- Hey, 我是 沉浸式趣谈
- 本文首发于【沉浸式趣谈】，我的个人博客 https://yaolifeng.com 也同步更新。
- 转载请在文章开头注明出处和版权信息。
- 如果本文对您有所帮助，请 点赞、评论、转发，支持一下，谢谢！
说实话，我第一次听说 MCP 的时候，还以为是《创：战纪》里那个控制数字世界的程序呢。
理想中的 AI 编程助手
虽然现在 Cursor 已经能帮我们自动生成代码，但说真的，这离我心目中的理想编程工具还差那么一截。
我心里的完美 AI 编程助手应该是什么样的呢？
大概是这样：
- 我正在敲代码，突然想查一下本地数据库里的表结构，直接问 AI："帮我看看用户表有哪些字段？"，然后它就给我列出来了。
- 代码报错了？不用慌，一键把错误信息丢给 AI，它立马帮我搜索解决方案，省去我自己复制粘贴到 Google 的麻烦。
- 写完一段关键代码，想让同事帮忙看看？直接让 AI 把代码发到钉钉或者微信，顺便帮我做个简单的 Code Review。
- 最爽的是，等我写完所有代码，AI 直接帮我打包、部署、上线，从此告别繁琐的发布流程。
这听起来像是做梦？不，这就是 MCP 要实现的愿景！
MCP 到底是个啥？
模型上下文协议（MCP：Model Context Protocol）是 Anthropic 公司（就是开发 Claude 的那家）推出的一个开放标准。
简单来说，它让 AI 能够通过统一的方式访问各种资源，不管是本地的（比如你电脑上的文件、数据库）还是远程的（比如 Slack、GitHub API）。
官方把 MCP 比喻成 AI 应用的 USB-C 接口，我觉得这个比喻挺贴切的。
就像 USB-C 让你的笔记本能连接各种外设一样，MCP 让 AI 能连接各种服务和资源。
MCP 的三大核心功能
MCP 主要提供三大核心功能：
1. 工具（Tools）
这个最直观，就是让 AI 能执行具体操作。
比如查天气、发邮件、调用 API、执行代码等等。
想象一下，你对 AI 说"帮我发个邮件给张三"，它真的能发，而不只是生成一段邮件内容。
2. 资源（Resources）
为 AI 提供参考信息。
比如让 AI 读取你的项目文件、查询数据库、获取网页内容等。
这样 AI 就能基于真实数据给你建议，而不是凭空想象。
3. 提示（Prompts）
这个其实就是预设的对话模板。
比如你可以设置一些快捷命令或标准工作流，让 AI 按照特定方式回应特定请求。
MCP 的四大优势
相比其他 AI 集成方案，MCP 有几个明显优势：
1. 通用性
MCP 不绑定特定 AI 模型，理论上支持任何 AI 应用。
今天你用 Claude，明天换成 GPT，后天换成国产大模型，都能用同一套 MCP 接口。
2. 标准化
MCP 使用 JSON-RPC 协议，这是一个成熟的技术标准，确保了兼容性和一致性。
不用担心各家 AI 厂商各搞一套标准导致的混乱。
3. 灵活性
MCP 支持双向通信，允许事件和通知机制。
这意味着不只是你问 AI 答，AI 也可以主动给你推送信息。
4. 安全性
MCP 提供细粒度的权限控制，确保 AI 只能访问你允许的资源。
不用担心 AI 乱翻你的文件或者擅自执行危险操作。
MCP 开发方式
如果你想尝试开发 MCP 应用，有几种方式：
- 直接使用 **JSON-RPC 协议**：最硬核的方法是直接裸写 MCP 服务器。这有点像不用框架直接写原生 JavaScript，灵活但费劲。
- 使用官方 SDK：更常见的方式是使用官方提供的 SDK，目前支持 TypeScript 和 Python 等语言。SDK 会自动处理协议细节，提供类型安全和错误处理，让你专注于业务逻辑。
结语：MCP 的未来展望
说实话，我最近正打算尝试用 MCP 做个小工具，连接我的本地代码库和笔记系统。
虽然还在学习阶段，但已经能感受到它的潜力。
总之，MCP 可能是 AI 编程工具的下一个重要发展方向。
它不仅让 AI 更强大，还让我们的工作流更顺畅。
虽然现在还处于早期阶段，但未来可期！
