MCP 协议深度解析：LLM 工具调用的统一标准

一句话结论：MCP 是 LLM 时代的"USB 接口"。它统一了 AI 与外部工具的通信方式，让"AI Agent + 工具"变成可组合的乐高积木。

背景

2024 年 11 月，Anthropic 开源了 Model Context Protocol（MCP）。

2026 年，MCP 已经成为 LLM 工具调用的事实标准：

• Claude / GPT / Gemini 全部原生支持
• 1000+ 开源 MCP Server（GitHub / Slack / Notion / Postgres）
• 大厂都在接入（Microsoft / JetBrains / Sourcegraph）

核心架构

┌─────────────────┐
│   LLM (Claude)  │  ← MCP Client（嵌入在 IDE / 应用里）
└────────┬────────┘
         │ MCP Protocol (JSON-RPC)
         ↓
┌─────────────────┐
│   MCP Server    │  ← 工具 / 资源 / 提示词
│  (e.g. GitHub)  │
└─────────────────┘

三大核心概念

1. Tools（工具）

// MCP Server 定义工具
server.setRequestHandler('tools/list', async () => ({
  tools: [{
    name: 'create_issue',
    description: '在 GitHub 仓库创建 issue',
    inputSchema: {
      type: 'object',
      properties: {
        repo: { type: 'string', description: '仓库名' },
        title: { type: 'string' },
        body: { type: 'string' },
      },
      required: ['repo', 'title'],
    },
  }],
}));

2. Resources（资源）

// 暴露数据（如文件、数据库记录）
server.setRequestHandler('resources/list', async () => ({
  resources: [{
    uri: 'file:///docs/api.md',
    name: 'API 文档',
    mimeType: 'text/markdown',
  }],
}));

3. Prompts（提示词模板）

// 预设的 prompt 模板
server.setRequestHandler('prompts/list', async () => ({
  prompts: [{
    name: 'code_review',
    description: '代码审查模板',
    arguments: [{
      name: 'language',
      description: '编程语言',
      required: true,
    }],
  }],
}));

实战：写一个 GitHub MCP Server

// mcp-server-github/index.ts
import { Server } from '@modelcontextprotocol/sdk/server';
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio';
import { Octokit } from 'octokit';

const octokit = new Octokit({ auth: process.env.GITHUB_TOKEN });

const server = new Server({
  name: 'github-mcp',
  version: '1.0.0',
}, {
  capabilities: {
    tools: {},
    resources: {},
  },
});

// 工具 1：搜索仓库
server.setRequestHandler('tools/list', async () => ({
  tools: [
    {
      name: 'search_repos',
      description: '搜索 GitHub 仓库',
      inputSchema: {
        type: 'object',
        properties: {
          query: { type: 'string' },
          limit: { type: 'number', default: 10 },
        },
        required: ['query'],
      },
    },
    {
      name: 'create_issue',
      description: '创建 issue',
      inputSchema: {
        type: 'object',
        properties: {
          repo: { type: 'string' },
          title: { type: 'string' },
          body: { type: 'string' },
        },
        required: ['repo', 'title'],
      },
    },
  ],
}));

// 工具调用处理
server.setRequestHandler('tools/call', async (request) => {
  if (request.params.name === 'search_repos') {
    const { query, limit } = request.params.arguments;
    const result = await octokit.search.repos({ q: query, per_page: limit });
    return {
      content: [{
        type: 'text',
        text: JSON.stringify(result.data.items, null, 2),
      }],
    };
  }
  
  if (request.params.name === 'create_issue') {
    const { repo, title, body } = request.params.arguments;
    const [owner, name] = repo.split('/');
    const issue = await octokit.rest.issues.create({
      owner,
      repo: name,
      title,
      body,
    });
    return {
      content: [{
        type: 'text',
        text: `Created issue #${issue.data.number}: ${issue.data.html_url}`,
      }],
    };
  }
});

// 启动
const transport = new StdioServerTransport();
await server.connect(transport);

在 Claude Desktop 中使用

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "github": {
      "command": "node",
      "args": ["/path/to/github-mcp/index.js"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxx"
      }
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://..."
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/projects"]
    }
  }
}

实战对话

用户：帮我在我的 awesome-repo 仓库搜索所有 React 相关 issue，按状态分组

Claude 理解需求 → 调用 search_issues 工具 → 用 create_issue 工具的 schema 类似的方式过滤 → 返回结构化结果

5 个核心优势

1. 可组合

LLM + GitHub MCP + Notion MCP + Slack MCP = 全功能 AI 助理
不需要每个应用单独接入

2. 可复用

写一次 GitHub MCP Server，所有 LLM 客户端都能用
（Claude Desktop / Cursor / Continue.dev / 自研应用）

3. 可标准化

类似 USB / Bluetooth，统一了"AI 工具调用"的接口
未来类似"USB 设备"市场会兴起

4. 可安全控制

// MCP Server 可以加权限校验
if (!hasPermission(user, 'create_issue')) {
  throw new Error('Permission denied');
}

// 可以审计
logToolCall(user, tool, args);

5. 跨模型

不是 Anthropic 专属
GPT-5 / Gemini / Llama 都支持

5 个常见坑

坑 1：超时设置太短

// ❌ 默认 30s
const result = await fetchData();

// ✅ 长操作设置更长超时
const result = await fetchData({ timeout: 60000 });

坑 2：返回数据过大

// ❌ 返回 10MB JSON
return { content: JSON.stringify(hugeData) };

// ✅ 摘要 + 链接
return {
  content: `Found ${hugeData.length} items. First 10: ... [full data at file://...]`,
};

坑 3：错误信息不友好

// ❌ 抛 raw error
throw new Error('ECONNREFUSED');

// ✅ 返回结构化错误
return {
  isError: true,
  content: [{
    type: 'text',
    text: '无法连接数据库，请检查 DATABASE_URL 环境变量',
  }],
};

坑 4：忽略权限模型

// ❌ 任何人都能调用工具
const result = await deleteAllData();

// ✅ 加入权限检查
if (!hasPermission(user, 'delete')) {
  return { error: 'Permission denied' };
}

坑 5：没考虑 token 消耗

每个工具调用都消耗 LLM tokens
工具 description 要精炼
inputSchema 要最小化
返回数据要精简

我的看法

MCP 是 2026 年最重要的 AI 基础设施之一：

1. 统一标准：让 LLM 工具调用从"各自为政"变成"统一接口"
2. 生态飞轮：1000+ Server → 更多应用集成 → 更多 Server
3. AI 时代的 USB：未来每个软件都会考虑"如何被 LLM 调用"

未来值得关注：

• MCP Marketplace：类似 Apple App Store
• 企业 MCP：私有 MCP Server（访问内部数据）
• MCP + Agent：复杂多步骤任务编排
• MCP 安全沙箱：防止恶意 Server

参考

• MCP 官方文档
• MCP SDK GitHub
• Awesome MCP Servers
• Anthropic MCP 公告

---

本文示例基于 MCP 2026-06 版本，TypeScript SDK 最新版。