MCP (Model Context Protocol)：AI应用连接外部世界的标准协议
MCP (Model Context Protocol)：AI应用连接外部世界的标准协议
随着大语言模型能力的不断增强，AI应用已不再局限于纯粹的文本对话，而是需要与外部世界进行深度交互——读写文件、查询数据库、调用第三方API、搜索网页等。然而，让AI应用对接外部系统一直是一个工程难题：每个服务接口不同、工具定义重复、集成成本高昂。
MCP（Model Context Protocol）的出现，正是为了系统性地解决这一问题。
1. 什么是MCP
MCP是由Anthropic于2024年底推出的开放标准协议，旨在为AI应用与外部系统之间提供统一的交互规范。
在MCP出现之前，开发者必须为每个外部服务手动定义Tool——编写函数签名、参数描述、调用逻辑等。这种方式存在两个核心痛点：
- 复用性差：不同Agent可能需要同样的工具（如文件操作、天气查询），但每次都需重复定义。
- 集成成本高：全球有数以万计的服务，接口各异，逐一适配工作量巨大。
MCP的角色可以类比为AI世界的USB接口协议：
- 服务提供方遵循MCP协议封装并发布自己的工具服务。
- AI应用方基于MCP协议直接对接任何兼容的外部服务，无需手动定义Tool。
这一设计从根本上解决了工具复用和服务集成的问题。
2. 核心概念
MCP的架构由三个核心角色组成：
| 概念 | 说明 |
|---|---|
| MCP Server | 提供工具服务的应用，可以是远程服务，也可以是本地服务 |
| MCP Client | 连接到MCP Server，读取工具信息，供Host使用 |
| MCP Host | 协调和管理多个MCP Client的AI应用，如LangChain Agent |
以一个典型的AI应用为例：该应用需要文件操作、数据库操作和Sentry远程监控三个能力。此时可以配置三个MCP Client，分别对接三个独立的MCP Server，各司其职，互不干扰。
┌─────────────────────────────────┐ │ MCP Host (AI应用) │ │ ┌──────────┬──────────┬──────┐ │ │ │MCP Client│MCP Client│MCP │ │ │ │(文件操作) │(数据库) │Client│ │ │ └────┬─────┴────┬─────┴──┬───┘ │ └───────┼──────────┼────────┼─────┘ │ │ │ ┌────▼───┐ ┌───▼────┐ ┌▼────────┐ │MCP │ │MCP │ │MCP │ │Server │ │Server │ │Server │ │(本地) │ │(本地) │ │(远程) │ └────────┘ └────────┘ └─────────┘通信方式
MCP Client与MCP Server之间支持两种通信方式：
stdio（标准输入输出）
Client将MCP Server脚本作为子进程运行，通过标准输入输出进行进程间通信。没有网络延迟，适合本地服务。脚本的启动方式通常有两种：
npx：基于Node.js的包管理工具uvx：基于Python的uv工具
SSE / HTTP（Server-Sent Events）
Client通过HTTP请求与远程MCP Server交互，存在网络延迟，适合云端服务。
3. 在LangChain中使用MCP
LangChain通过langchain-mcp-adapters库实现了对MCP的支持。
uvaddlangchain-mcp-adapters3.1 对接stdio类型服务——以Time MCP为例
Time MCP提供时间查询和时区转换功能，基于stdio通信。
fromlangchain_mcp_adapters.clientimportMultiServerMCPClient client=MultiServerMCPClient({"time":{"transport":"stdio","command":"uvx","args":["mcp-server-time","--local-timezone=Asia/Shanghai"]}})# MultiServerMCPClient是异步的，需要awaittools=awaitclient.get_tools()fortoolintools:print(tool.name)# get_current_time, convert_timeprint(tool.description)获取工具后，即可正常创建Agent：
fromlangchain.agentsimportcreate_agentfromlangchain_core.messagesimportHumanMessage agent=create_agent("deepseek-chat",tools)response=awaitagent.ainvoke({"messages":[HumanMessage("现在几点了？")]})Agent会自动调用get_current_time工具，获取并返回当前时间。
3.2 对接HTTP类型服务——以Kiwi MCP为例
Kiwi Travel MCP提供航班搜索功能，基于HTTP通信，是少有的免费航班搜索MCP服务。
client=MultiServerMCPClient({"kiwi-com-flight-search":{"transport":"http","url":"https://mcp.kiwi.com"}})tools=awaitclient.get_tools()agent=create_agent(model="deepseek-chat",tools=tools,system_prompt="You are a travel agent. Help user find best flights. ""If the user uses Chinese, use zh-cn as the locale value.")response=awaitagent.ainvoke({"messages":[HumanMessage("查一下2026年5月15日晚上从北京飞杭州的航班。")]})注意：Kiwi的地域参数（locale）中，中文需指定为
zh-cn而非zh，否则会导致报错。这一点Tool描述中未明确说明，需在系统提示词中额外声明。
对于国内航班查询，也可以考虑飞常准提供的MCP服务（https://mcp.variflight.com/），不过该服务是收费的。
3.3 同时对接多个MCP服务
MultiServerMCPClient本身就支持多服务配置，可以在一个Client中同时连接多个MCP Server：
client=MultiServerMCPClient({"time":{"transport":"stdio","command":"uvx","args":["mcp-server-time","--local-timezone=Asia/Shanghai"]},"kiwi-com-flight-search":{"transport":"http","url":"https://mcp.kiwi.com"}})tools=awaitclient.get_tools()# tools中包含来自两个MCP Server的所有工具4. 自定义MCP Server
在企业内部，不同团队也可以将自身服务封装为MCP Server，供其他团队复用。
4.1 使用FastMCP创建服务
FastMCP是目前创建自定义MCP Server最简洁的方式：
uvaddfastmcp以一个数学运算MCP Server为例（math_mcp_server.py）：
fromfastmcpimportFastMCP mcp=FastMCP("Math")@mcp.tool()defadd(a:float,b:float)->float:"""Add two numbers"""returna+b@mcp.tool()defmultiply(a:float,b:float)->float:"""Multiply two numbers"""returna*b@mcp.tool()defsquare_root(x:float)->float:"""Calculate the square root of a number"""returnx**0.5if__name__=="__main__":mcp.run(transport="stdio")FastMCP提供了三类装饰器：
| 装饰器 | 作用 | 常用程度 |
|---|---|---|
@mcp.tool() | 定义MCP工具（核心功能） | 必备 |
@mcp.resource() | 返回资源数据，类似扩展知识库 | 可选 |
@mcp.prompt() | 返回预设提示词 | 可选 |
通常只需定义tool即可满足绝大多数场景。
4.2 连接自定义MCP服务
由于是本地Python文件，启动命令使用python而非npx或uvx：
client=MultiServerMCPClient({"math":{"transport":"stdio","command":"python","args":["math_mcp_server.py"]}})tools=awaitclient.get_tools()agent=create_agent(model="deepseek-chat",tools=tools,system_prompt="You are a helpful agent. You must use tools to answer math questions.")response=awaitagent.ainvoke({"messages":[HumanMessage("467和529的平方根之和是多少?")]})Agent会依次调用square_root计算两个数的平方根，再调用add求和，最终返回结果约44.6102。
关键点：采用stdio方式时，MCP Server文件无需手动启动，MCP Client会自动将其作为子进程加载运行。
5. 总结
| 维度 | 说明 |
|---|---|
| MCP是什么 | 开放协议，标准化AI应用获取外部工具的方式，类比AI世界的USB接口 |
| 架构 | Client-Server架构，Host管理多个Client，Client对接Server |
| 通信方式 | stdio（本地，无网络延迟）/ HTTP（远程，适合云服务） |
| 使用流程 | 配置MultiServerMCPClient → get_tools()获取工具 → 创建Agent调用 |
| 自定义Server | 使用FastMCP，通过@mcp.tool装饰器定义工具，mcp.run()启动服务 |
MCP的意义在于它将工具集成从"手工定制"推向了"即插即用"。随着越来越多服务提供方接入MCP生态，AI应用开发者将能够以极低的成本对接丰富的外部能力，而不再为重复的工具定义和接口适配所困扰。