MCP （模型上下文协议）架构设计深度剖析

最近，AI Agent 和外部工具之间的互动变得越来越流行。从 OpenAI 最先推出的 Function Calling 功能，到各种插件和框架，大家都在努力让 AI 模型能更有效地调用外部的功能。不过，目前这些集成方式还是比较分散，开发者需要为每个服务手动设置接口、处理认证和逻辑，而且不同平台之间还互不兼容，确实挺麻烦的。

就在这种情况下，Anthropic 在 2024 年底推出了一个叫做模型上下文协议（Model Context Protocol，简称 MCP）的新东西。这个协议的野心不小，它想做的事情就像编程语言里的 LSP（Language Server Protocol）一样，为 AI 和工具之间的互动设定一个标准，让 AI Agent 能动态地发现、选择和组织工具，甚至还支持人在操作过程中插手。

自从 MCP 推出以来，它的发展速度非常快，社区里已经出现了好几千个 MCP 服务器，能连接到 GitHub、Slack 甚至 Blender 这样的 3D 设计工具。像 Cursor、Claude Desktop 这样的应用也开始支持 MCP 了，只要装上新的服务器，就能扩展它们的能力。

—1—MCP 架构设计剖析

1、MCP 架构设计剖析

MCP 架构设计分为核心组件、传输层和通信、MCP 服务器生命周期等构成，下面详细剖析之。

1.1 核心组件

MCP 架构由三个核心组件组成：MCP 主机（MCP Host）、MCP 客户端（MCP Client）和 MCP 服务器（MCP Server）。这些组件协同工作，以促进 AI 应用、外部工具和数据源之间的无缝通信，确保操作的安全性和正确管理。

如图 2 所示，在典型工作流程中，用户向 MCP 客户端发送提示词，客户端分析意图，通过 MCP 服务器选择适当的工具，并调用外部 API 来检索和处理所需的信息，然后通知用户结果。

1.1.1 MCP 主机

MCP 主机是一个 AI 应用，它在运行 MCP 客户端的同时，为执行基于 AI 的任务提供环境。它集成交互工具和数据，以实现与外部服务的顺畅通信。

比如：

Claude Desktop 用于 AI 辅助内容创建。
Cursor 是一个 AI 驱动的 IDE，用于代码补全和软件开发，以及执行复杂任务的 AI Agent。

MCP 主机承载 MCP 客户端，并确保与外部 MCP 服务器通信。

1.1.2 MCP 客户端

MCP 客户端在主机环境中充当中介，管理 MCP 主机与一个或多个 MCP 服务器之间的通信。

它向 MCP 服务器发起请求，查询可用功能，并获取描述服务器能力的响应。
这确保了主机与外部工具之间的无缝互动。

此外，MCP 客户端还：

处理来自 MCP 服务器的通知，提供有关任务进度和系统状态的实时更新。
执行采样，收集有关工具使用和性能的数据，使优化和明智的决策成为可能。

MCP 客户端通过传输层与 MCP 服务器通信，促进主机与外部资源之间的安全、可靠的数据交换和顺畅互动。

1.1.3 MCP 服务器

MCP 服务器使 MCP 主机和客户端能够访问外部系统并执行操作，提供三种核心能力：工具、资源和提示词。

工具：启用外部操作。
- 工具允许 MCP 服务器调用外部服务和 API，代表 AI 大模型执行操作。
- 当客户端请求操作时，MCP 服务器识别适当的工具，与服务互动，并返回结果。
- 比如：如果 AI 大模型需要实时天气数据或情感分析，MCP 服务器连接到相关 API，检索数据，并将其传递给主机。
资源：向 AI 大模型公开数据。
- 资源提供 MCP 服务器可以向 AI 大模型公开的结构化和非结构化数据集的访问。
- 这些数据集可能来自本地存储、数据库或云平台。
提示词：用于工作流程优化的可重用模板。
- 提示词是 MCP 服务器生成和维护的预定义模板和工作流程，以优化 AI 响应并简化重复任务。