首页 / 文章

MCP服务器详解:相关工具、资源、提示语,以及何时应当添加网关。

用通俗语言解读MCP服务器:主机、客户端与服务器如何连接,MCP与API有何不同,使用MCP能实现什么功能,以及何时需要使用网关。

发布者:REACTAPP.TOP阅读约 9 分钟2044 词

来源: What Is an MCP Server? A Beginner’s Guide

MCP服务器是一种精简的程序,它让AI模型能够使用那些其自身无法直接访问的工具和数据。可以把它想象成一座桥梁。借助Model Context Protocol这一通用标准,模型无需为每一种组合都编写新的连接代码,即可读取文件、查询数据库或调用API。这类服务器可以是笔记本电脑上的脚本,也可以是云服务。

这个缩写听起来比它实际代表的概念更令人生畏,但依然需要人们清晰理解它,因为MCP正迅速成为AI智能体与外部世界交互的默认方式。

服务器的真正作用

服务器提供三种功能:模型可以执行的操作、可以读取的信息以及可以重复使用的模板。连接之后,模型会询问有哪些可用资源,并据此进行操作。简而言之,服务器就是一种标准适配器,用于将某个AI与某个外部系统连接起来。

“服务器”这个词会误导人们。其实它并不一定需要数据中心的专用硬件;本地文件系统的服务器完全可以是一个运行在个人电脑上的简单脚本。之所以叫服务器,是因为它能够响应请求,就像通过 npm run dev 启动的开发服务器一样。它只是一个能够回应请求的小程序。

换言之,服务器就是位于连接另一端、能够执行实际任务(如读取文件或查询数据库)并能以模型能够解析的方式描述这些任务的程序。

MCP的起源

模型上下文协议是一种用于将人工智能模型与外部工具及数据相连的开放标准。Anthropic于2024年11月发布了该标准,不到一年时间,它就从一个小众概念发展成了Claude、ChatGPT、Cursor以及VS Code都支持的通用技术。

它解决了一个常见的麻烦。在MCP出现之前,要为人工智能工具提供功能,每次都得手动编写集成代码。通过嵌入技术和检索功能手动连接来构建一个用于查询公司文档的聊天机器人,意味着需要一个数据源以及完全定制的集成方案。如果还要为GitHub、Slack、数据库,以及那些需要不同数据格式的模型重复做同样的事情,系统就无法扩展了。所有人都在重复构建相同的连接器。

官方文档将MCP比作人工智能领域的USB-C接口:统一的连接器标准,任何设备都能与之连接。只需构建一次服务器,就能与所有支持该协议的客户端配合使用。这解释了其被快速采用的原因——大量临时性的集成方案被替换成了统一的共享标准。

各组件如何协同工作

涉及三个角色:主机、客户端和服务器。

  • 主机是指人们实际使用的应用程序,例如 Claude Desktop 或 Cursor。
  • 对于它想要连接的每台服务器,主机都会创建一个客户端,该客户端会保持与该特定服务器的专用连接。
  • 消息以 JSON-RPC 2.0 格式传输,这是一种简单且易于理解的格式,因此具有优势。

服务器可以提供三种功能,了解它们的名称很有帮助:

  • 工具:模型可以触发的操作,例如打开文件、执行查询或提交 GitHub 问题。
  • 资源:模型为获取上下文而读取的材料,如文档文本或数据库结构。读取操作不会产生任何副作用。
  • 提示词:用于重复性任务的可用模板,可避免模型每次都从空白状态开始工作。

流程很简短。客户端首先连接,通过 tools/list 请求让服务器列出其拥有的资源,然后通过 tools/call 调用其中的某个资源。在 JSON 中,发现请求的形式如下:

// "What can you do?"
{ "jsonrpc": "2.0", "id": 1, "method": "tools/list" }

调用工具的后续操作如下所示:

// "Okay, do this one."
{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/call",
  "params": {
    "name": "get_weather",
    "arguments": { "city": "Kolkata" }
  }
}

还有一个早期就需要了解的重要点:服务器运行在两种位置之一。本地服务器通过标准输入输出进行通信,因此同一台机器上的两个程序无需网络即可互相传递文本。而远程服务器则通过HTTP进行通信,因此它可以位于任何地方,并同时为多个客户端提供服务。两种情况下的协议是相同的,这正是其设计理念所在。

MCP与普通API的区别

人们经常提出这个问题,直接答案是MCP服务器通常建立在普通API之上,而非取代它。两者的区别在于目标使用对象不同。

常规 API 面向那些已阅读文档并直接编写了具体调用代码的开发者,它假定端点信息是事先已知的。而 MCP 服务器则面向那些初始状态下一无所知的模型,让模型先询问有哪些可用工具,再自行决定使用哪个工具。关键在于运行时的发现机制,而普通 API 无法提供这一功能。

实际上,大多数 MCP 服务器只是对开发者本可直接调用的 API 的简单封装。MCP 提供了一种统一的工具描述方式,使得任何模型都能自动发现并使用这些工具,无需人工为每次调用进行配置。API 负责执行任务,而服务器则负责让 AI 能够理解这些任务。

使用 MCP 可以做什么

其数量超出了大多数人的预期,而且所需的原材料很可能已经准备就绪。典型的应用场景包括:一台服务器让模型能够处理本地文件,另一台负责处理GitHub上的问题与拉取请求,第三台用于查询Postgres数据库,第四台则用于读取和发送Slack消息。Anthropic在GitHub上提供了多种参考实现,而各厂商也越来越倾向于为自己的产品发布官方服务器。

大多数人是通过像Claude Code这样的编程助手来接触第一台服务器的。将服务器连接到编程助手或桌面聊天应用后,模型便无需复制粘贴即可直接操作文件、搜索网络或发起拉取请求。这些工具对模型而言,就只是新增了的一些功能而已。

模式始终如一:为重要的系统找到一台服务器,将客户端指向它,模型就能掌握一项技能。设置一台服务器只需五分钟,而第一次看到智能体编辑磁盘上的真实文件时,简直有种魔法般的感觉。

何时使用网关值得考虑

先说实话吧。只要有一两台MCP服务器,就无需使用网关,因为它解决的还只是尚未出现的问题。可以直接开始实验。

一旦服务器数量增加到十几台,分布在多个智能体中时,很快就会出现三个问题。

  • 上下文冗余:每次请求都会把每台服务器的全部工具列表加载到模型界面中。若有150种甚至更多工具,大部分处理能力都会用于读取菜单。
  • 凭证分散:每台服务器都有各自的密钥和认证信息,分散在各个配置文件中,没有统一的地方来更新这些凭证。
  • 没有统一的策略规定。既不清楚谁可以拨打什么电话,也没有支出上限。
  • 这会导致工具泛滥,使原本有序的设置变成负担。网关通过居中协调来解决这一问题,就像电源插线板一样:不必用十根电缆插入十个插座,代理只需连接一次,其余工作由网关处理。

    Maxim AI推出的开源AI网关Bifrost便是能够承担此角色的产品之一,它将所有服务器整合到同一个端点之后。为解决令牌问题,该产品设计了名为“代码模式”的功能。通常情况下,模型每次接收提示时都必须重新阅读每个工具的描述才能了解可用功能。而在代码模式下,提示中会包含四种通用工具,模型会自动编写代码来按需查找并执行所需功能。根据该公司的测试结果,输入令牌数量最多可减少92.8%,这一降幅足以显著降低使用成本。在网关层面削减成本的理念与语义缓存如出一辙。

    网关还能实现安全集中管理。API密钥被集中存放,而非分散在各个配置文件中。通过针对每个密钥的工具过滤与预算设置,管理员可以决定哪个智能体使用哪些工具,并设定支出上限。除非明确启用,否则这些工具不会自动执行,这一点非常重要,因为智能体擅自使用未经批准的工具只会带来隐患。

    从何处开始

    无需复杂的规范或代码。一旦理解了这个缩写的概念,其实很简单:就是一个标准接口,让人工智能能够调用外部工具。

    要立即尝试,可以先选择一个正在使用的应用,比如 Claude Desktop、Cursor 或 Claude Code。接着选择一个预构建的服务器,例如基于文件系统或 GitHub 的服务器,将其添加到配置文件中,这个过程大约需要五分钟。服务器运行后,给模型一个实际的指令,比如查看本地文件夹或检查代码仓库。一旦智能体离开聊天框并接触到真实文件,该协议就会启动。

    初次尝试时规模宜小。对于一两个服务器而言,使用网关和复杂的路由功能实在多余。先单独测试一个服务器,体验其运行效果,只有当服务器数量增加到十几台且令牌费用开始上升时,再考虑添加网关。

    简要解答

    简而言之,MCP 服务器是什么?它是一种小型程序,通过通用标准为 AI 模型提供工具和数据,从而使模型无需额外的适配代码即可读取文件、执行数据库查询或调用 API。

    客户端和服务器有何不同?它们其实是同一链路的两个端点。服务器提供各种功能,而由 Claude Desktop 等应用程序生成的客户端则连接到服务器并使用这些功能。一个应用程序可以运行多个客户端,每个服务器对应一个。

    服务器安全吗?这取决于它们的运行方式。经过信任的本地服务器风险较低。问题往往出在大量未经审核的服务器上,这些服务器会保存自身的凭证,同时还有代理在无人监控的情况下执行工具,因此在大规模使用中,禁用自动执行功能并使用过滤网关是非常必要的。

    如何构建这样的服务器?选择官方 SDK,指定若干工具及其输入参数,然后通过标准输入/输出或 HTTP 提供这些服务。可以先从与现有客户端兼容的一两个工具开始,逐步扩展,而非试图一次性整合整个 API。

    相关阅读

  • 让AI安全地查询Postgres:MCP服务器、配置及最佳实践 —— PostgreSQL MCP服务器如何让Claude Code或Cursor读取实时模式,同时对比CrystalDBA、Supabase以及已归档的参考服务器,并介绍相关安全使用习惯。
  • 使用Express和Babel实现React 18应用的服务器端渲染 —— 通过Express、hydrateRoot、renderToString和MemoryRouter将Create React App项目转换为SSR格式,再了解Remix和Gatsby的处理方式。
  • MCP 新路线图对交易研究服务器的意义 —— 新的 MCP 路线图将身份认证、长时运行任务、渐进式发现以及结果契约作为重点。交易研究服务器除了需要一系列工具之外,还需求什么。
  • 实践笔记:我构建了一个通过 453 次测试的 Kubernetes MCP 服务器,然后…… —— 《实践笔记:我构建了一个通过 453 次测试的 Kubernetes MCP 服务器,然后……》的详细操作指南:包括契约、检查项以及供采用该模式的团队直接使用的代码模块。
  • 实用笔记:Microsoft构建了Playwright MCP服务器,然后要求大家这样做 —— 对“实用笔记:Microsoft构建了Playwright MCP服务器,然后要求大家这样做”内容的详细操作指南:包括适用于采用该模式的团队的契约、检查项以及可直接插入的代码片段。
  • MCP详解:为何对智能体而言,暴露功能比固定端点更有效 —— 介绍模型上下文协议是什么,客户端与服务器如何分工,它为何不同于普通API,以及Figma和Render在该领域的应用案例。
  • 保护支持写入功能的MCP工具:超越令牌的七层防护机制 — 为何MCP令牌无法授权后续写入操作,以及能够实现这一功能的七层控制机制、凭证分离机制、精确请求审批机制和重试规则。