我要投稿

一个MCP协议，万能USB HUB拓展坞，重新定义AI接入方式

发布日期：2025-03-17 06:27:11 浏览次数： 1570 来源：小智AI指南

前言

随着 Manus 的火爆，MCP 也迅速成了AI界热门讨论的话题，这个概念MCP（Model Context Protocol）最早由人工智能公司 Anthropic 提出。该公司开发该协议的主要目的是帮助其AI模型（如Claude）更便捷地连接外部工具和数据源，以解决传统API集成碎片化的问题。

MCP 是什么

说人话，MCP就是一种协议，就像 HTTP 或 TCP 那样的协议。它是一种开放标准，目的是统一大模型LLM 和外部数据源和工具之间的通信协议。打个简单的比喻，MCP 就像是一个多扣同接的USB转换器，它能让 AI 应用和你的数据、工具之间建立起安全的连接，让 AI 应用可以更方便地使用你的数据、工具，从而更好地为你服务。

为什么需要 MCP而不是传统API

正如文章开头咱们提到的，Anthropic公司开发该协议的主要目的是解决传统API集成碎片化的问题。

将 AI 系统连接到外部工具需要集成多个 API。每个 API 集成都意味着单独的代码、文档、身份验证方法、错误处理和维护比如：你想预订一个航班机票，你需要集成航班查询时刻表API、路线查询API、订单查询API、支付API等等。就像下图所示：

实用场景：API 与 MCP

场景	API 方法	MCP 方法	为啥 MCP 会赢？
获取天气数据	调用 OpenWeather API，解析 JSON 文件	通过 MCP 天气服务器使用获取天气预报工具	输出对 AI 更友好，写代码少些
管理文件	用 API 端点搭建本地服务器	用 MCP 文件系统服务器	本机访问更原生，标准统一
自动处理 Slack 任务	用 Slack API，处理消息频率限制和身份验证	使用 MCP Slack 服务器，带有批准的操作	互动更安全，能控制权限
分析 GitHub 问题	多次调用 GitHub API，定制逻辑	使用 MCP GitHub 服务器，有列出问题之类的工具	流程简化，支持双向数据流

MCP的核心价值

核心价值一：团队协作

在MCP出现之前，AI Agent之间的通信方式各不相同，缺乏统一标准

就像工作中需要团队合作一样，复杂的AI任务需要不同职能的AI助手去完成，如果没有MCP协议，这些AI助手就像是不会用同一种语言交流的团队成员，效率低下

核心价值二：组合AI能力

MCP让AI的能力变得像搭积木一样简单：
比如，你需要翻译和写作，就可以把翻译AI和写作AI拼在一起；
需要做数据分析和可视化，就把数据分析AI和图表AI组合起来。
这种灵活的组合方式，让创新变得更加轻松、高效。
而MCP协议凭借其强大的交互模式设计，让这些复杂的协作变得轻而易举。

MCP的工作原理和框架

MCP 主机：就是你和 AI 互动的应用程序，比如 Claude Desktop。你可以把它想象成你和 AI 助手聊天的“大本营”。
MCP 服务器：这是一个特殊的程序，它能给 AI 访问特定资源的权限，比如你的文件或者 Slack 软件。每个服务器就像是一个对某个特定领域特别熟悉的导游。
MCP 客户端：这是个幕后功臣，它能让主机和服务器之间顺利沟通。你不用担心这部分，它会自动运行。

核心价值三：降低集成门槛

MCP协议让构建复杂AI系统变得前所未有的简单，主要体现在以下几个方面：

标准化接口：MCP通过统一的接口规范，简化了Agent之间的交互定义，开发者无需为每个组件单独设计复杂的接口。
自动代码生成：从接口定义出发，MCP能够自动生成客户端和服务器端的代码，大大减少了手动编码的工作量。
语言无关性：它支持多种主流编程语言，这意味着开发者可以无缝集成不同语言编写的系统和模块，轻松实现异构系统的协同工作。
内置安全机制：MCP内置了身份验证和加密通信功能，为系统提供了强大的安全保障，开发者无需额外开发安全模块。

MCP 与智能体的本质区别

如果说MCP解决了API碎片化的问题，那么对于智能体来说，MCP扮演了一种什么角色呢？有一些文章中提到说MCP是智能体的未来，我不这么认为。其实两则之间的差别还是挺大的，没有什么可比性。

定位差异

维度	MCP	智能体
核心定位	AI模型与工具的“通信协议”	自主执行任务的“AI实体”
类比	类似USB-C接口，标准化连接方式	类似具备思考能力的“数字打工人”
价值焦点	解决工具集成碎片化问题	实现端到端任务自动化

MCP是协议层技术，主要是为AI模型提供标准化的工具调用和数据交互方式，解决传统API集成需重复开发的问题。

例如，通过MCP连接GitHub、Slack等工具时，只需实现一次协议即可复用，无需为每个工具单独编码。

智能体则是应用层实体，具备自主规划、工具调用和上下文管理能力。例如，Goose框架作为开源AI智能体，可自动生成单元测试、管理功能标记等复杂任务。

MCP服务器搭建

准备亲自试试 MCP 吗？按以下步骤操作：

下载桌面上的 Claude
现在，MCP 服务器是托管在本地的（在你电脑上），所以我们也需要一个本地客户端。从 https://claude.ai/download 下载并安装它。安装完后，运行它并登录你的 Claude 账号。
安装 Node.js
出于和安装桌面上的 Claude 同样的原因，我们得安装 Node.js。我们要在本地运行所有东西，而 node 能帮我们加载并运行服务器。按照 Nodejs.org 指示安装即可。
安装你的第一个 MCP 服务器
我们从文件系统服务器开始。它是由 Anthropic 公司创建的，能让 Claude 访问你电脑上的文件。首先，点击 Claude，然后点击设置。进入 Developer 部分并点击 Edit Config。

这时打开一个文件夹，里面有个叫 claude_desktop_config.json 的文件。现在它是个空文件，里面只有一对大括号 {} 。把大括号删掉，然后粘贴这个进去：

{  
  "mcpServers": {  
    "filesystem": {  
      "command": "npx",  
      "args": [  
        "-y",  
        "@modelcontextprotocol/server-filesystem",  
        "/Users/<add your username here>/Documents",  
        "/Users/<add your username here>/Downloads"  
      ]  
    }  
  }  
}

这个配置文件告诉桌面上的 Claude，我们有个叫 “filesystem” 的 MCP 服务器，它应该用 Node 来安装并运行 @modelcontextprotocol/server-filesystem 。这个服务器允许你在桌面上的 Claude 里访问你的文件系统。它还列出了它能访问的文件夹。确保添加正确的路径名（在 Mac 上通常是 “Users/你的用户名/Documents”）。

试试看吧
保存配置文件后，重新启动桌面上的 Claude 应用程序。它可能要启动几分钟，但启动后，你会在聊天框的右下角看到一个小锤子图标。

那就是我们的 MCP 工具列表！我们只装了一个服务器，但它自带 11 个工具，比如创建目录、编辑文件等等。现在你知道为啥它这么酷了吧？想象一下要是自己从头构建这些东西得多麻烦。

咱们来试试。我给 Claude 设置了访问一个叫 Code 的文件夹的权限，我在本地把所有编程项目都存那里。我就让 Claude 用 python 生成个 Hello World 代码，然后把它当文件存到我的 Code 文件夹里。

这不挺酷的吗？现在看起来简单，但我可以扩展这个功能，让 Claude 生成多个文件，把它们整理到不同文件夹里，要是是编程项目，还能从聊天窗口把它们推送到 GitHub 上呢。

结论

不得不说Anthropic这招真的挺厉害！在跟OpenAI的竞争中，OpenAI在普通用户那边已经占了很大便宜，毕竟人家搞的那些东西，比如网络搜索整合，用户用起来很方便。但Anthropic呢，它就聪明地避开正面竞争，直接瞄准开发者这块。他们搞了个MCP，让开发者自己动手搭服务器，这样一来，Claude的能力就能通过社区的力量飞速提升，说不定还能把ChatGPT给比下去呢！

所以，MCP的作用不言而喻，它就像给AI铺了一条超方便的“快车道”，让AI在你的数字生活中真正能帮上忙。开发者用它能快速把AI和各种工具、数据连起来，不用再费劲巴拉地写一堆代码。这样一来，AI就能更灵活地为你服务啦！