MCP（工具连接协议）

一句话定义

MCP 是 Model Context Protocol 的缩写，一套让 AI 助手用统一方式连接外部工具和数据源的开放协议。

人话版：以前你想让 AI 读 Slack、Notion、数据库，要分别做一堆私有接入；有了 MCP，只要对方实现了 MCP server，AI 就能按同一套接口去连。

为什么重要 / 什么场景会听到

它重要，是因为“AI 能力”不再只等于模型本身，还取决于它能接上哪些系统。

常见场景：

1. 读公司内部系统，如 Slack、Jira、Notion。
2. 查数据库，如 BigQuery、Postgres。
3. 读监控和告警，如 Sentry、Datadog。
4. 把你自己的内部服务暴露给 AI 用。

技术机制

官方 claude-code-docs/mcp.md 的描述：

“MCP is an open standard that enables AI assistants to connect to data sources and tools.”

它解决的问题可以直接看成一张对照表：

没 MCP	有 MCP
每对“AI × 工具”要单独集成	工具实现一次 server，所有 AI 都能连
集成是私有实现，换 AI 就作废	协议开放，一处写处处通
非程序员没法自己加工具	社群 MCP server 越来越多，装一下就能用

最小配置长这样：

{
  "mcpServers": {
    "slack": {
      "type": "http",
      "url": "https://slack.mcp.anthropic.com/mcp"
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"]
    }
  }
}

Boris 团队把 .mcp.json 提交进 git，全团队共享同一套工具集：

“Claude Code uses all of Boris’s tools autonomously: searches and posts to Slack, runs BigQuery queries, grabs error logs from Sentry.”

最小可跑通例子

.mcp.json 是最常见入口。一个项目只要声明 mcpServers，Claude Code 就知道有哪些外部工具可连。

最小理解方式：

• type: "http" 表示连一个远程 MCP 服务
• command + args 表示本地起一个 MCP server 进程
• 把配置放进项目里，就能让团队共享同一套工具接入

常见误解 / 陷阱

• 误解一：MCP 等于 skill。不是，skill 是“我会什么”，MCP 是“我能连什么”。
• 误解二：MCP server 越多越好。不是，服务器一多，上下文、权限和调试复杂度都会上升。
• 误解三：MCP 是静态能力。不是，server 挂了、权限没配好、网络不可用时，这条能力就会失效。
• 误解四：只有大厂服务值得接。不是，最被低估的用途恰恰是连你自己的系统。

与其他术语的关系

• [[agent]]：agent 可以调用 MCP 暴露出来的工具。
• [[skill]]：skill 负责本地可复用能力，MCP 负责外部连接。
• [[workflow]]：workflow 里常把 MCP 当成“取外部数据 / 调外部动作”的一步。
• [[subagent]]：subagent 也可以在隔离上下文里调用 MCP 工具。
• [[CLAUDE.md]]：CLAUDE.md 负责项目规则，MCP 负责工具接入，两者互补。
• [[RAG]]：两者都能让 AI 接入项目外信息，但 RAG 偏知识检索，MCP 偏协议化工具连接。
• [[hook-slash-command]]：hook / slash command 是运行时触发机制，MCP 是被调用的外部能力层。
• [[入门]]：第一次给项目接外部工具，可以从这里接到实操路径。

陈彬视角

MCP 最被低估的用法是”连自己的系统”——不只是连大厂服务。

被高估的部分：大多数人不需要那么多 MCP server。少即是多。

延伸阅读 / 官方链接

• https://modelcontextprotocol.io/
• https://code.claude.com/docs/en/mcp

---

🎬 3 个场景（读者最可能用到的情境）

场景 1 · 接国内 IM（飞书 / 钉钉 / 企微）

团队在飞书沟通。接一个飞书 MCP server，让 AI 能读群里的需求讨论、搜历史消息、把结论发回群。比每次手动复制粘贴快得多。

场景 2 · 接金融数据源

散户让 AI 做盘后分析，需要个股实时行情、财报、研报。接一个东方财富 / 同花顺 MCP server（或社群实现），AI 就能在对话里直接拉数据，不用自己去抓 HTML。

场景 3 · 接 Notion / Obsidian 知识库

知识工作者的笔记在 Notion。接 Notion MCP server，AI 直接读指定页面、写入新页、按 tag 检索。把”私人知识库”和”AI 对话”打通。

⚖️ 和最像的邻居比

术语	本质区别	适用边界
MCP	AI ↔ 外部系统的开放协议	需要”标准化”接入多个工具/数据源
skill	本地可复用的做法	不需要连外部系统，纯流程封装
API	单点调用接口	没有统一上下文/权限/schema 描述
function calling	LLM 私有的工具调用约定	早期实现，各家不互通

🚫 反例（不该这么用）

反例 1 · 把 MCP 当通用 HTTP 客户端

“既然 MCP 能连东西，那我就用它发任意 HTTP 请求”。结果绕过了 MCP 的 schema / 权限 / 工具描述，反而比直接用 curl 复杂。正确做法：临时 HTTP 调用走 Bash/curl，只有”反复用、要标准化、要暴露给 AI 自主调用”的接口才值得做成 MCP server。

反例 2 · 以为每个工具都要装 MCP

办公流程里每个小功能都配一个 MCP server，结果装 15 个 server 拖慢启动、权限管理混乱、调试地狱。正确做法：先问”这是不是每天都用 / 值得被多个项目共享”，不是就用更轻的方式（skill / slash command / bash）。

❓ 常见误解

• 误解 1：“MCP 只是 function calling 换个名字” → 实际：function calling 是单模型私有约定，MCP 是跨模型的开放协议，解决的是 M 个模型 × N 个工具的组合爆炸。
• 误解 2：“MCP server 越多越强” → 实际：server 多了工具列表就膨胀，context 被挤占，权限边界也更难管；少而精更实用。
• 误解 3：“MCP 是 Anthropic 的专有标准” → 实际：2025 年 OpenAI / Google / Zed 等陆续接入，已捐给 Linux Foundation 旗下 Agentic AI Foundation 成为产业公共协议。

---

🧬 历史坐标（最早谁提 · 本质 · 分型 · git）

最早谁提

2024 年 11 月 25 日 · Anthropic 发布 Model Context Protocol（作者 David Soria Parra、Justin Spahr-Summers）。官方发布页：https://www.anthropic.com/news/model-context-protocol

本质（一句话 · 20 字内）

AI 接工具/数据源的统一协议（解 M×N 问题）。

分型 / 演化（2-4 行主线）

• 2023-03 · OpenAI Function Calling 让 LLM 第一次有”标准接工具”的形态，但私有协议
• 2024-11 · Anthropic 发布 MCP，把”M 模型 × N 工具”组合爆炸收敛为”M + N”
• 2025 · OpenAI、Google DeepMind、Zed、Sourcegraph 等陆续接入，社群 MCP server 千级规模
• 2025-12 · Anthropic 把 MCP 捐给 Linux Foundation 旗下 Agentic AI Foundation，协议成为产业基建

代表 git / 文档

• modelcontextprotocol/modelcontextprotocol · 官方 org · spec + Python/TS SDK + reference servers
• Introducing MCP · Anthropic (2024-11-25) · 首发博客
• punkpeye/awesome-mcp-servers · 社群 · MCP server 生态总索引