前言

在上一篇《AI Agent的工具箱》中，我们讲了 Function Calling——让 AI 调用单个工具的方式。但你有没有想过一个问题：

如果我有 100 个工具，分布在不同的系统里，每个都要在代码里手动注册，那岂不是要疯？

更现实的问题是：工具的提供者和使用者往往是不同的人。数据库团队提供查询能力，运维团队提供部署能力，财务团队提供报销能力——每个团队都想把自己的能力暴露给 AI，但没人想把自己嵌入别人的代码里。

这就是 MCP（Model Context Protocol，模型上下文协议） 要解决的问题。

简单说：MCP 是 AI 世界的 USB 接口。它定义了一套标准协议，让任何系统都能以统一的方式向 AI 暴露能力，不需要改 AI 的代码，也不需要改彼此的代码。

一、MCP 是什么

MCP 由 Anthropic 于 2024 年底提出，2025 年成为开放标准，目前最新规范版本是 2025-11-25。

它的核心思想用一句话概括：

把”AI 能用什么工具”这件事，从硬编码变成热插拔。

在没有 MCP 的世界里，如果你想让 AI 查天气，你得：

1. 写一个 getWeather() 函数
2. 把它注册到 AI 框架里
3. 在 prompt 里告诉 AI 有这个工具可用

如果你想让 AI 同时查天气、查股票、操作数据库、发邮件……每个都要手动注册。而且这些能力分散在不同的服务里，你得把它们全部集成到一个项目里。

有了 MCP 之后：

1. 每个能力方独立实现一个 MCP Server
2. AI 应用作为 MCP Client 自动发现和连接这些 Server
3. 标准协议保证它们能互相理解

就像你不需要自己写打印机驱动——操作系统通过 USB 协议自动识别设备。

二、架构：Host、Client、Server

MCP 采用 Host-Client-Server 三层架构：

1
2
3
4
5
6
7
8
9
10
11

┌─────────────────────────────────────┐
│           Application Host          │
│  ┌──────────┐ ┌──────────┐ ┌─────┐ │
│  │ Client 1 │ │ Client 2 │ │ ..  │ │
│  └────┬─────┘ └────┬─────┘ └──┬──┘ │
└───────┼─────────────┼──────────┼────┘
        │             │          │
   ┌────▼────┐   ┌────▼────┐ ┌──▼───┐
   │ Server1 │   │ Server2 │ │ ...  │
   │ 文件/Git│   │ 数据库  │ │      │
   └─────────┘   └─────────┘ └──────┘

三个角色：

Host（宿主）

就是你的 AI 应用本体——Claude Desktop、Cursor、你写的 Spring Boot 服务等。它负责：

• 创建和管理多个 Client
• 控制连接权限和安全策略
• 协调 AI 推理和上下文聚合

Client（客户端）

每个 Client 和一个 Server 保持 1:1 的有状态连接。它负责：

• 协议协商（告诉 Server “我支持哪些能力”）
• 双向消息路由
• 管理订阅和通知

Server（服务端）

提供具体能力的程序。可以是本地进程，也可以是远程服务。它负责：

• 通过标准接口暴露工具、资源、提示词
• 独立运行，职责单一

一个 Host 可以同时连接多个 Server：查天气的 Server、查数据库的 Server、操作文件的 Server……它们彼此隔离，互不干扰。

三、三大核心能力

MCP Server 可以暴露三种类型的能力：

1. Tools（工具）

类似 Function Calling 的函数，可以被 AI 主动调用。适合执行操作类任务：

1
2
3
4
5
6
7
8
9
10
11

{
  "name": "get_weather",
  "description": "查询指定城市的天气",
  "inputSchema": {
    "type": "object",
    "properties": {
      "city": { "type": "string", "description": "城市名称" }
    },
    "required": ["city"]
  }
}

和 Function Calling 的区别： Function Calling 是在 AI 框架内部定义的，而 MCP Tool 是在外部 Server 里定义的，通过标准协议暴露出来。

2. Resources（资源）

类似 REST API 的 GET 请求，向 AI 提供上下文数据。比如读取文件内容、查询数据库记录、获取配置信息：

1
2
3
4
5

{
  "uri": "file:///project/README.md",
  "name": "项目说明",
  "mimeType": "text/markdown"
}

Resource 是被动的——Client 决定什么时候加载，加载什么。适合给 AI 提供背景知识。

3. Prompts（提示词模板）

预定义的交互模板，帮助用户快速发起特定任务：

1
2
3
4
5
6
7
8

{
  "name": "code_review",
  "description": "代码审查模板",
  "arguments": [
    { "name": "language", "description": "编程语言" },
    { "name": "code", "description": "待审查代码" }
  ]
}

一句话区分三者：

• Tool = AI 做的事（主动调用）
• Resource = AI 知道的事（被动加载）
• Prompt = AI 怎么做（模板引导）

四、传输方式

MCP 支持两种传输协议：

stdio（标准输入输出）

Server 作为子进程运行，Client 通过 stdin/stdout 和它通信。适合本地工具：

1
2

Client ──stdin──> Server (子进程)
Client <─stdout── Server

Streamable HTTP

Server 作为 HTTP 服务运行，Client 通过 HTTP 请求通信。支持 SSE（Server-Sent Events）实现服务端推送。适合远程服务：

1
2

Client ──HTTP POST──> Server (远程)
Client <──SSE stream── Server

注意： 早期版本支持 SSE 传输，已在 2025-11-25 规范中标记为 deprecated，推荐使用 Streamable HTTP。

五、MCP vs Function Calling

很多人会问：既然有了 Function Calling，为什么还需要 MCP？

简单说：Function Calling 是单机版，MCP 是分布式版。 Function Calling 适合快速原型，MCP 适合生产级的工具生态。

六、实战：用 Python 实现一个 MCP Server

Python SDK 提供了 FastMCP 框架，实现一个 MCP Server 只需要几行代码。

6.1 环境准备

1
2
3
4
5
6

# 创建项目
uv init mcp-weather-server
cd mcp-weather-server

# 安装 MCP SDK
uv add "mcp[cli]"

6.2 实现 Server

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46

# weather_server.py
from mcp.server.fastmcp import FastMCP

# 创建 MCP Server
mcp = FastMCP("WeatherServer")

# 模拟天气数据
WEATHER_DB = {
    "北京": {"temp": 28, "condition": "晴", "humidity": 35},
    "上海": {"temp": 31, "condition": "多云", "humidity": 72},
    "深圳": {"temp": 33, "condition": "雷阵雨", "humidity": 85},
}


@mcp.tool()
def get_weather(city: str) -> str:
    """查询指定城市的天气预报"""
    if city not in WEATHER_DB:
        return f"暂无 {city} 的天气数据"
    w = WEATHER_DB[city]
    return f"{city}：{w['condition']}，{w['temp']}°C，湿度 {w['humidity']}%"


@mcp.tool()
def list_cities() -> list[str]:
    """返回所有可查询的城市列表"""
    return list(WEATHER_DB.keys())


@mcp.resource("weather://{city}")
def weather_resource(city: str) -> str:
    """以资源形式暴露天气数据"""
    if city not in WEATHER_DB:
        return f"No data for {city}"
    w = WEATHER_DB[city]
    return f"{city}: {w['condition']}, {w['temp']}°C"


@mcp.prompt()
def weather_report(city: str) -> str:
    """生成天气播报的提示词模板"""
    return f"请用简洁的播报风格，为用户播报 {city} 的天气情况，包含着装建议。"


if __name__ == "__main__":
    mcp.run(transport="streamable-http")

6.3 运行和测试

1
2
3
4
5

# 启动 Server
uv run weather_server.py

# 用 MCP Inspector 测试（可视化调试工具）
npx -y @modelcontextprotocol/inspector

打开 Inspector UI，连接 http://localhost:8000/mcp，你可以看到：

• Tools 列表里有 get_weather 和 list_cities
• Resources 列表里有 weather://{city} 模板
• Prompts 列表里有 weather_report

直接在 Inspector 里调用工具，看返回结果，非常方便。

七、实战：用 Java（Spring AI）实现一个 MCP Server

Java 生态里，Spring AI 提供了完整的 MCP Server 集成。

7.1 项目依赖

创建一个 Spring Boot 项目（需要 Java 17+），添加依赖：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

<!-- pom.xml -->
<dependencies>
    <!-- STDIO 模式（本地子进程） -->
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-server</artifactId>
    </dependency>

    <!-- 或者 WebMVC 模式（HTTP 服务） -->
    <!--
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-starter-mcp-server-webmvc</artifactId>
    </dependency>
    -->
</dependencies>

传输模式选择：

• spring-ai-starter-mcp-server → stdio 模式，适合本地 CLI 工具
• spring-ai-starter-mcp-server-webmvc → HTTP 模式，适合 Web 服务

7.2 实现 Server

Spring AI 的 MCP 注解体系非常直观：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48

import org.springframework.ai.mcp.annotation.McpTool;
import org.springframework.ai.mcp.annotation.McpToolParam;
import org.springframework.ai.mcp.annotation.McpResource;
import org.springframework.ai.mcp.annotation.McpPrompt;
import org.springframework.stereotype.Component;

import java.util.Map;
import java.util.List;

@Component
public class WeatherTools {

    private static final Map<String, WeatherData> WEATHER_DB = Map.of(
        "北京", new WeatherData(28, "晴", 35),
        "上海", new WeatherData(31, "多云", 72),
        "深圳", new WeatherData(33, "雷阵雨", 85)
    );

    @McpTool(name = "get_weather", description = "查询指定城市的天气预报")
    public String getWeather(
            @McpToolParam(description = "城市名称", required = true) String city) {
        var data = WEATHER_DB.get(city);
        if (data == null) {
            return "暂无 " + city + " 的天气数据";
        }
        return String.format("%s：%s，%d°C，湿度 %d%%",
            city, data.condition(), data.temp(), data.humidity());
    }

    @McpTool(name = "list_cities", description = "返回所有可查询的城市列表")
    public List<String> listCities() {
        return List.copyOf(WEATHER_DB.keySet());
    }

    @McpResource(uri = "weather://{city}", name = "天气数据")
    public String weatherResource(String city) {
        var data = WEATHER_DB.get(city);
        if (data == null) return "No data for " + city;
        return String.format("%s: %s, %d°C", city, data.condition(), data.temp());
    }

    @McpPrompt(name = "weather_report", description = "天气播报提示词模板")
    public String weatherReport(String city) {
        return "请用简洁的播报风格，为用户播报 " + city + " 的天气情况，包含着装建议。";
    }

    record WeatherData(int temp, String condition, int humidity) {}
}

7.3 启动类

1
2
3
4
5
6
7
8
9

import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class McpServerApplication {
    public static void main(String[] args) {
        SpringApplication.run(McpServerApplication.class, args);
    }
}

7.4 配置

1
2
3
4
5
6
7
8
9
10
11
12
13

# application.yml
spring:
  ai:
    mcp:
      server:
        name: WeatherServer
        version: 1.0.0

# STDIO 模式（默认）
# spring.ai.mcp.server.stdio=true

# HTTP 模式
# spring.ai.mcp.server.protocol=STREAMABLE

7.5 注解说明

Spring AI 的自动配置会扫描带这些注解的 Bean，自动生成 JSON Schema，注册到 MCP Server。你不需要手动写 schema、不需要手动注册回调，加注解就是全部工作。

八、MCP Server 的进阶玩法

8.1 动态工具注册

除了注解，你也可以用编程方式注册工具：

1
2
3
4
5
6
7
8
9
10
11
12
13

@Bean
public List<McpServerFeatures.SyncToolSpecification> customTools() {
    var tool = new McpToolSpecification(
        "send_email",
        "发送邮件",
        emailSchema,  // JSON Schema
        (exchange, params) -> {
            // 执行发送邮件逻辑
            return new CallToolResult("邮件已发送", false);
        }
    );
    return List.of(tool);
}

8.2 生命周期管理

Python 的 FastMCP 支持 lifespan，适合管理数据库连接等资源：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

from contextlib import asynccontextmanager
from mcp.server.fastmcp import FastMCP

@asynccontextmanager
async def app_lifespan(server: FastMCP):
    # 启动时初始化
    db = await Database.connect()
    try:
        yield AppContext(db=db)
    finally:
        # 关闭时清理
        await db.disconnect()

mcp = FastMCP("MyApp", lifespan=app_lifespan)

8.3 安全上下文

Spring AI 的 MCP Server 支持通过 McpTransportContext 获取认证信息：

1
2
3
4
5
6
7

@McpTool
public String accessProtected(McpSyncRequestContext requestContext) {
    McpTransportContext ctx = requestContext.transportContext();
    String token = (String) ctx.get("authorization");
    // 验证 token 后执行操作
    return "操作成功";
}

九、MCP 的生态和工具

MCP Inspector

官方提供的可视化调试工具，支持连接任意 MCP Server，浏览工具、资源、提示词，直接调用测试：

1

npx -y @modelcontextprotocol/inspector

已有的 MCP Server 生态

截至目前，社区已经贡献了大量开箱即用的 MCP Server：

• 文件系统 — 读写本地文件
• GitHub — 操作仓库、Issue、PR
• PostgreSQL / MySQL — 数据库查询
• Slack / Discord — 消息发送
• Google Drive — 文件管理
• Puppeteer — 浏览器自动化

你可以在 MCP Server Registry 找到完整列表。

十、总结

MCP 解决的核心问题是：让 AI 的能力从”写死在代码里”变成”热插拔的标准接口”。

回顾一下关键点：

1. 架构：Host-Client-Server，一个 Host 可以连多个 Server
2. 三大能力：Tools（做事）、Resources（获取信息）、Prompts（模板引导）
3. 传输方式：stdio（本地）、Streamable HTTP（远程）
4. Python 实现：FastMCP + 装饰器，几行代码搞定
5. Java 实现：Spring AI @McpTool / @McpResource / @McpPrompt 注解驱动

如果你正在做 AI Agent 开发，MCP 几乎是必经之路。它不只是一个协议，更是 AI 能力分发的基础设施。

下一篇预告： Multi-Agent 多智能体协作——当一个 Agent 不够用时，怎么让一群 Agent 协同工作？

参考资料：

• MCP 官方文档
• MCP 规范 2025-11-25
• MCP Python SDK
• MCP Java SDK
• Spring AI MCP 文档