告别重复造轮子！MCP 协议科普：给大模型装上“USB-C”万能接口

场景想象：
你是一个开发者，电脑里有个 users.db 数据库。你想问 Claude：“帮我查查在这个数据库里，上个月注册的用户有多少？”

没有 MCP 之前：你得先自己写一段 Python 代码连数据库，把数据查出来，复制粘贴给 Claude，然后问它。麻烦！
有了 MCP 之后：你在 Claude Desktop 里安装一个 SQLite MCP Server 插件，配置好数据库路径。然后直接问 Claude，它自己就会去查库、分析、告诉你结果。全程自动化。

这就是 MCP (Model Context Protocol) 的魔力。它是 AI 界的 USB Type-C 标准——只要你的数据源（GitHub、数据库、飞书）支持 MCP，任何 AI 模型都能即插即用，直接读取和操作。

1. 它是干什么用的？🧐

MCP 是由 Anthropic (Claude 母公司) 开源的一套标准化协议。
它的核心目的是：统一 AI 模型与外部数据/工具之间的连接方式。

❌ 没有 MCP (乱世)：
- Cursor 编辑器想连 MySQL，Cursor 团队得开发个插件。
- Windsurf 编辑器想连 MySQL，Windsurf 团队也得开发个插件。
- Agent A 想连 MySQL，开发者还得自己写代码。
- N 个 AI 工具 × M 个数据源 = N×M 的工作量。
✅ 有了 MCP (大一统)：
- MySQL 官方（或社区）只需要开发一个 MySQL MCP Server。
- Cursor、Windsurf、Agent A 只要支持 MCP 协议，直接连接这个 Server 就能用。
- 1 个 Server + N 个 Client = 极简连接。

2. 它扮演了什么角色？🎭

MCP 扮演的是 “通用适配器” 或 “驱动程序接口” 的角色。

想象一下电脑的 USB 接口：

💻 Host (主机)：你的电脑（对应 AI Client，如 Claude Desktop, Cursor）。
🖱️ Device (设备)：鼠标、键盘、U盘（对应 MCP Server，如 GitHub, SQLite）。
🔌 Protocol (协议)：USB 协议（对应 MCP 协议）。

因为有了 USB 协议，联想电脑不需要为罗技鼠标专门写驱动，插上就能用。
同理，因为有了 MCP 协议，Claude 不需要为 GitHub 专门写适配代码，连上就能用。

3. 它的工作原理 ⚙️

MCP 采用的是经典的 Client-Server (客户端-服务端) 架构，通常通过 JSON-RPC 进行通信。

3.1 架构图解 🗺️

3.2 MCP 的三大核心能力 💎

MCP 规定了三种标准的“交互模式”，涵盖了 AI 此时此刻最需要的场景：

📖 Resources (资源) —— “我能让你看什么”
- 作用：让 AI 读取外部数据。
- 原理：Server 告诉 Client：“我有这些文件 URI，你想看哪个？”
🗣️ Prompts (提示词) —— “我能帮你问什么”
- 作用：预设好的沟通模板。
- 原理：Server 提供一套菜单，用户点菜，Server 把上下文填进去发给 AI。
🛠️ Tools (工具) —— “我能让你干什么”
- 作用：即上一篇文章说的 Agent Skill，让 AI 执行操作。
- 原理：Server 暴露函数给 Client，AI 决定调用时，由 Server 执行。

3.3 案例剖析：以 SQLite MCP Server 为例 🌰

我们来看看一个具体的 SQLite MCP Server 是怎么向 AI 展示它的能力的：

能力类型	具体功能 (What)	AI 怎么用 (How)
Resources	`schema.sql` (数据库结构定义)	当你问“这个库里有哪些表？”时，AI 会读取这个资源，看懂表结构。
Tools	`read_query` (执行查询)	当你问“查查用户总数”时，AI 会调用这个工具，传入 `SELECT count(*) FROM users`。
Prompts	`data_analyst` (数据分析师)	这是一个预设模版。你点选它，AI 就会自动切换到“数据分析师”人设，并加载数据库结构上下文。

3.3.1 交互流程图解 🔄

让我们用时序图来看看，当你问了一句话后，Cursor (客户端)、LLM (大模型大脑) 和 MCP Server (工具人) 之间到底发生了什么：

核心角色分析：

Cursor (Client)：👮 联络员。它负责把话传给大模型，把活派给 MCP Server。
LLM (Model)：🧠 大脑。它不做具体操作，它只负责思考：“我该用哪个工具？参数传什么？”
MCP Server：🦾 手脚。它不思考，只负责执行命令（查库、读文件）。

3.4 常见疑问与误区 (FAQ) ❓

Q1: MCP Server 必须跑在服务器上吗？

不用！ 这是最大的误解。

🏠 本地模式 (Local / stdio)：这是目前最主流的玩法。
- MCP Server 作为一个子进程直接运行在你的电脑上（和 Claude Desktop 同一台电脑）。
- 它们通过标准输入输出 (stdio) 偷偷说悄悄话。
- 优点：安全、快、能直接读写你本地文件（比如 Filesystem Server）。
☁️ 远程模式 (Remote / SSE)：这是高级玩法。
- MCP Server 部署在远程云服务器上。
- Claude Desktop 通过 SSE (Server-Sent Events) 协议连接它。
- 优点：适合团队共享的工具（比如公司内部的知识库 Server）。

一句话总结：个人开发者平时用的 MCP Server，99% 都是跑在自己本机上的本地进程。

Q2: 到底是“大模型”调用的工具，还是“Cursor”调用的？

这是一个经典的“动嘴 👄 vs 动手 👐”的问题。

很多同学会疑惑：大模型不是只生成文本吗？它怎么能查数据库？

大模型 (LLM)：只负责决策 (动嘴)。
- 它通过分析你的问题，输出一段文本（JSON 格式）：“我觉得应该调用 read_query 工具，参数是 SELECT * FROM users”。
- 它自己没有联网能力，也没有执行代码的能力，它只能“说话”。
Cursor (Client)：负责执行 (动手)。
- 它监听大模型的回复，一旦看到“调用工具”的指令，就立马去连接 MCP Server，执行真正的操作。
- 拿到结果后，再把结果喂回给大模型。

形象比喻：

大模型是指挥官 🤴（瘫痪在床但在运筹帷幄），他下令：“帮我拿杯水！”
Cursor是护工/执行者 🏃，他听到命令后，去厨房（MCP Server）拿水，然后喂给指挥官。

4. 热门好用的 MCP 工具推荐 🧰

现在社区已经涌现了大量现成的 MCP Server，你几乎可以直接拿来用：

4.1 🛠️ 生产力工具

📂 Filesystem (文件系统)
- 用途：让 AI 读写你电脑本地的文件。
- 场景：让 Claude 帮你重构整个项目的代码，或者整理乱七八糟的文档文件夹。
🐙 Git / GitHub
- 用途：管理代码版本，搜索 GitHub 仓库。
- 场景：问 AI “最近的版本提交里，谁修改了登录逻辑？”，或者让它直接帮你提 PR。
🔍 Brave Search
- 用途：联网搜索。
- 场景：给本来不能联网的本地大模型（如 Ollama 跑的 DeepSeek）装上这个，它就能回答“今天的新闻”了。

4.2 🧠 知识管理工具

☁️ Google Drive / Slack
- 用途：连接你的云端工作流。
- 场景：让 AI 总结 Slack 里的会议记录，并存到 Google Doc 里。
🧠 Memory (记忆)
- 用途：给 AI 一个外挂的“长期记忆库”。
- 场景：让 AI 记住你的编程习惯、偏好，下次不用重复说。

4.3 🕹️ 怎么安装和使用？

目前体验最好的客户端是 Claude Desktop (Mac/Windows 应用) 和 Cursor。
以 Claude Desktop 为例：

📥 下载安装 Claude Desktop。
⚙️ 找到配置文件（通常在 ~/Library/Application Support/Claude/claude_desktop_config.json）。
📝 把你想用的 Server 配置填进去（通常需要先安装 npm 或 python 环境）。
🔌 重启 Claude，你会发现右上角多了一个“🔌”图标，点开就能看到连接好的工具了。

4.4 配置文件详解：以 SQLite 为例 🧐

很多同学打开 claude_desktop_config.json 会一脸懵。我们以配置 SQLite 为例，逐行拆解它的含义：

{
  "mcpServers": {
    "my-sqlite-db": {
      "command": "uvx",
      "args": [
        "mcp-server-sqlite",
        "--db-path",
        "/Users/lifei/data/users.db"
      ],
      "env": {
        "DEBUG": "1"
      }
    }
  }
}

🔑 mcpServers: 这是一个大字典，里面装着你安装的所有 MCP 插件。
🏷️ my-sqlite-db (Key): 插件的昵称。
- 这个名字你可以随便起（比如 work-db, test-db），Claude 界面上显示的就是这个名字。
🚀 command: 启动命令。
- 告诉 Claude 怎么启动这个插件。
- 常见的有 uvx (Python 工具链), npx (Node.js 工具链), 或者直接是 /usr/bin/python3。
- 注意：这里必须是可执行文件的绝对路径，或者在系统 PATH 里的命令。
📦 args: 启动参数。
- 这是传给 command 的参数列表。
- 比如上面的例子，意思是运行：uvx mcp-server-sqlite --db-path /Users/lifei/data/users.db。
🌐 env (可选): 环境变量。
- 有些插件需要 API Key（比如 GitHub），就放在这里。
- 例如："GITHUB_PERSONAL_ACCESS_TOKEN": "sk-..."。

5. 推荐资源与网站 🔗

要想深入玩转 MCP，这几个网站必看：

📚 MCP 官方文档：modelcontextprotocol.io
- 最权威的协议说明和入门教程。
🏪 Smithery：smithery.ai
- MCP 界的 App Store。你可以在这里搜索各种现成的 MCP Server，一键复制安装配置。
📑 Glama：glama.ai/mcp/servers
- 另一个高质量的 MCP Server 列表站，分类很清晰。

6. 总结 📝

MCP 是 AI 工程化的基础设施。
随着 MCP 的普及，未来的每一个 API、每一个数据库、每一个 SaaS 软件，都会自带一个 MCP Server。
到那时，AI Agent 就像拥有了万能钥匙，可以随意打开任何软件的大门。

转载自CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/DaoCaoRen1203/article/details/156695215