mcp是什么概念

入门与上手

用大白话讲清 MCP 是什么概念、解决什么问题,帮开发者判断什么时候该用、什么时候不必用。

你可能在装某个 AI 编程工具时被要求填一段 MCP 配置,或者看到别人说「接个 MCP 就能让模型读我的数据库」,但翻了几篇介绍还是没搞明白它到底是个协议、一个插件还是一个服务。这篇不讲代码细节,只把概念边界、术语关系和判断标准说清楚,看完你能自己决定要不要接、接之前先确认哪几件事。

你可能在装某个 AI 编程工具的时候,被要求填一段 MCP 配置,或者看到别人说「接个 MCP 就能让模型读我的数据库」,然后翻了几篇介绍,还是没搞明白它到底是个协议、一个插件还是一个服务。这篇不讲代码细节,只把概念边界、术语关系和判断标准说清楚,看完你能自己决定要不要接、接之前先确认哪几件事。

先把结论放前面:MCP 是一层约定,不是某个能直接用的工具。它的价值只在「同一套外部能力要被反复复用、且调用方是模型」这个前提下才成立。搞清这个前提,后面要不要接、怎么接,基本就顺下来了。

一句话说清:MCP 是模型和外部工具之间的一层约定

把它理解成「插座标准」而不是「某个具体电器」。标准本身不发电,只规定接口的形状——模型怎么发现有哪些工具可用、每个工具要传什么参数、调用完结果以什么形式回来。至于真正干活的能力,全都来自你接上的那台服务器。协议只负责让双方用同一套话术对话,不负责替你实现任何业务逻辑。

协议层
规定消息格式、握手方式、能力交换流程,是一份规范而不是代码
服务器
真正实现能力的那个进程,把数据库、文件、某个 HTTP 接口包成统一格式暴露出去
客户端
你正在用的 AI 工具本身,负责把服务器报上来的能力清单转述给模型
能力清单
握手时交换的元信息,告诉模型「有哪些工具、各要什么参数」
  • 适合用:同一套工具想让多个 AI 客户端共用,不想给每家各写一遍适配
  • 适合用:工具数量会持续增加,希望加一个新工具不用改客户端代码
  • 不适合用:单个脚本里自己写死几个函数直接调用,接 MCP 反而多绕一层
  • 不适合用:只调一个固定接口、对延迟极其敏感,中间多一跳没有收益

三个角色别搞混:客户端、服务器、能力清单

新手最容易混的是「客户端」和「服务器」到底谁在谁那边。简单记:客户端是你打开的那个 AI 工具,服务器是你自己或第三方跑的一个小服务。工具把服务器登记进配置,启动时拉一次能力清单,之后模型就能看到这些工具的存在。

  1. 第一步:分清连接失败发生在哪一侧先确认客户端配置里那条服务器记录格式对不对,再确认服务器进程本身有没有起来,把两件事分开查,别混在一起猜。
  2. 第二步:确认清单是否拉到服务器进程活着但客户端看不到任何工具,通常是握手或清单拉取这一步断了,看服务器侧启动日志最直接。
  3. 第三步:确认调用是否真的发生用一句确定的提问验证,比如「列出你当前可用的工具」,模型答不出说明清单没到模型手里,而不是工具写错了。

排查顺序建议固定成「客户端配置 → 服务器进程 → 清单交换 → 实际调用」四段。每段只看一个信号,能省掉大量来回试的时间。站内 /mcp 上通常有现成服务器的说明,可以拿来对照配置字段。

它和普通 API 调用差在哪,什么时候值得多这一层

普通 API 调用是「你写代码决定调什么」;MCP 是「模型自己看清单决定调什么」。主动权换了位置,这是两者最本质的区别,也是收益和风险同时出现的地方——模型能自己选工具,意味着它也可能选错、或者在你没预期的时候调用。

这里要提醒一点:这套对比只在「工具会被复用」时成立。如果只是给一个内部脚本加两个函数,直接调用更短更稳,硬套 MCP 只是给自己加维护负担。和函数调用、插件机制的术语区别,可以到 /ai-dict/category/tech 对照着看,别把「协议」和「模型能力」混成一件事。

动手前先确认的四件事

  • 客户端支持哪一版协议、支不支持远程连接,以产品自己的文档为准,别照抄别人的配置
  • 凭据怎么给:环境变量、配置文件还是本地钥匙串,决定这台服务器能不能安全地放在共享机器上
  • 权限边界先划好:只读还是要能写,写操作一旦开放,模型的误判就有实际后果
  • 日志留好:出问题时先看服务器侧记录的请求与返回,比在客户端界面里猜快得多

第三件事最容易被跳过。很多人第一次接就顺手开了写入权限,结果模型在没有明确指令时也会去改数据。稳妥的做法是先只读跑一段时间,观察模型实际会调哪些工具、传什么参数,再决定要不要放开写。

第一次上手建议的推进顺序

不要一上来就把生产数据库接进去。先拿一个只读、无副作用的服务器练手,比如读本地文档或查公开数据,跑通整条链路再加复杂度。这样可以先把协议层的问题和业务层的问题分开暴露。

  1. 一次只加一个服务器加完立刻用一句确定的提问验证它真被调用到,确认后再加下一个,别一次配五个再一起排错。
  2. 用只读工具验证链路选没有副作用的工具,先确认发现、调用、返回三段都通,再考虑换成真实数据源。
  3. 再考虑写入类工具先在小范围数据上试,观察模型在没有明确指令时会不会乱调,确认行为可控再扩大范围。

如果你想对比不同客户端对这套协议的支持程度,或者看别的开发者踩过哪些坑,可以到 /sites 和 /tools/speed-test 上按当时的实测情况对照,数字和结论以页面当天的记录为准。

下一步看完概念,最实际的下一步是挑一个只读服务器跑一遍,再看现成服务器的配置说明。

常见问题

MCP 是不是必须联网才能用?

不一定。本地跑的服务器完全可以只读本机文件或连本地数据库,链路里没有外部请求。但如果服务器本身要访问某个云端接口,那就还是需要网络。判断方法很简单:看那台服务器实际连的是什么,跟 MCP 这套协议本身无关。

有了 MCP 就不用写代码了吗?

不是。你少写的是「每个工具单独对接一遍」的胶水代码,常见工具的服务器通常有人写好了;但配置、凭据管理、权限边界、日志排查这些活还是得有人干。自研内部系统的服务器,照样要自己实现。

我该不该现在就接一个试试?

看你有没有「多个工具要在多个客户端复用」的需求。只是想让模型读一篇文档,用现成的方式更快。真决定接,先挑只读服务器跑通一条链路,再考虑写操作,具体服务器清单到站内 MCP 服务器大全翻一遍再挑。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。