我的知识库

Appearance

MCP 协议详解 ​

在知识图谱中的位置：模块一 · 01_基础概念 · 第 4 节 难度：⭐⭐ | 前置知识：Function Calling

1. 概述 ​

**MCP（Model Context Protocol，模型上下文协议）**是 Anthropic 在 2024 年 11 月提出的标准化协议，旨在解决 AI Agent 与外部工具/数据源连接的问题。

核心里程碑：2025 年 12 月 9 日，Anthropic 将 MCP 协议捐赠给 Linux Foundation 下新成立的 Agentic AI Foundation (AAIF)，联合创始成员包括 Anthropic、OpenAI、Block、AWS、Google、Microsoft 等。来源: Anthropic 官方公告 来源: GitHub Blog

MCP 已从 Anthropic 的单一厂商协议，演变成为开源标准，运行在 AAIF（aaif.io）之下。

2. 核心概念 ​

2.1 MCP 的三层架构 ​

┌─────────────────────────────────────────────────────────────────┐
│       MCP Client (Agent)                                       │
│  (Claude, Cursor, Windsurf 等)                                  │
├─────────────────────────────────────────────────────────────────┤
│       MCP Protocol (transport)                                  │
│  (Stdio / SSE / HTTP)                                           │
├─────────────────────────────────────────────────────────────────┤
│       MCP Server (工具/数据源)                                   │
│  (文件系统, API, 数据库...)                                      │
└─────────────────────────────────────────────────────────────────┘

| 层 | 作用 | 示例 | |--|-|--|- | | Client | Agent 端连接 | Claude Desktop, Cursor | | Protocol | 数据传输标准 | JSON-RPC 2.0 | | Server | 工具实现 | 文件系统 Server, GitHub Server |

2.2 MCP 的三大资源 ​

| 资源 | 说明 | 类比 | |--|-|--|- | | Tools | Agent 可调用的函数 | 函数库 | | Prompts | 可复用的模板 | 代码片段 | | Resources | 可读取的数据 | 文件 API |

2.3 MCP vs Function Calling 的区别 ​

| 维度 | Function Calling | MCP | |--|-|--|- | | 定义方 | 模型提供商（OpenAI/Anthropic） | 独立协议标准 (AAIF) | | 范围 | 单模型 | 跨模型统一 | | 连接方式 | 每模型各自实现 | 统一协议 | | 生态 | 各模型各自 | 工具一次编写，多处使用 | | 成熟度 | 成熟 | 发展快，AAIF 托管 |

3. MCP 在各框架中的集成 ​

3.1 CrewAI MCP 原生支持 ​

CrewAI 已原生支持 MCP Server 作为工具使用。来源: CrewAI 官方文档

python
# CrewAI 中使用 MCP Server
from crewai import Agent, Crew, Task
from crewai.tools import MCPTool

knowledge_tool = MCPTool(
    server="enterprise-mcp",
    tool_name="query_knowledge_base"
)

researcher = Agent(
    role="研究员",
    tools=[knowledge_tool]
)

3.2 AutoGen + Agent Framework MCP 支持 ​

Microsoft AutoGen 框架已原生集成 MCP，用于多智能体系统构建。来源: AutoGen 与 MCP 文章

3.3 MCP 在各框架中的支持度汇总 ​

| 框架 | MCP 原生支持 | 集成难度 | 来源 | |--|-|--|-|--| | CrewAI | ✅ 原生 | 低 | CrewAI MCP 文档 | | AutoGen + Agent FW | ✅ 原生 | 低 | AutoGen+MCP 文章 | | LangChain | ✅ 通过扩展 | 中 | MCP & AI Frameworks 文章 | | OpenAI Agents SDK | ✅ 原生 | 低 | OpenAI 官方 | | 自研 | ✅ 完全可控 | 高 | - |

来源: How to Handle Authentication and Tool Sharing in Multi-Agent MCP Systems

4. 实践指南 ​

4.1 MCP Server 注册到 Claude Desktop ​

json
// claude_desktop_config.json
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/username/Documents"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxx"
      }
    }
  }
}

4.2 编写自定义 MCP Server ​

python
from mcp.server import Server

app = Server("my-mcp-server")

@app.tool()
async def get_weather(location: str) -> str:
    """获取指定城市天气"""
    temp = get_temperature(location)
    return f"{location}: {temp}°C"

# 启动
import asyncio
asyncio.run(app.runstdio())

4.3 最佳实践 ​

  1. Server 名要精确 — Claude 靠名字判断是否该调用
  2. 工具描述要完整 — 告诉 Claude 什么时候用
  3. 错误信息要友好 — Claude 会把这些返回给用户
  4. 一次编写多处使用 — MCP 的核心理念

5. 参考资料 ​

6. 学习路径 ​

  1. Level 1 — 安装 MCP Inspector 调试工具
  2. Level 2 — 用 npx 启动一个 MCP Server
  3. Level 3 — 编写自定义 MCP Server
  4. Level 4 — 实现 MCP + Function Calling 混合
  5. Level 5 — 阅读 MCP 协议规范源码