AI 的‘USB-C 时刻’：深入探讨模型上下文协议（MCP）

Source: Dev.to

介绍

如果你最近一直在构建 AI 驱动的应用或使用 AI 编码助手，你很可能已经遇到过 Context Wall：需要让你的大型语言模型（LLM）访问 Jira 工单、查询本地数据库或检查 Google 日历，而这通常需要为每个模型或平台编写无尽的自定义“胶水代码”。

现在，引入 Model Context Protocol (MCP)，由 Anthropic 提出。MCP 正迅速成为连接 AI 模型与数据源及工具的通用标准——可以把它想象成 AI 版 USB‑C。

Model Context Protocol 概览

MCP 充当由三个主要组件组成的通用适配器：

• Host – AI 所在的位置（例如 Claude Desktop、Cursor、IDE）。
• Client – 主机中与协议通信的部分。
• Server – 一个小脚本或服务，用于公开你的数据和工具。

为一个数据源编写一个 MCP 服务器，所有兼容 MCP 的 AI 都能立即使用。

MCP 之前

• 5 个 AI 代理 × 10 个数据源 = 50 个独立集成。
• 新模型需要重写集成逻辑。
• 这种方式脆弱、耗时且难以维护。

MCP 之后

• 每个数据源一个服务器，可在模型之间复用。
• 简化维护，加快新模型的接入速度。

原语

MCP 定义了三种原语，用于描述 AI 如何与你的世界交互：

安全考虑

Security is the biggest hurdle for AI adoption in enterprise environments. With MCP:

• The server runs locally on your machine.
• Sensitive credentials (e.g., SQL database passwords) never leave the host.
• The AI only receives the specific data it needs, preventing accidental leakage of API keys or other secrets.

示例 MCP 服务器（FastMCP）

使用 FastMCP 框架入门出奇地简单。下面的 Python 脚本创建了一个简单的服务器，让 AI 能检查本地服务的状态。

# Install with: pip install fastmcp
from fastmcp import FastMCP
import requests

# Create the server
mcp = FastMCP("SystemHealth")

@mcp.tool()
def check_service_status(url: str) -> str:
    """Checks if a local service is running."""
    try:
        response = requests.get(url, timeout=5)
        return f"✅ Service at {url} is UP (Status: {response.status_code})"
    except Exception as e:
        return f"❌ Service at {url} is DOWN. Error: {str(e)}"

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

运行脚本，然后将服务器连接到 Claude Desktop、Cursor 或任何兼容 MCP 的主机。你的 AI 助手现在可以代表你 ping 网站或内部服务。

入门指南 / 路线图

1. 探索已有服务器 – 访问 MCP Server GitHub Repository 以了解社区已经构建的内容。
2. 配置你的主机 – 对于 Claude Desktop，编辑 claude_desktop_config.json 以添加新服务器。其他主机有类似的配置文件。
3. 构建你自己的 – 使用 Python 或 TypeScript SDK 将内部 API、工具或数据源暴露给你的 AI 工具。

社区构建的 MCP 服务器

• Postgres/MySQL – 直接查询数据库。
• GitHub/GitLab – 管理仓库和拉取请求。
• Puppeteer – 让 AI 实时浏览网页。
• Google Drive / Notion – 访问你的知识库。

Conclusion

模型上下文协议正将 AI 从一个简单的聊天机器人转变为为您工作的代理。通过标准化模型访问上下文的方式，MCP 将 AI 集成从云端转移到本地工作流，同时保持安全性和隐私。这确实是 AI 的“USB‑C 时刻”——一种解锁前所未有的集成可能性的通用标准。