一、MCP是什么？

MCP（Model Context Protocol，简称模型上下文协议）是2024年底由Anthropic等厂商牵头提出的一个开放性标准协议，它的核心目的是：

让大语言模型（LLM）能够通过标准化方式调用外部工具、获取外部数据、与其他服务交互。

一句话理解：
✅ MCP就像是AI模型的“USB-C通用接口”，解决了“模型怎么跟外部世界通信”的问题。

它的英文官方定义通常是：

A standardized protocol for enabling language models to dynamically retrieve contextual data, invoke tools, and execute actions via structured calls.

关键词：

• 标准化协议（所有工具都用同一种语言交互）
• 动态检索（LLM可以主动去外部拿数据）
• 工具调用（LLM可以调用你的本地程序或云端API）
• 上下文增强（模型回答更精准）

AI大模型作为文本处理模型，在传统的调用方式中，我们需要通过手动截图或者复制文本将素材发送到AI窗口里进行对话，MCP则通过标准化的协议自动化了这一步骤，MCP服务作为AI与外部工具的中间层代替人类访问并且操作外部工具，每个MCP服务或者叫做MCP Server都专精于一类的工作，比如有的可以读写网页，有的可以读写本地文件或者数据库。使用MCP，客户端给出指令，大模型大模型通过操作系统的标准输入通道调用合适的MCP Server访问外部工具，得到需要的数据后返回给大模型，完成文本处理输出回答。

MCP与function call的作用都是桥接模型与工具，Function Calling 和 MCP 都让 LLM （Large Language Model，大语言模型）能从“只会文本生成”升级为“会调用工具”。Function Calling 让模型识别何时要调用哪个函数，并产出结构化指令。MCP 则进一步将这个想法扩展为一个标准协议，让模型可以用统一的方式调用、发现工具并取回结果。

MCP最大优点在于将之前各家大模型不同的Function call的标准整合成了一个统一的标准协议，市面上的大模型基本都支持MCP。

二、MCP的功能与作用

MCP的三大核心功能：

1️⃣ 工具调用（Tool Invocation）

• 让模型在回答中主动调用工具（例如：翻译、爬取网页、计算公式、读取数据库）。
• 比如：“请帮我把这段文字翻译成德语”，模型会触发翻译API，而不是仅靠语言模型来猜。

2️⃣ 实时检索（Context Retrieval）

• 模型在回答时自动检索外部数据（例如文件、知识库、API）。
• 比如：“公司2023年的总营收是多少？”模型会先访问ERP或数据库。

3️⃣ 上下文增强（Context Injection）

• 把外部返回的结果注入到上下文，模型再基于它进行生成。
• 例如：先查询，再生成总结。

作用
✅ 极大增强LLM对实时信息、私有数据、结构化数据的理解和处理能力。
✅ 让模型回答更准确、可验证。

三、如何使用MCP

MCP是一个协议，不是某个具体软件，需要通过代码运行环境进行调用：

1️⃣ 准备支持MCP协议的客户端

主要有Al编程工具Cursor、Cline，WinSurf，还有Claude的客户端。

MCP Server可以用Python/Node/Bun写，是一个监听HTTP或Socket的服务端，暴露一组Tool APIs。

2️⃣ 下载nodejs.org

因为MCP本质上是运行在电脑上的nodejs.org程序，因此我们需要nodejs的运行环境。

3️⃣ 安装MCP Server

可以在客户端的MCP Server应用商店下载，也可以在https://smithery.ai/ 下载；

四、MCP与传统LLM的对比

五、MCP在构建与使用知识库中的作用

构建与使用知识库是MCP目前最典型的应用场景之一。

知识库的核心逻辑就是1）先构建知识库：把PDF/Word/网页等内容导入并结构化（分块、向量化、存储）。2）使用知识库：当用户提问时，模型在回答前先去知识库里“检索”相关内容，再结合生成。

MCP的作用即是使RAG（检索增强生成）过程高效化、标准化、自动化，从而使LLM得到更准确的文本。

六、总结

MCP（Model Context Protocol） 正在成为AI应用“工具化、智能化”转型的基建标准：
✅ 让模型不再只会“编故事”，而是真正去“查、算、调”，回答更可靠。
✅ 将AI与业务工具深度结合，帮助企业和个人把模型变成高效的助理和工作流中枢。
✅ 未来MCP将成为AI Agent生态的重要组成部分。