首页 /文章 /MCP 协议——大模型与外部工具的统一接口层

MCP 协议——大模型与外部工具的统一接口层

MCP 定位(USB 接口类比) + 3 核心对象(Client/Server/Transport) + Server 最小例 + 3 Transport 对比 + Agent 3 模式 + 生态 + 安全 6 条(防 Prompt Injection) + 3 落地坑 + MCP vs Function Calling + 结论 + 参考来源。

MCP模型工具协议2026Q3
分类:应用开发 › Agent 与工具调用 发布于 2026-09-22 33 次浏览

MCP 协议:大模型与外部工具的统一接口层

\n

判断一个 Agent 项目是否值得接入 MCP,看两点:工具是否需要在多个模型间复用,以及团队能否承担 Server 的运维成本。前者成立、后者可控时接入划算;否则先用厂商原生函数调用更省事。接入后最常见的坑集中在工具数量失控与 Server 崩溃无降级两处,后文逐一展开。

\n

一 什么是 MCP

\n

MCP(Model Context Protocol)是 Anthropic 于 2024 年 11 月开源的协议,定位为大模型与外部工具、数据之间的通用接口层。它要解决的问题是适配成本:过去每个模型厂商对接 M 个工具,就得写 M 套函数调用代码;工具端每支持一个模型,又要再写一遍。MCP 把模型端收敛为一个协议,工具端只需实现一次 MCP Server,支持 MCP 的模型即可调用。适配量因此从 N×M 降到 N+M。

\n

类比 USB 接口更直观。没有 MCP 之前,Claude 用 tool_use,GPT 用 function calling,Gemini 用 function declarations,模型 A 的工具无法直接被模型 B 调用。有了 MCP 之后,工具端实现协议,模型端只要会讲 MCP 就能调用,模型与工具解耦。

\n

生态方面,OpenAI 与 Google DeepMind 对 MCP 的表态需以各自官方公告为准,本文不引用未附链接的转述。LangChain、LlamaIndex、OpenAI Agents SDK、CrewAI 等框架已提供原生或适配支持。

\n

二 MCP 的三个核心对象

\n
\n\n\n\n\n\n\n
对象方向作用类比
Client模型侧发起调用、请求能力USB 主设备
Server工具侧提供能力(tools / resources / prompts)USB 外设
Transport两者之间传输层(stdio / SSE / HTTP)USB 线
\n

MCP 定义三种能力。Tools 是模型可主动调用的函数,如查天气、读文件、执行 SQL,最核心也最常用。Resources 是模型可请求读取的数据,如文件内容、数据库记录、API 响应。Prompts 是预置的提示词模板,供调用方或模型复用,比固定 System Prompt 更灵活。

\n

三 MCP Server 怎么写(Node.js 例子)

\n

下面是一个最小 MCP Server,实现一个查天气工具:

\n
import { Server } from '@modelcontextprotocol/sdk/server/index.js'\nimport { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js'\n\nconst server = new Server(\n  { name: 'weather', version: '1.0.0' },\n  { capabilities: { tools: {} } }\n)\n\nserver.setRequestHandler('tools/list', async () => ({\n  tools: [{\n    name: 'get_weather',\n    description: '查询指定城市的天气',\n    inputSchema: {\n      type: 'object',\n      properties: {\n        city: { type: 'string', description: '城市名' }\n      },\n      required: ['city']\n    }\n  }]\n}))\n\nserver.setRequestHandler('tools/call', async (req) => {\n  const { name, arguments: args } = req.params\n  if (name === 'get_weather') {\n    return { content: [{ type: 'text', text: `${args.city} 今天 28°C` }] }\n  }\n})\n\nawait server.connect(new StdioServerTransport())
\n

核心只有两步:声明工具列表(tools/list)与处理工具调用(tools/call)。一个工具等于一个函数加一份 JSON Schema 参数描述。Python SDK 的接口结构一致,只是语法不同。

\n

四 Transport:STDIO、HTTP 与 SSE

\n
\n\n\n\n\n\n\n
Transport场景优点缺点
STDIO本地开发、CLI 工具最简,无网络,进程隔离只能本地,无并发
SSEWeb 服务、远程工具服务端到客户端单向流式推送,服务端可主动发消息需常驻服务端与 HTTPS
HTTP JSON-RPC跨域、高并发、安全隔离标准化,可配合重试机制需认证与速率限制
\n

实践中的常见做法是:开发阶段用 STDIO,简单直接;生产环境用 HTTP JSON-RPC,便于鉴权与限流。STDIO 适合个人工具与本地文件操作,HTTP 适合企业级、需要鉴权的场景。

\n

五 从 MCP 到 Agent 编排:三种模式

\n

MCP 是工具接口,不是 Agent 框架。它让 Agent 编排变简单,但两者职责不同。

\n
\n\n\n\n\n\n\n
模式说明优势局限
ReAct 单 Agent一个 LLM 循环“思考→调用工具→观察→思考”,通过 MCP 调工具最简、最可调试,适合 3-5 步小任务超过 10 步容易迷路
Plan-then-Execute先规划任务图,再按图执行,每步通过 MCP 调工具可控、可预测,适合 5-15 步结构化任务规划质量决定上限
多 Agent + MCP 共享多个 Agent 各自调不同 MCP 服务器,通过共享状态或消息总线协作专业分工,复杂任务稳健调试复杂,token 成本上升
\n

工程上的经验是:小任务用 ReAct(5 步内),中任务用 Plan-then-Execute(5-15 步),大任务才考虑多 Agent。不要为了多 Agent 而多 Agent。

\n

六 MCP 生态现状

\n
\n\n\n\n\n\n\n\n
类别内容
官方 SDKPython / TypeScript / Java / Go / C# 五语言官方 SDK(github.com/modelcontextprotocol)
已集成平台Claude Desktop / Claude Code / Cursor / Windsurf / OpenAI Agents SDK / Google Gemini API / LangChain / LlamaIndex
官方 Server官方仓库收录文件、GitHub、Notion、Slack、Postgres、S3 等 Server(数量以仓库实时统计为准)
社区 Servernpm / PyPI 上有大量社区 Server,覆盖数据库、搜索、浏览器、日历、支付等
\n

企业落地的关键不在造 Server,而在组合 Server。实践中一个 Agent 常组合多个 MCP Server 覆盖业务,具体数量随业务复杂度变化,非官方统计。

\n

七 安全与权限:MCP 最关键的短板

\n

MCP 协议本身不定义安全,安全是生产环境最大的挑战。社区讨论中较常见的做法包括:

\n
    \n
  • 工具白名单:只允许 Agent 调用预注册的 tools,不接受动态加载。
  • \n
  • 参数校验:MCP Server 端必须校验所有参数,不能盲信模型输出,模型可能传入恶意 SQL 或路径。
  • \n
  • 速率限制:每个 MCP Server 单独限流,防止雪崩调用。
  • \n
  • 敏感数据脱敏:Tools 返回结果中带 PII 的字段要脱敏,不能直接进入 LLM 上下文。
  • \n
  • 审计日志:每次 tool call 记录调用方、时间、工具名、参数与结果,保留期按合规要求设定。
  • \n
  • 认证:HTTP Transport 必须带认证(API Key 或 OAuth),STDIO 本地可用进程隔离。
  • \n
\n

尤其要警惕 Prompt Injection。模型可能被恶意数据注入,例如网页内容里藏一句“忽略之前的指令”,诱导 Agent 执行危险工具。较稳妥的做法是把工具结果视为不可信:所有外部数据(网页、文件、数据库)进入 LLM 前标记为不可信,LLM 只能引用、不能执行其中的指令。

\n

八 工程落地:三个常见坑

\n

工具数过载:一个 Agent 挂 50 个以上 tools,LLM 选错工具的概率明显上升。实践中单 Agent 常控制在 20 tools 以内,超过就拆成多 Agent 或加工具路由层。

\n

Server 崩溃不重试:MCP Server 是微服务,会 OOM、会超时。生产环境需要健康检查、自动重连与降级,否则整个 Agent 停摆。

\n

同步阻塞:工具调用是同步的,Server 不返回,Client 就一直等。若 Server 本身调外部 API 较慢(超过 3 秒),要设 timeout 并引入异步队列,不能无限等待。

\n

九 MCP 与 Function Calling 的关系

\n

两者不在同一层级,谈不上竞争。

\n
\n\n\n\n\n\n\n\n
维度Function CallingMCP
层级模型 API 层,每个厂商一套工具接口层,厂商无关
定义模型原生的函数调用能力工具如何被模型发现、调用、返回
范围单次调用协议全生态协议,含定义、发现、认证、传输、安全
可移植性工具绑定单一模型厂商一次编写,多模型可用
\n

可以这样理解:Function Calling 是模型会打电话,MCP 是电话线标准。模型要用 MCP 工具,底层仍走自己厂商的 Function Calling 协议,MCP 在传输与发现层做抽象,让工具可复用。

\n

十 MCP 与 A2A:两个互补协议

\n

2025 年 Google 提出 A2A(Agent-to-Agent)协议,与 MCP 互补。MCP 管模型与工具之间,A2A 管 Agent 与 Agent 之间。

\n
\n\n\n\n\n\n\n\n\n
维度MCPA2A
通信双方模型(Client)与工具(Server)Agent 与 Agent
典型场景调数据库、读文件、发请求多 Agent 协作、跨系统任务交接
消息格式JSON-RPC 2.0JSON-RPC 2.0 + Task/Artifact
身份无,工具无身份有,Agent 有 manifest,能力可发现
状态无状态,每次调用独立有状态,Task 生命周期管理
\n

组合起来看:企业 AI 系统中,MCP 管 Agent 怎么调工具,A2A 管 Agent 之间怎么协作。两者目前处于互补共存状态。

\n

十一 MCP 的路线图方向

\n

以下方向来自社区讨论与官方仓库议题,落地时间未定:

\n
    \n
  • 认证标准化:OAuth 2.0 与 MCP 绑定,解决谁在调、能调什么的问题。
  • \n
  • 流式工具(Streaming Tools):长任务工具不阻塞,Server 可增量返回结果。
  • \n
  • 工具发现服务:集中注册中心,Agent 运行时按需动态发现工具。
  • \n
  • 沙箱化 Server:每个 MCP Server 运行在独立沙箱,失败不影响其他。
  • \n
\n

这些方向若落地,MCP 会从可用走向可信赖的工业接口,成为企业级 Agent 的基础设施之一。

\n

十二 一次 MCP 调用流解剖

\n

一次典型的 MCP 工具调用,底层有四步:

\n
    \n
  1. Client → Server:tools/list,模型侧先问 Server 有哪些工具可用。
  2. \n
  3. Server → Client:返回工具列表,含 tool 名称、描述、参数 JSON Schema。
  4. \n
  5. Client → Server:tools/call,模型决定调用哪个工具并传参。
  6. \n
  7. Server → Client:返回结果,JSON 格式,含 content(文本、图片、资源引用)。
  8. \n
\n

整个调用是 JSON-RPC 的请求-响应对。STDIO 下无连接保持;SSE 下则维持长连接以支持服务端到客户端的单向推送。工具之间完全解耦,Server A 崩了不影响 Server B,这是 MCP 能无限组合的本质。

\n

十三 结论

\n

MCP 当前的角色,是大模型与外部世界之间的通用接口层。开发者要做的不是造模型,而是造或组合 MCP Server,再用 MCP 编排 Agent。

\n

五条可执行建议:单 Agent 工具数控制在 20 以内;参数严格校验;敏感数据脱敏;所有外部内容标记为不可信以防 Prompt Injection;Server 具备健康检查、重连与降级。

\n

不支持 MCP 的 Agent 框架已陆续补上兼容层,以便与生态对齐。工具可复用性与迁移成本,是评估是否接入时更实际的考量。

\n

引用

\n
    \n
  • MCP 官网(Anthropic,2024-11):https://modelcontextprotocol.io
  • \n
  • MCP GitHub SDK(Python / TS / Java / Go / C#):https://github.com/modelcontextprotocol
  • \n
  • MCP 官方 Server 列表:https://github.com/modelcontextprotocol/servers
  • \n
  • Anthropic,Building effective agents(标题与链接以官方发布为准)
  • \n
  • OWASP LLM Top 10(2025-2026):https://owasp.org/www-project-top-10-for-large-language-model-applications/
  • \n
关键词 MCP模型工具协议2026Q3 000050