear 或 GitHub 的任何内容摄取到 Graphlit 项目中，然后在诸如 Cursor、Windsurf 或 Cline 等 MCP 客户端中搜索并检索相关知识。
  • mem0ai/mem0-mcp 用于 Mem0 的模型上下文协议服务器，帮助管理编码偏好和模式，提供工具用于存储、检索和语义处理代码实现、最佳实践和技术文档，适用于 Cursor 和 Windsurf 等 IDE

位置服务

地理和基于位置的服务集成。支持访问地图数据、方向和位置信息。

营销

用于创建和编辑营销内容、处理网页元数据、产品定位和编辑指南的工具。

监测

访问和分析应用程序监控数据。使 AI 模型能够审查错误报告和性能指标。

搜索

安全

  • dnstwist MCP Server dnstwist 的 MCP 服务器，这是一个强大的 DNS 模糊测试工具，可帮助检测域名抢注、钓鱼和企业窃密行为
  • fosdickio/binary_ninja_mcp Binary Ninja 的 MCP 服务器和桥接器。提供二进制分析和逆向工程工具。
  • Maigret MCP Server maigret 的 MCP 服务器，maigret 是一款强大的 OSINT 工具，可从各种公共来源收集用户帐户信息。此服务器提供用于在社交网络中搜索用户名和分析 URL 的工具。
  • Shodan MCP Server MCP 服务器用于查询 Shodan API 和 Shodan CVEDB。此服务器提供 IP 查找、设备搜索、DNS 查找、漏洞查询、CPE 查找等工具。
  • VirusTotal MCP Server 用于查询 VirusTotal API 的 MCP 服务器。此服务器提供用于扫描 URL、分析文件哈希和检索 IP 地址报告的工具。
  • ORKL MCP Server 用于查询 ORKL API 的 MCP 服务器。此服务器提供获取威胁报告、分析威胁行为者和检索威胁情报来源的工具。
  • Security Audit MCP Server 一个强大的 MCP (模型上下文协议) 服务器，审计 npm 包依赖项的安全漏洞。内置远程 npm 注册表集成，以进行实时安全检查。
  • zoomeye-ai/mcp_zoomeye 使用 ZoomEye API 搜索全球网络空间资产
  • ConechoAI/openai-websearch-mcp 将 OpenAI 内置的web_search工具封转成 MCP 服务器使用.
  • roadwy/cve-search_mcp CVE-Search MCP 服务器， 提供 CVE 漏洞信息查询、漏洞产品信息查询等功能。

客户支持与服务管理

用于管理客户支持、IT 服务管理和服务台操作的工具。

  • effytech/freshdesk-mcp 与 Freshdesk 集成的 MCP 服务器，使 AI 模型能够与 Freshdesk 模块交互并执行各种支持操作。
  • nguyenvanduocit/jira-mcp 一款基于 Go 语言的 Jira MCP 连接器，使 Claude 等 AI 助手能够与 Atlassian Jira 交互。该工具为 AI 模型提供了一个无缝接口，可执行包括问题管理、Sprint 计划和工作流转换在内的常见 Jira 操作。

体育

体育相关数据、结果和统计信息的访问工具。

  • r-huijts/firstcycling-mcp 通过自然语言访问自行车比赛数据、结果和统计信息。功能包括从 firstcycling.com 获取参赛名单、比赛结果和车手信息。

翻译服务

AI 助手可以通过翻译工具和服务在不同语言之间翻译内容。

  • translated/lara-mcp Lara 翻译 API 的 MCP 服务器，提供强大的翻译功能，支持语言检测和上下文感知翻译。

旅行与交通

访问旅行和交通信息。可以查询时刻表、路线和实时旅行数据。

版本控制

与 Git 存储库和版本控制平台交互。通过标准化 API 实现存储库管理、代码分析、拉取请求处理、问题跟踪和其他版本控制操作。

其他工具和集成

框架

  • FastMCP 用于在 Python 中构建 MCP 服务器的高级框架
  • FastMCP 用于在 TypeScript 中构建 MCP 服务器的高级框架
  • Foxy Contexts 用于以声明方式编写 MCP 服务器的 Golang 库，包含功能测试
  • Genkit MCP –  提供Genkit与模型上下文协议（MCP）之间的集成。
  • LiteMCP 用于在 JavaScript/TypeScript 中构建 MCP 服务器的高级框架
  • mark3labs/mcp-go 用于构建 MCP 服务器和客户端的 Golang SDK。
  • mcp-framework 用于构建 MCP 服务器的快速而优雅的 TypeScript 框架
  • mcp-proxy 用于使用 stdio 传输的 MCP 服务器的 TypeScript SSE 代理
  • mcp-rs-template Rust 的 MCP CLI 服务器模板
  • metoro-io/mcp-golang 用于构建 MCP 服务器的 Golang 框架，专注于类型安全。
  • rectalogic/langchain-mcp 提供 LangChain 中 MCP 工具调用支持，允许将 MCP 工具集成到 LangChain 工作流中。
  • salty-flower/ModelContextProtocol.NET 基于 .NET 9 的 C# MCP 服务器 SDK ，支持 NativeAOT ⚡
  • spring-ai-mcp 用于构建 MCP 客户端和服务器的 Java SDK 和 Spring Framework 集成，支持多种可插拔的传输选项
  • marimo-team/codemirror-mcp CodeMirror 扩展，实现了用于资源提及和提示命令的模型上下文协议 (MCP)
  • quarkiverse/quarkus-mcp-server 用于基于 Quarkus 构建 MCP 服务器的 Java SDK。
  • lastmile-ai/mcp-agent 使用简单、可组合的模式，通过 MCP 服务器构建高效的代理。
  • mullerhai/sakura-mcp Scala MCP 框架 构建企业级 MCP 客户端和服务端 shade from modelcontextprotocol.io.

实用工具

参考

    MCP 协议介绍以及相关资源 | 理想的彼岸