一文讲透 MCP（附 Apifox MCP Server 内测邀请）

如果你关注着 AI 的发展，那么最近可能经常看到 MCP 这个词。

MCP 即模型上下文协议（Model Context Protocol）的缩写，于 2024 年 11 月由 Claude 大模型的公司 Anthropic 推出并开源。这是一个将 AI 助手连接到第三方数据源的新标准，包括内容存储库、业务工具和开发环境。它的目的是帮助 AI 大模型生成更好、更相关的回答。

通过联网搜索向 AI 提供最新信息

随着 AI 大模型获得了广泛的使用，该行业在训练模型方面投入了大量资金，新的模型在推理能力和生成质量方面得到了较大的进步。但是，训练 AI 的数据集始终是滞后的、固定的，再强大的 AI 也只是知道过去发生的事情，却无法实时从外界获取最新的信息，比如今天的天气情况、今天的热点新闻等。

通过 API 向 AI 提供自有系统数据

为了让自有系统和 AI 模型紧密协作，打破信息隔离，用户可以自行搭建 AI 代理，将自有系统的数据通过 API 的形式接入 AI 助手。继续上面的例子，我们可以将 Apifox 的更新日志内的信息，通过 API 向外提供。然后设定这样一个工作流：如果有人问 Apifox 的最新版本是多少，则调用这个 API，再将 API 返回的结果和用户的原始问题一起提供给 AI，这样 AI 就可以给出正确的回答了。

通过 MCP 服务器向 AI 提供上下文信息

以上只是一个非常简单的场景，在真实业务环境中，需要将多种数据源接入AI大模型，也就必须得为不同的数据源、不同的 AI 助手开发不同的连接器。虽然可以使用第三方 AI 代理工具或知识库工具，但仍然无法避免架构碎片化的问题。

MCP 协议正是为了解决数据连接器集成碎片化的问题而生。它使开发人员能够在其数据源和 AI 驱动的工具之间建立安全的双向连接。架构简单明了：开发人员可以通过 MCP 服务器公开他们的数据，也可以构建连接到这些服务器的 AI 应用程序（MCP 客户端）。

也就是说，开发者现在可以根据 MCP 这个标准协议来完成 AI 大模型与数据源的集成，而不是为每个数据源、每个 AI 助手维护单独的连接器。随着 MCP 生态系统的成熟，人工智能系统将在不同的工具和数据集之间移动时保持上下文，用更可持续的架构取代当今的零散集成。

通过 Apifox MCP Server

向 AI 提供接口文档

现在，越来越多的 AI 工具已经内置了 MCP 客户端，比如 Cursor、Cline、Claude Desktop 和 Cherry Studio，它们都已经具备连接到 MCP 服务器的能力。