快速了解——什么是MCP?
几分钟了解MCP:用于AI工具的USB-C风格接口,为何在普通REST API之外还需要它,以及MCP服务器能向ChatGPT或Claude提供什么功能。
本指南将重新梳理从原材料到可运行系统的完整流程,内容来自“快速入门——什么是MCP?”篇。重点在于可操作的步骤、明确的检查点,以及可直接放入代码库的代码,无需猜测其用途。
MCP本质上是AI领域的USB-C接口
MCP实际上是一个工作平台,在修改代码之前需先明确输入参数、各步骤的负责人以及完成标准。操作人员应能够从已知的检查点重新运行某一步骤,而无需猜测其中的隐藏状态。相比庞大的脚本,更应采用小型且可测试的单元。当某一步骤失败时,故障原因应能明确指向某个具体责任方,而非整个复杂的流程。应在网关处进行身份验证,在数据层再次授权——仅凭承载令牌并不足以界定租户边界。
ChatGPT → custom GitHub integration
Claude → another GitHub integration
Cursor → another GitHub integration
MCP
↓
┌──────┼──────┐
↓ ↓ ↓
GitHub DB Slack
ChatGPT ─┐
Claude ─┼──→ MCP Server ─→ Your System
Cursor ─┤
VS Code ─┘
为何需要MCP?
在“为何需要MCP”这一阶段,应在修改代码之前明确输入参数、该步骤的负责人以及结束标准。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。 应将此阶段视为输入与已验证输出之间的契约。为相关成果命名,定义成功判定标准,并拒绝默许的半完成状态。 在网关处进行身份验证,在数据层再次授权。仅凭承载令牌并不足以界定租户边界。
Read Jira tickets
Read GitHub
Query database
Search documentation
Create tasks
Send messages
ChatGPT integration
↓
GitHub-specific code
Claude integration
↓
GitHub-specific codeCursor integration
↓
GitHub-specific code
GitHub MCP Server
↑
┌─────────┼─────────┐
↓ ↓ ↓
ChatGPT Claude Cursor
那么MCP服务器究竟是什么?
在进入“但究竟是什么”阶段之前,需先明确输入参数、该步骤的负责人以及结束标准,然后再修改代码。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。应在功能结果旁记录执行时间以及令牌或查询成本。提前了解这些成本可以避免在从演示环境过渡到共享环境时出现意外费用。
GET /orders
POST /orders
GET /customers
MCP Server
│
├── getCustomer()
├── searchOrders()
├── createTicket()
└── getProjectDocumentation()
你需要记住的三个关键词
在实施“三个关键词”阶段时,应在修改代码之前明确输入参数、该步骤的负责人以及退出标准。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。 配置信息应置于应用程序代码之外。环境文件、密钥存储以及功能标志应集中存放于一个位置,以便操作人员无需查看整个流程即可进行审计。 在网关处进行身份验证,在数据层再次授权。仅凭承载令牌并不足以界定租户边界。
Tools
Resources
Prompts
工具
在工具阶段,修改代码之前需明确输入参数、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。 需同时记录正常流程与异常恢复流程。重试机制、人工审核环节以及错误处理都是产品功能的一部分,而非后续需要补充的内容。 在网关处进行身份验证,在数据层再次授权。仅凭承载令牌并不足以界定租户边界。 在工具阶段,修改代码之前需明确输入参数、该步骤的负责人以及终止标准。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。 应将此阶段视为输入与经过验证的输出之间的契约。为相关工件命名,定义成功检测标准,并拒绝默许的半完成状态。
createIssue()
sendEmail()
searchOrders()
deployApplication()
资源
在资源准备阶段,首先写下合同规范:所需的输入参数、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 在功能结果旁记录执行时间以及令牌或查询成本。提前了解成本情况,可避免从演示环境过渡到共享环境时出现意外费用。 为每次调用记录工具名称、参数哈希值、延迟时间以及最终结果。没有这些记录,调试代理将陷入无止境的循环,耗费大量时间。
Documentation
Files
Database records
Logs
Schemas
提示词
在处理提示词阶段时,首先写下相关约定:所需的输入参数、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 将配置信息与应用程序代码分开存放。环境文件、密钥存储以及功能开关应集中于一个位置,这样操作人员无需查看整个系统结构即可进行审计。 缓存稳定的系统指令和工具架构。重复发送相同的开头信息是导致资源浪费的常见原因。
一个小示例
在完成“小示例”阶段时,首先需写下接口规范:所需的输入参数、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 同时记录正常流程和异常恢复流程。重试机制、人工审核环节以及错误消息处理都是产品功能的一部分,而非后续的优化工作。 需为每次调用记录工具名称、参数哈希值、响应延迟及最终结果。没有这些记录,调试过程将会浪费大量时间。 在完成“小示例”阶段时,首先需写下接口规范:所需的输入参数、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 应将此阶段视为输入与验证后输出之间的契约。为相关产物命名,明确成功判定标准,杜绝无声的半完成状态。
school-mcp
将 school-mcp 阶段视为可度量的界面使用效果最佳。在扩大范围之前,先记录一个成功的案例、一个失败案例以及回滚说明。在功能结果旁同时记录执行时间以及令牌或查询成本。提前了解成本情况,可避免在从演示环境过渡到共享环境时出现意外费用。
getStudentAttendance(studentId)getAssignments(classId)createAssignment(...)getFeeStatus(studentId)
getAssignments()
getStudentSubmissions()
AI Model
↓
MCP Client
↓
MCP Server
↓
Your Application/API
↓
Database
让我们构建一个小型 MCP 服务器
将“让我们构建一个舞台”视为可度量的界面使用效果最佳。在扩大范围之前,先记录一份成功的案例、一个失败案例以及回滚说明。 将配置置于应用程序代码之外。环境文件、密钥存储和功能标志应集中存放,以便操作人员无需查看整个架构即可进行审计。 提供具有严格结构定义和明确副作用标签的工具。主机需要在自动批准之前知道哪些调用会修改状态。
my-mcp/
│
├── package.json
├── tsconfig.json
└── src/
└── index.ts
import { McpServer } from "@modelcontextprotocol/server";
const server = new McpServer({
name: "school-mcp",
version: "1.0.0"
});
server.registerTool(
"get_student",
{
description: "Get student information"
},
async ({ studentId }) => {
const student = await getStudent(studentId);
return {
content: [
{
type: "text",
text: JSON.stringify(student)
}
]
};
}
);
REST API
GraphQL
Database
Filesystem
Internal services
这通常是让MCP发挥作用的关键部分
将“这是该部分”阶段视为可度量的界面时,其效果最佳。在扩大范围之前,需记录一份理想状态下的操作日志、一个故障案例以及回滚说明。同时将正常流程与恢复流程都记录下来。重试机制、人工审核环节以及错误处理都属于产品功能的一部分,而非后续需要补充的内容。应提供具有明确结构规范和清晰副作用标识的工具,以便主机在自动批准之前能够知道哪些调用会改变系统状态。将“这是该部分”阶段视为输入与经过验证的输出之间的契约,为相关文档命名、定义成功标准,并拒绝默许部分完成的情况。
GET /api/students/:id
AI
↓
MCP Tool
↓
Existing REST API
↓
Backend
↓
Database
server.registerTool("get_student", ..., async ({ studentId }) => {
const response = await fetch(
`${API_URL}/students/${studentId}`
);
return await response.json();
});
ChatGPT是如何使用它的?
在“ChatGPT如何使用”阶段,应在修改代码之前明确输入内容、该步骤的负责人以及结束标准。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。除了功能结果外,还需记录执行时间以及令牌或查询成本。提前了解成本情况可以避免在从演示环境切换到共享环境时出现意外账单。
ChatGPT
↓
MCP App / Connector
↓
Remote MCP Server
↓
Your API
ChatGPT
↓
Custom MCP App
↓
https://mcp.yourcompany.com
↓
Company Services
Claude如何使用MCP?
对于“Claude如何使用”阶段,在修改代码之前需明确输入内容、该步骤的负责人以及终止标准。操作员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。 配置应置于应用程序代码之外。环境文件、密钥存储以及功能标志应集中存放于一个位置,这样操作员无需查看整个系统结构即可进行审核。 在网关处进行身份验证,在数据层面重新授权。仅凭承载令牌并不足以界定租户边界。
Claude / Claude Code
↓
MCP Client
↓
MCP Server
↓
Your Tools / Data
Claude
↓
school-mcp
↓
getAssignments()
getAttendance()
Cursor的运作方式相同
在 Cursor Works 的同一阶段中,修改代码之前需先明确输入参数、该步骤的负责人以及退出标准。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。 需同时记录正常流程与异常恢复路径。重试机制、人工审核环节以及错误处理都是产品本身的组成部分,而非后续需要补充的功能。 在网关处进行身份验证,在数据层再次授权。仅凭承载令牌并不足以界定租户边界。 在 Cursor Works 的同一阶段中,修改代码之前需先明确输入参数、该步骤的负责人以及退出标准。操作人员应能够从已知的检查点重新运行该步骤,而无需猜测隐藏状态。 应将这一阶段视为输入参数与经过验证的输出结果之间的契约。为相关工件命名,明确成功判定标准,杜绝无声的半完成状态。
company-dev-mcp
│
├── search_docs
├── get_api_schema
├── inspect_logs
└── create_jira_ticket
Search internal docs
↓
Inspect API schema
↓
Check logs
↓
Explain issue
心智模型
在处理“心智模型”阶段时,首先写下相关约定:所需的输入参数、成功标志以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 在功能结果旁记录执行时间以及令牌或查询成本。提前明确成本信息,可避免在代码从演示环境转向共享环境时出现意外费用。 缓存稳定的系统指令和工具结构。重复发送相同的开头信息是导致资源浪费的常见原因。
USER
↓
"Find my orders"
↓
┌─────────────────────────┐
│ AI CLIENT │
│ ChatGPT / Claude/Cursor │
└────────────┬────────────┘
↓
MCP Protocol
↓
┌─────────────────────────┐
│ MCP SERVER │
│ │
│ Tools │
│ Resources │
│ Auth / Permissions │
└────────────┬────────────┘
↓
Existing Application
↓
REST / GraphQL / DB
↓
DATA
为何MCP如此强大?
在研究“为何MCP如此强大”这一阶段时,首先需列出相关契约:所需输入、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 应将配置信息置于应用程序代码之外。环境文件、密钥存储以及功能开关应集中存放于一个位置,这样操作人员无需查看整个系统结构即可进行审计。 需为每次调用记录工具名称、参数哈希值、延迟时间以及执行结果。若没有这些记录,调试代理将陷入无止境的循环,耗费大量时间。
Tool A integration for ChatGPT
Tool A integration for Claude
Tool A integration for Cursor
Tool A integration for VS Code
MCP Server
↑
┌─────────┼──────────┐
↓ ↓ ↓
ChatGPT Claude Cursor
另一个优势:AI无需在提示词中包含所有信息
在处理“Another Benefit AI Doesn”阶段时,首先需写下相关契约:所需的输入参数、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 同时记录正常流程与异常恢复路径。重试机制、人工审核环节以及错误消息处理都是产品功能的一部分,而非后续需要补充的内容。 缓存系统中稳定的指令和工具结构。重复发送相同的开头信息是导致资源浪费的常见原因。 在处理“Another Benefit AI Doesn”阶段时,首先需写下相关契约:所需的输入参数、成功信号以及部分失败时的处理方式。这样的清单能确保后续的代码修改保持一致性。 将此阶段视为输入与验证后输出之间的契约。为相关文件命名,明确成功判定标准,杜绝无声的半完成状态。
Take:
20 documentation files
+
database schema
+
API specification
+
logs
Put everything into context
Question
↓
AI decides what information is needed
↓
Calls relevant tool/resource
↓
Receives small relevant result
"Why did payment 784 fail?"
↓
getPayment(784)
↓
inspectLogs()
↓
Answer
但MCP并非魔法
deleteUser()
sendPayment()
deployProduction()
Authentication
Authorization
Input validation
Audit logs
Rate limits
User permissions
Confirmation for dangerous operations
MCP与REST API的对比
REST
VS
MCP
HUMAN APP
↓
REST API
↓
Backend
AI
↓
MCP
↓
REST API
↓
Backend
MCP与函数调用的对比
Application
↓
Tell model these specific functions
↓
Model calls function
Function calling
=
"Model can use a function."
MCP
=
"Standard way AI clients and external
systems expose/discover/use capabilities."
一个MCP服务器,多个AI客户端
┌───────────┐
│ ChatGPT │
└─────┬─────┘
│
┌─────▼─────┐
│ Claude │
└─────┬─────┘
│
┌─────▼─────┐
│ Cursor │
└─────┬─────┘
│
MCP Protocol
│
┌─────────▼─────────┐
│ COMPANY MCP │
│ │
│ searchDocs │
│ getCustomer │
│ createTicket │
│ inspectLogs │
└─────────┬─────────┘
│
┌──────────────┼──────────────┐
↓ ↓ ↓
GitHub Jira Database
最重要的收获
AI → API
AI Application
↓
MCP Client
↓
Standard Protocol
↓
MCP Server
↓
Controlled Tools + Data
↓
Existing Systems