Anthropic官方MCP教程：从协议原理到实战部署

什么是MCP？Anthropic开源的AI上下文协议

MCP（Model Context Protocol，模型上下文协议）是Anthropic于2024年11月发布的一个开放协议，旨在标准化AI应用程序获取外部上下文的方式。简单来说，它定义了AI应用如何通过工具调用和数据资源来获取所需的上下文信息。

MCP的出现需要放在AI Agent发展的大背景下理解。2024年被广泛认为是AI Agent元年，各大厂商（OpenAI、Google、Microsoft等）都在推动AI从单纯的对话模型向能够执行复杂任务的智能体演进。然而，Agent要真正发挥作用，必须能够访问外部数据和调用外部工具——这就是所谓的"上下文问题"。在MCP之前，业界已有Function Calling（函数调用）机制，但它缺乏跨平台的标准化规范，每个AI平台的实现方式各不相同。MCP本质上是在Function Calling之上建立了一层标准化的通信协议，类似于USB协议统一了计算机外设的连接方式。

据Anthropic技术教育负责人Ali Shopeik介绍，MCP诞生于一个内部项目——团队在扩展Claude Desktop时发现，需要让AI能与本地文件系统和其他外部系统进行交互。他们开发的这套协议在内部验证了其通用性后，决定将规范公开发布，并向开源社区开放开发工作。

MCP的核心特点包括：

• 模型无关：不绑定特定的AI模型，任何LLM都可以使用
• 开放标准：规范公开，社区可自由开发MCP服务
• 客户端-服务器架构：清晰定义了通信方式和职责划分

MCP的架构设计：客户端与服务器如何协作

基本架构原理

MCP基于客户端-服务器架构，其中：

• MCP客户端：嵌入在AI应用程序内部，负责与MCP服务器通信
• MCP服务器：提供三类核心能力——工具（Tools）、数据资源（Resources）和提示词模板（Prompts）

MCP采用的客户端-服务器架构借鉴了LSP（Language Server Protocol，语言服务器协议）的设计理念。LSP是微软为VS Code开发的协议，它将编程语言的智能功能（如代码补全、跳转定义）从编辑器中解耦出来，使得一个语言服务器可以服务于多个编辑器。MCP的通信层基于JSON-RPC 2.0协议，支持两种传输方式：stdio（标准输入输出，适用于本地进程间通信）和HTTP+SSE（Server-Sent Events，适用于远程通信）。这种设计使得MCP服务器既可以作为本地进程运行，也可以部署为远程服务。

这种架构的优势在于解耦。AI应用不需要直接集成各种外部服务的API，只需要通过统一的MCP协议与服务器通信即可。MCP服务器负责处理具体的工具执行逻辑，将复杂的集成工作封装起来。

三类核心能力详解

MCP服务器提供的三类能力各有不同的设计意图：

• Tools（工具）：模型可以主动调用的函数，类似于Function Calling中的函数定义，但由服务器端统一管理和执行。例如，一个GitHub MCP服务器可能提供"创建Issue"、"提交PR"等工具。
• Resources（数据资源）：类似于REST API中的GET端点，提供结构化或非结构化的数据供模型读取，比如文件内容、数据库记录等。资源通过URI标识，客户端可以按需请求。
• Prompts（提示词模板）：预定义的交互模板，帮助用户以最佳方式与特定领域的工具进行交互。例如，一个代码审查MCP服务器可能提供"审查PR"的提示词模板，引导模型按照特定流程进行代码审查。

这三者的组合使得MCP服务器能够完整地封装一个外部服务的所有AI交互能力。

实际应用场景

以构建一个研究助手Agent为例，假设你希望这个Agent能够：

1. 与GitHub仓库交互
2. 读取Google云端硬盘里的笔记
3. 生成摘要并保存到本地文件系统

在没有MCP的时代，开发者需要为每个服务编写自定义的API调用和工具定义。而有了MCP，你只需将Agent连接到对应的MCP服务器（GitHub服务器、Google Drive服务器、文件系统服务器），这些服务器会提供标准化的工具定义并处理工具执行。

MCP解决了哪些AI集成痛点？

过去，将AI应用连接到外部资源面临诸多挑战：

• 每个服务都有不同的API规范和认证方式
• 工具定义缺乏统一标准，难以复用
• 开发者需要为每个集成编写大量胶水代码
• 不同AI应用之间的集成无法共享

在MCP出现之前，开发者主要通过以下方式将AI连接到外部服务：直接API调用（需要为每个模型编写适配代码）、LangChain/LlamaIndex等框架的Tool抽象（框架绑定，跨框架不兼容）、以及OpenAI的Plugin/GPTs体系（平台锁定）。MCP的关键创新在于它是一个"协议级"的标准，不绑定任何特定框架或平台。这意味着用Go语言编写的MCP服务器可以被Python客户端调用，为Cursor开发的MCP服务器同样可以在Claude Desktop中使用，实现了真正的"一次开发，处处可用"。

MCP通过标准化协议解决了这些痛点。一个MCP服务器开发完成后，可以被任何支持MCP的AI应用复用——无论是Claude Desktop、自定义聊天机器人，还是其他第三方应用。

自发布以来，MCP生态系统发展迅速，由开源社区和Anthropic的MCP团队共同推动，已经涌现出大量可用的MCP服务。截至2025年中，官方维护的参考服务器涵盖了文件系统、GitHub、Google Drive、PostgreSQL、Slack等常见服务。社区贡献的服务器则覆盖了更广泛的领域，包括Notion、Linear、Jira、AWS等。在客户端支持方面，除了Claude Desktop外，Cursor、Windsurf、Zed等AI代码编辑器，以及Continue、Cline等开发工具都已支持MCP。值得注意的是，OpenAI也在2025年3月宣布在其Agents SDK中支持MCP，这标志着MCP正在从Anthropic的单方面倡议演变为行业共识。

教程学习路径：从入门到远程部署

这门由Anthropic官方与DeepLearning.AI合作开发的课程，涵盖了从入门到精通的完整路径：

1. 理解协议细节：深入了解MCP客户端-服务器架构的通信机制
2. 开发聊天机器人：构建一个支持MCP的聊天机器人应用
3. 构建MCP服务器：开发并测试自己的MCP服务器，提供工具、提示词模板和资源
4. 连接第三方服务：通过可信的第三方MCP服务器扩展功能
5. 跨应用复用：将MCP服务器连接到Claude Desktop等其他MCP应用
6. 远程部署：学习如何远程部署MCP服务器，让更多开发者可以使用

为什么开发者现在应该学习MCP？

MCP代表了AI应用集成的一个重要趋势——从碎片化的自定义集成走向标准化的协议驱动。随着AI Agent越来越需要与外部世界交互，一个统一的上下文获取标准变得至关重要。

对于开发者而言，掌握MCP意味着：

• 可以快速为AI应用接入丰富的外部能力
• 开发的服务器可以被整个生态复用
• 降低维护多个自定义集成的成本

作为Anthropic主导的开放标准，MCP正在获得越来越多的社区支持和工具生态，现在正是入局的好时机。

核心要点

• MCP是Anthropic于2024年11月发布的开放协议，用于标准化AI应用获取外部上下文的方式
• 基于客户端-服务器架构，MCP服务器提供工具、数据资源和提示词模板三类核心能力
• MCP的通信层基于JSON-RPC 2.0协议，支持stdio和HTTP+SSE两种传输方式
• MCP是模型无关的，一个MCP服务器可被任何支持该协议的AI应用复用
• 教程涵盖从协议理解、服务器开发、第三方连接到远程部署的完整学习路径
• MCP生态系统由开源社区和Anthropic团队共同推动，已获得包括OpenAI在内的多方支持，正在快速发展