MCP
Model Context Protocol（MCP）是一种开放协议标准，由Anthropic提出，旨在规范大型语言模型（LLM）与外部工具、数据源及服务之间的上下文交互方式。MCP定义了模型如何请求、接收和使用外部上下文信息，支持工具调用、资源访问等能力，使AI应用能够以标准化方式集成多种外部系统，提升模型的可扩展性与互操作性。
核心事实
时间轴 (近 90 天)
MCP（模型上下文协议）能让 Agent 启动引擎、读取报错、修改场景，形成闭环，解决 Agent 的“运行时失明”问题。
训练营前序项目（项目四：大模型Agent应用开发）已介绍Agent与工具调用的基本概念，为项目五中的MCP实现做铺垫。
小智AI项目中MCP功能用于让ESP32上的语音助手调用预定义的工具模块，实现设备控制、信息查询等功能。
对于需要接入外部系统的场景，MCP配置和Skill安装仍需要一定的学习成本。
UP主使用AI辅助定位（包括尝试MCP）花费很长时间仍未定位到加密参数，最终通过XHR断点成功定位。
在Vibe Coding流程中，MCP连接提示词的作用是让AI明确知道项目中有哪些外部能力可用、通过什么方式调用，避免凭空编造接口。
Docsie 提供托管的 MCP 服务器，允许 AI 编程代理（如 Devin）调用 Docsie 的文档能力与工作区数据。
Docsie 托管 MCP 服务器的 URL 是 app.docsie.io/mcp。
Docsie 的 MCP 服务器在所有 Docsie 套餐中均免费开放，付费点在于调用组织 AI credits 的后台任务。
Devin 的 MCP 配置文件本质上是一份服务器清单，每条记录包含名称、URL 和可选的认证参数。
还有 40 条时间轴事件
全部知识事实 (20)
同时连接多个 MCP 服务器时，仅工具描述就可能消耗数千甚至上万 tokens
90%已验证MCP定义了三种核心原语：Tools（工具调用）、Resources（资源读取）和Prompts（提示模板）
90%已验证MCP旨在解决大语言模型与外部数据源、工具之间的连接碎片化问题
90%已验证MCP（Model Context Protocol）由Anthropic于2024年底开源发布
90%已验证MCP采用客户端-服务器架构，基于标准化的JSON-RPC通信协议
90%已验证MCP中每个工具都有严格的JSON Schema描述，包括名称、功能说明和参数规范
90%已验证Anthropic于2024年底推出了MCP（Model Context Protocol，模型上下文协议），这是一个旨在规范AI模型与外部工具、数据源之间交互方式的开放标准
90%已验证在MCP出现之前，每个AI应用都需要为每种工具单独编写集成代码，维护成本极高
90%已验证MCP的设计思路借鉴了LSP（Language Server Protocol），试图统一AI模型与外部系统之间的上下文传递方式
90%已验证MCP的设计灵感来源于微软提出的语言服务器协议（LSP）
90%已验证MCP（模型上下文协议）是Anthropic于2024年底发布的开放标准协议
90%已验证Anthropic于2024年底提出了MCP（Model Context Protocol）协议，尝试为Agent间通信建立统一标准
90%已验证MCP Server 可以暴露工具（Tools）、资源（Resources）和提示词模板（Prompts）三类能力
90%已验证MCP将AI应用与外部工具的集成复杂度从M×N标准化为M+N
90%已验证Claude Code添加MCP服务器时有三种作用范围：Project（项目范围）、Local（本地范围，默认值）和Global（全局范围）
85%已验证在MCP出现之前，开发者若想让AI调用外部服务，通常需要为每个服务单独编写函数调用（Function Calling）代码，且不同模型提供商的接口互不兼容。
80%已验证WorkBuddy通过MCP（模型上下文协议）方式接入外部系统，如腾讯文档、企业微信、数据库
80%已验证DeepSeek Harness的核心设计哲学是将一切都作为插件处理，包括工具、技能和绘图功能
80%已验证间接提示注入攻击通过在正常业务数据中植入隐藏指令，诱导Agent执行未经授权的操作，属于语义层面而非代码层面的安全风险
80%已验证MCP中工具（Tool）由模型决定调用，提示词（Prompt）由用户触发，资源（Resource）由应用程序控制
80%