入门 11 分钟MCP

什么是 MCP?模型上下文协议 详解

MCP 是什么?Model Context Protocol 详解
直接回答

MCP(Model Context Protocol,模型上下文协议)是一项开放标准,由 Anthropic 于 2024 年 11 月发布,并于 2025 年 12 月交由 Agentic AI Foundation(Linux Foundation)管理。它使 AI 能够通过所有兼容应用通用的宿主、客户端和服务器使用外部工具及数据。

MCP,即 Model Context Protocol,是一种开放标准,允许 AI 应用使用外部工具和数据:读取文件、查询数据库、搜索网页。Anthropic 于 2024 年 11 月发布了该标准;OpenAI、Google 和 Microsoft 于 2025 年采用了它。截至 2026 年 9 月 20 日,这已成为将助手接入系统其余部分的常规方式,即使模型运行在您自己的设备上也是如此。本页面介绍其原理、术语,以及 MCP 在本地硬件上实际需要付出的代价。

作者: Mohamed Meguedmi·更新于 2026-09-28·已在 Windows、macOS 和 Linux 上测试

#用一段话介绍 MCP

语言模型本身只能根据学到的内容和提示词中的信息生成文本。要查看您的日程、查询企业数据库或打开文档,它需要一座通向外部的桥梁。在 MCP 出现之前,每个应用都自行搭建桥梁:每个助手有自己的插件格式,每个代码编辑器有另一种格式,每个智能体框架又有另一种格式。MCP 用一份统一规范替代了这一切。工具作者编写一个 MCP 服务器,任何兼容的应用都可以使用它。人们通常用 USB-C 来打比方:一个连接器,可以连接许多设备。

2025 年十二月,Anthropic 将该协议交给了由 Linux Foundation 托管的 Agentic AI Foundation。因此,MCP 不再属于某一家编辑器,这也部分解释了它为何能快速普及。

#主机、客户端、服务器:各自负责什么

打造专属 AI 智能体的完整套件。

借助我们的经验和引导式路径,进一步用好你的本地智能体和自动化流程。

  • 在线空间,终身可用
  • PDF + 文件
  • 30 天内退款
元素这是什么示例
主机您与之对话的 AI 应用程序Claude Desktop、代码编辑器助手、Open WebUI、LM Studio
客户端主机内部的连接器,每台已连接的服务器对应一个集成在宿主端内部,用户不可见
服务器一个以 MCP 格式提供功能的小型程序文件系统、GitHub、PostgreSQL、网页搜索、您的内部 API

交换的消息采用 JSON-RPC 2.0。启动时,每个客户端都会询问服务器具备哪些能力。服务器返回一份能力列表,每项能力都包含名称、自然语言描述以及描述其参数的 JSON 模式。主机将这些描述传递给模型。当模型判断某个工具可能有用时,会生成一个结构化调用;客户端将其转发给服务器,由服务器执行并把结果返回到对话中。

i
要点
模型本身从不执行任何操作。它只是生成一项请求。是否执行该请求由宿主程序决定,通常会先向您征求确认。

#MCP 服务器可以提供什么

Primitive驱动方角色示例
工具(tools)模型实时操作与搜索creer_ticket, executer_requete, chercher_web
资源(resources)L'application供读取并加载到上下文中的数据一个文件、一份数据库架构、一页 wiki
PromptsL'utilisateur可复用的指令模板“审阅这份拉取请求”,附带参数

实际使用中,大多数服务器只提供工具,这也是人们通常所说的“MCP”。协议还规定了反向发起请求的功能:sampling(采样),即服务器请求宿主调用其模型生成文本;以及 elicitation(信息征询),即服务器在执行过程中向用户询问缺失的信息,而不是直接失败或自行猜测。

#采用与治理:一年之后

这一转变在短短几个月内就完成了。2025 年 3 月,Sam Altman 写道,用户非常喜欢 MCP,OpenAI 正在为其产品添加 MCP 支持;ChatGPT、Agents SDK 和 Responses API 随后都集成了 MCP。2025 年 4 月,Demis Hassabis 确认 Gemini 和 Google DeepMind 的工具将支持 MCP,并称该协议是智能体时代的新兴标准。微软随后也将 MCP 集成到 Copilot Studio,并宣布将在 Windows 11 中提供安全的原生 MCP 支持。

2025 年 12 月 9 日,Linux 基金会成立了 Agentic AI Foundation(AAIF):Anthropic、Block 和 OpenAI 是创始成员,AWS、Bloomberg、Cloudflare 和 Google 也已加入。MCP、Google 的 A2A 协议以及 Block 的一个项目并列托管于该基金会,采用与 Kubernetes 或 PyTorch 相同的中立治理机制。这一转变回应了 2025 年常见的一项批评:一个号称“开放”的标准,决策权却仍由单一厂商掌握。对于搭建本地技术栈的读者,实际影响有两点:Anthropic 的单方面决定导致现有服务器无法正常工作的风险降低;同时,有更多活跃贡献者维护社区服务器所使用的官方 Python、TypeScript、Java、C# 和 Rust 软件开发工具包(SDK)。

i
2026 年 1 月起新增:MCP Apps
2026 年 1 月 26 日,Anthropic 与 OpenAI 联合发布了 MCP Apps,这是该协议的首个官方扩展。MCP 工具现在可以返回交互式界面(表单、仪表盘、可视化),直接在对话中的隔离 iframe 内显示,而不再只是返回文本。目前,这项功能在运行本地模型的宿主应用中仍不普及,但这一开发方向表明,MCP 已经超越了单纯的文本工具调用。

#本地或远程:两种传输方式

stdio
宿主程序将服务器作为本地子进程启动,并通过标准输入和标准输出与之通信。没有任何数据经过网络。这是大多数桌面安装采用的模式,也是私有配置的自然选择。
可通过 HTTP 流式传输
服务器以 Web 服务的形式运行,也可以运行在另一台机器上,并采用常规身份验证。这种传输方式在规范的 2025 年修订版中取代了原先 HTTP 与 SSE 相结合的方式。

#MCP、函数调用、API:差异对比

这是什么由谁定义
REST API服务向程序暴露其功能的方式各服务按各自的方式定义
函数调用在训练中获得的能力:生成结构化调用,而不是文本各模型发布方,采用的格式相近但不完全相同
MCP一种在不同应用之间标准化地发现、描述和调用工具的方式单一的开放规范

MCP 不会取代 function calling,而是建立在其之上。模型仍必须能够生成正确的工具调用。MCP 规范化了围绕这一时刻的所有环节:工具如何被列出、描述、授权和执行。MCP 服务器通常只是现有 API 上的一层薄封装。

#使用本地模型的 MCP:真正的成本

MCP 不依赖特定模型。使用兼容的宿主应用和经过工具调用训练的本地模型,整个循环就能在您的机器上运行。此时,有两项限制比在云端环境中影响大得多。

首要限制:工具描述会消耗上下文,而上下文又会占用 VRAM。每个连接的工具都会在每一轮对话中将其名称、描述和 schema 注入提示词。每个工具约需 100 至 300 个 token,每个热门服务器约有 10 至 30 个工具。连接几个服务器后,您还没输入一个字,就已经消耗了数千个 token。对于云服务提供商,这会成为账单上的一项费用;对于您的 GPU,这意味着 KV 缓存占用了容量固定的 VRAM。

估算 · 每个工具 200 个 token · FP16 KV 缓存占用根据已公布的架构计算(Qwen 3 8B:36 层,8 个 KV 头,每个头的维度为 128,即每个 token 占用 0.15 MB;Qwen 3 32B:64 层,每个 token 占用 0.26 MB)
配置定义所占的 token 数KV 缓存,Qwen 3 8BKV 缓存,Qwen 3 32B
1 个服务器,8 个工具≈ 1 600≈ 0.2 GB≈ 0,4 GB
3 个服务器,30 个工具≈ 6 000≈ 0,9 GB≈ 1,6 GB
6 个服务器,80 个工具≈ 16 000≈ 2,4 GB≈ 4,2 GB

在一张运行 13 GB 模型的 16 GB 显存卡上,2.4 GB 的工具描述可能决定会话能否正常运行,还是出现内存错误。本地使用的实用规则是:只连接当前任务所需的服务器,并优先选择公开少量且描述清晰的工具的服务器,而不是公开完整 API 的服务器。

第二个限制:小模型的选择能力较差。从三十个工具中选出正确的工具,并按照其参数结构正确填写参数,是一种取决于模型规模和训练的能力。当参数量低于约 80 亿时,工具选择错误和编造参数的情况会变得常见。

#安全性:教程忽略的内容

MCP 服务器是一个以您的权限运行、接收模型生成文本作为输入的程序。在安装任何东西之前,有三项风险值得先了解。

提示词注入
如果某个工具返回来自外部的内容(网页、电子邮件、评论),这些内容可能包含给模型的指令。读取不可信文本且能够执行操作的模型,会成为攻击目标。
工具投毒
恶意服务器可以将指令隐藏在其自有工具的描述中,模型会读取这些指令,而用户通常永远看不到。
权限过于宽泛
指向您个人文件夹的文件服务器会让模型获得对该文件夹的访问权限。

防护措施并不花哨:安装来源明确的服务器,将每个服务器的权限范围限制到尽可能小,对所有写入或发送操作保留确认步骤,并避免在同一会话中既访问私有数据,又读取不可信内容。

#你需要它吗?

您的情况结论
您与模型对话,并粘贴它所需的内容不需要。MCP 会增加一些您用不上的额外组件。
您希望助手读取文件、查询数据库或进行网络搜索是的。这是 2026 年的标准做法。
您正在开发一个可从任何 AI 应用使用的内部工具是的。使用一个 MCP 服务器,而不是为每个应用分别做集成。
您在 8 GB 显存上运行一个小型模型谨慎使用:最多运行一两个轻量级服务器。

举个具体例子:QuelLLM 目录本身就可以通过一个开源 MCP 服务器访问。连接到该服务器的助手会根据最新数据回答“哪些模型能装入一张 16 GB 显存的显卡”,而不是依赖自身记忆。

#FAQ

MCP 是什么意思?+
模型上下文协议(Model Context Protocol)。这是 Anthropic 于 2024 年 11 月 25 日发布的开放标准,规定了 AI 应用如何连接工具和外部数据源:文件、数据库、API、网络搜索。在 MCP 出现之前,每个助手、每个代码编辑器和每个智能体框架都自行设计插件格式;MCP 用一套共同规范取代所有这些格式。
什么是 MCP 服务器?+
一种以 MCP 格式向 AI 应用暴露能力的程序:模型可以调用的工具、可以读取的资源以及提示词模板。它既可以作为本地子进程运行,也可以作为远程 Web 服务运行。许多 MCP 服务器只是叠加在现有 API 之上的一层薄封装。
MCP 只适用于 Claude 吗?+
不。Anthropic 创建了它,但其规范是开放的,目前由 Linux 基金会旗下的 Agentic AI Foundation 托管。OpenAI、Google 和 Microsoft 的产品都支持它,许多运行本地模型的开源应用也支持它。
MCP 是否兼容 Ollama 或 LM Studio?+
是的,前提是主机应用集成了MCP客户端,且模型能够调用工具。模型无需进行特定的MCP训练:它只需生成格式正确的工具调用,而这一能力在大多数参数量从70亿至80亿起的现代模型中已存在。真正使用MCP协议的,是主机,而不是模型。
MCP 危险吗?+
协议本身设计合理,但每个服务器都是以您的权限运行的程序。主要风险包括通过工具结果进行的提示注入、恶意工具描述以及过宽的访问权限。应使用可信的服务器,严格限定权限范围,并为所有写入或发送操作启用确认。
如今由谁治理 MCP?+
自 2025 年 12 月 9 日起,MCP 归属于 Agentic AI Foundation,这是一个由 Linux Foundation 托管的定向基金;Linux Foundation 也是治理 Kubernetes 或 PyTorch 的中立机构。Anthropic、Block 和 OpenAI 是创始成员;AWS、Bloomberg、Cloudflare 和 Google 此后也加入了。因此,该项目已不再由单一厂商控制,这让此前犹豫是否参与的企业更加安心。

这份指南对您有帮助吗?

有反馈、发现了错误,或想补充说明?请告诉我们,让这份指南对每个人都更有帮助。