MCP（Model Context Protocol）是什么？新手也能看懂的完整指南

1. 先从 Cursor 里那个 MCP 开关说起

打开 Cursor → Settings → MCP，每一行配置都是在告诉 Host：去启动哪个本地进程，把哪些能力开放给 Agent。你加了 filesystem，Agent 才能直接 read_file；你加了 GitHub Server，它才能去搜 Issue——不是模型突然变聪明了，而是背后多了一条工具调用链路。

这条链路走 Model Context Protocol（MCP）。全名可以后记，先记住分工：

角色	你接触到的形态	干什么
Host	Cursor、Claude Desktop	聊天、调度、决定要不要调工具
Server	配置里的 filesystem、github 等	真正读盘、调 API、跑查询
Client	Host 内置，界面上通常看不见	按 MCP 协议把 Host 和 Server 连起来

大多数人装 MCP，只为一件事：让 AI 访问聊天窗口以外的系统——项目文件、工单、数据库——而不是反复复制粘贴。下面先讲为什么这件事值得用协议来做，再拆架构细节。

---

2. 为什么值得单独搞一套协议？

大模型默认只会处理你发进对话框的内容。真实工作里你往往还需要它：

1. 读你项目里的代码，而不是你手动复制粘贴
2. 查公司内网文档或工单系统
3. 执行 git commit、跑测试、调 API

过去常见做法是 Function Calling（函数调用）：开发者在代码里硬编码一组函数，模型只能调用这些。问题是——

痛点	没有 MCP 时	有 MCP 时
工具发现	每换一个 Host 要重写集成	运行时自动发现服务器能力列表
供应商锁定	绑定 OpenAI / Anthropic 专有格式	开放协议，多 Host 复用同一服务器
权限隔离	容易把 API Key 写进提示词	服务器侧托管凭证，模型只见工具接口
组合扩展	加一个新工具要改 Host 代码	配置文件里加一行 MCP 服务器地址即可

2025 年底 Anthropic 将 MCP 捐赠给 Agentic AI Foundation，OpenAI、Google、Microsoft 等成员共同参与。到 2026 年，MCP 已成为 AI 工具接入的事实标准之一——类似当年 REST 之于 Web API。

---

3. 三个角色：先认清「谁是谁」

MCP 架构里只有三个核心角色。新手最容易混淆 Host 和 Client，我们分开讲。

3.1 Host（宿主应用）

你日常使用的软件：Cursor、Claude Desktop、VS Code + Copilot、自研 Agent 平台等。

Host 负责：展示聊天界面、调用大模型、决定是否把用户任务交给 MCP。

3.2 Client（MCP 客户端）

运行在 Host 内部的连接器，由 Host 厂商实现。一个 Host 可以同时连接多个 MCP 服务器。

你可以把 Client 理解成 Host 里的「MCP 驱动程序」——用户通常看不见它。

3.3 Server（MCP 服务器）

真正干活的一方：暴露工具（Tools）、资源（Resources）、提示模板（Prompts）。可以是本地进程，也可以是远程服务。

┌─────────────┐     ┌─────────────┐     ┌──────────────────┐
│    Host     │     │ MCP Client  │     │   MCP Server     │
│  (Cursor)   │────▶│  (内置)     │────▶│  (filesystem)    │
│  用户界面    │     │  协议翻译    │     │  读文件/列目录    │
└─────────────┘     └─────────────┘     └──────────────────┘
                           │
                           ▼
                    ┌──────────────────┐
                    │   MCP Server     │
                    │  (github)        │
                    │  提 PR / 查 Issue │
                    └──────────────────┘

角色对照表

Host

你打开的 App；负责 UX 和模型推理

Client

Host 内置；按 MCP 协议与 Server 通信

Server

你配置的工具服务；执行具体操作

---

4. MCP 服务器能暴露什么？三大能力

4.1 Tools（工具）—— 让 AI「动手」

最常用。每个 Tool 有名称、描述、输入参数 schema。模型根据描述自主选择是否调用。

典型例子：

• read_file(path) — 读文件
• search_issues(query) — 搜 GitHub Issue
• run_sql(query) — 查数据库

Tools 是有副作用的操作（写文件、发请求），需要权限控制。

4.2 Resources（资源）—— 让 AI「只读访问」

类似「可订阅的数据源」：文件内容、API 文档、数据库 schema。AI 可以 list / read 资源，但不一定通过 Tool 形式修改。

适合：把日志目录、知识库文档暴露给模型上下文，而不每次全量粘贴。

4.3 Prompts（提示模板）—— 可复用的工作流

服务器预置的提示词模板，带参数。例如「代码审查模板」「SQL 生成模板」。

Host 可以一键插入，减少用户重复写提示词。

能力对比

能力	是否常有副作用	典型用途	新手优先级
Tools	是	执行命令、写文件、调 API	★★★★★
Resources	否（只读）	暴露文档、配置、schema	★★★☆☆
Prompts	否	标准化审查/翻译流程	★★☆☆☆

---

5. MCP vs 插件 vs Function Calling vs REST

新手常问：「我直接用 REST API 不行吗？」可以，但场景不同。

维度	REST API	Function Calling	浏览器插件 / ChatGPT 插件	MCP
协议开放性	开放	厂商专有格式	平台专有	开放标准
工具发现	需事先知道端点	编译期写死函数列表	商店安装	运行时动态发现
跨 Host 复用	需各写适配层	每个模型 SDK 不同	基本不能跨平台	同一 Server 多 Host 共用
本地工具	需自建 HTTP 服务	代码内嵌	受限	stdio / SSE 原生支持
适合谁	传统后端集成	单一 App 内嵌 AI	消费级聊天产品	开发者工具链、Agent 生态

记忆口诀：REST 是「我知道地址就去调」；Function Calling 是「我提前告诉模型只有这几招」；MCP 是「连上服务器后，现场问你能干嘛」。

~~把 MCP 当成 REST 的替代品~~ 并不准确——很多 MCP Server 内部正是封装了 REST API，MCP 是 AI 时代的接入层，不是 HTTP 的替代品。

---

6. 一次完整调用是怎么发生的？

以「帮我在项目里找所有 TODO 注释」为例，简化流程如下：

1. 用户在 Host 输入任务（Cursor 聊天框）
2. Host 把对话发给大模型，并附上已连接 MCP 服务器的 Tools 列表（名称 + 描述）
3. 模型决定调用 search_files 工具，生成参数 { "pattern": "TODO", "path": "/project" }
4. MCP Client 把请求发给 filesystem MCP Server
5. Server 执行 grep / 遍历，返回结果 JSON
6. 模型根据结果组织自然语言回复，或继续调用其他工具

传输方式（Transport）

方式	说明	常见场景
stdio	本地进程，标准输入输出通信	Claude Desktop、Cursor 本地 Server
SSE / HTTP	远程 HTTP 长连接	团队共享的 MCP 网关、云端部署

本地开发用 stdio 最多：配置里写 command + args，Host 启动子进程即可。

---

7. 你在哪里能用到 MCP？

2026 年主流 Host 对 MCP 的支持情况：

Host	MCP 支持	配置方式
Cursor	✅ 内置	Settings → MCP → 添加服务器
Claude Desktop	✅ 原生	claude_desktop_config.json
VS Code（GitHub Copilot 等）	✅ 逐步完善	扩展 / 设置面板
Windsurf / Zed	✅ 或部分	各产品文档
自研 Agent	✅ SDK 接入	@modelcontextprotocol/sdk

你不需要换编辑器——在现有工具里加配置就能扩展能力。

---

8. 五分钟上手：在 Cursor 里启用 MCP

下面以官方 filesystem 服务器为例（只读访问指定目录）。操作路径因版本略有差异，核心步骤一致。

8.1 前置条件

• 已安装 Node.js 18+
• 明确要让 AI 访问的目录（建议专用工作区，不要直接开放整个用户目录）

8.2 添加配置

打开 Cursor → Settings → MCP → Add new global MCP server，填入类似配置：

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/you/projects/my-app"
      ]
    }
  }
}

保存后重启 Cursor，或刷新 MCP 连接。状态栏 / MCP 面板应显示 filesystem 已连接。

8.3 验证

在 Agent 模式输入：

列出 /Users/you/projects/my-app 根目录下的文件，并告诉我 package.json 里有哪些 scripts。

若模型能直接返回目录列表而非让你手动粘贴，说明 MCP 已生效。

常用快捷键

• 打开命令面板：⌘ + Shift + P（macOS）
• 打开 Cursor 设置：⌘ + ,

Claude Desktop 用户：配置文件路径

macOS 配置文件位于：

~/Library/Application Support/Claude/claude_desktop_config.json

结构与 Cursor 类似，同样使用 mcpServers 字段。修改后需完全退出 Claude Desktop 再重新打开。

---

9. 热门 MCP 服务器一览

社区已有大量现成 Server，按场景分类：

类别	代表 Server	能做什么
文件系统	@modelcontextprotocol/server-filesystem	读写在允许目录内的文件
代码托管	GitHub MCP、GitLab MCP	查 Issue、读 PR、管理仓库
知识库	Notion、Confluence MCP	读/写页面与数据库
数据库	PostgreSQL、SQLite MCP	执行只读或受限 SQL
搜索	Brave Search、Fetch MCP	联网搜索、抓取网页
自动化	Puppeteer / Playwright MCP	浏览器自动化
苹果生态	Xcode / simctl 封装（社区）	iOS 构建、模拟器控制

完整列表可在 MCP 官方仓库 与 Cursor MCP 目录 查阅。安装前请阅读每个 Server 的权限说明。

选型建议

1. 先少后多：从 1–2 个只读 Server 开始，确认行为符合预期
2. 生产与实验分离：个人笔记本用宽松配置，团队环境用独立机器 + 白名单目录
3. 需要 macOS 工具链（Xcode、模拟器）时，Server 必须跑在 Mac 上——可考虑 云端 Mac mini 做 24/7 托管

---

10. 安全清单：别让 AI 变成「超级管理员」

MCP 把执行力交给了模型。提示注入（恶意网页/文档诱导模型调用危险工具）是真实风险。

必做四项

1. 最小权限：filesystem 只开放项目子目录，禁止 ~、/etc
2. 凭证隔离：API Token 放在 Server 环境变量，不要写进聊天或配置文件并提交 Git
3. 独立账户：生产 MCP 用专用系统用户运行，无 sudo
4. 审计日志：记录每次 Tool 调用与参数，便于事后追溯

风险对照

配置	风险等级	说明
只读 + 单项目目录	低	适合日常开发
可写 filesystem + 无路径限制	极高	模型可能被诱导删文件
带 Shell 执行权限的 Server	极高	仅应在隔离 VM / 专用机器使用
远程 SSE + 无鉴权	极高	必须加 Token / mTLS

原则：给 AI 的权限，不应超过你会给一名初级实习生的权限。

---

11. 五个常见误区

1. 「MCP 是大模型的一种」 — 错。MCP 是协议，与 GPT、Claude 等模型无关。
2. 「装了 MCP 模型就变强了」 — 错。MCP 只扩展手和眼（工具与数据），不提升推理能力。
3. 「MCP 只能本地用」 — 错。stdio 适合本地，SSE/HTTP 可部署在云端供团队共享。
4. 「MCP 会替代 LangChain」 — 不准确。LangChain 是编排框架，MCP 是工具接入协议，常可配合使用。
5. 「所有 Server 都官方维护」 — 错。社区 Server 质量参差，接入前看源码与权限。

---

12. 我该用现成的，还是自己写一个？

你的情况	建议
只想让 Cursor 能读项目文件	用官方 filesystem，5 分钟搞定
要接公司内部 API	先用 Fetch / 自建薄封装 Server
要接私有数据库 + 复杂业务逻辑	用 Python/TS SDK 自写 Server
团队多人共享、需审计	云端 Mac / Linux 部署 SSE 网关 + 统一鉴权

自写 Server 的最小 Python 示例（概念演示）：

# pip install mcp
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("hello")

@mcp.tool()
def greet(name: str) -> str:
    """向指定名字打招呼"""
    return f"Hello, {name}!"

if __name__ == "__main__":
    mcp.run()

运行后，在 Host 配置里把 command 指向 python /path/to/server.py 即可。

---

13. 词汇表

术语	英文	一句话解释
MCP	Model Context Protocol	AI 应用连接工具与数据的开放协议
Host	—	你用的 AI 软件（Cursor、Claude Desktop）
Server	MCP Server	暴露 Tools/Resources 的工具服务
Tool	—	可被模型调用的函数，常有副作用
Resource	—	只读数据源，如文件、文档 URI
stdio	standard I/O	本地进程通信方式，最常见
SSE	Server-Sent Events	远程 HTTP 流式通信方式

---

14. 结论：现在值得学吗？

值得。 即便你暂时不自写 Server，理解 MCP 也能帮你：

• 更安全地配置 Cursor / Claude Desktop 的扩展能力
• 与团队对齐「AI 如何接公司内部系统」的架构语言
• 判断什么时候该用 MCP、什么时候该用传统 API

建议路径：

1. 今天：在 Cursor 加一个 filesystem 或 GitHub Server
2. 本周：读一个官方 Server 源码，理解 Tool 如何定义
3. 有需要时：再读 MCP 服务器实战部署，把 Server 部署到云端 24/7 运行

先把 filesystem 或 GitHub Server 配上、亲眼看到 Agent 调通一次工具，比堆定义有用得多。

延伸阅读

• MCP 服务器实战部署：云端 Mac mini M4 搭建私有工具接入层 →
• 2026 多 Agent 深度解析：四种架构实战落地 →
• AI 编程三件套：Cursor + Agent + OpenClaw →

常见问题

MCP 和 REST API 有什么本质区别？

REST API 像一本固定菜单：客户端必须事先知道每个端点。MCP 在运行时向服务器发现可用工具，再决定调用哪一个——Agent 无需改代码即可接入新能力。

我不会写代码，能用 MCP 吗？

可以。在 Cursor、Claude Desktop 等 Host 里添加现成 MCP 服务器（filesystem、GitHub、Notion），用自然语言描述任务即可。只有自建私有工具时才需要编程。

MCP 安全吗？会不会让 AI 随便删我电脑上的文件？

风险取决于启用的服务器与权限范围。filesystem 应限制在特定目录；生产环境建议独立账户、最小权限、审计日志。详见正文「安全清单」。

MCP 和 ChatGPT 插件是一回事吗？

不是。ChatGPT 插件是 OpenAI 专有接入；MCP 是捐赠给 Agentic AI Foundation 的开放协议，Cursor、Claude Desktop、VS Code 等均可消费，且可自托管。

学 MCP 之前需要先懂 AI Agent 吗？

不需要。会聊天、会在 Cursor 里改设置，就足够跟着本文把 filesystem Server 配通。Agent 编排是下一步的事。