模型上下文協議（MCP）三種難度級別詳解

模型上下文協議（Model Context Protocol，簡稱MCP）是Anthropic推出的一項開放標準，旨在解決AI應用與外部系統之間的集成難題。大型語言模型的知識截止於訓練時間，無法直接訪問文件、數據庫或實時消息。傳統做法是開發定製集成，但隨着模型和工具數量增長，維護成本呈指數上升。MCP通過統一協議，讓每個AI客户端和每個工具只需實現一次協議，從而將集成點從M×N減少到M+N。

MCP架構包含三個核心組件：宿主（Host）是用户交互的應用，如聊天界面或AI驅動的IDE，內部包含語言模型；客户端（Client）駐留在宿主中，負責協議機制，包括維護服務器註冊表、翻譯模型請求並分發；服務器（Server）是連接外部系統的橋樑，註冊其能力並響應請求。以用户要求“從數據庫獲取Q2營收數據並生成總結”為例：模型識別需求後，客户端查找已註冊的服務器，模型調用數據庫查詢工具，服務器執行並返回結果，隨後模型調用郵件起草工具完成總結。整個過程無需開發者編寫膠水代碼。

MCP服務器暴露三類能力：工具（Tools）是可調用的函數，用於執行操作或計算；資源（Resources）是可讀數據，如文件、記錄；提示（Prompts）是可複用模板，用於標準化任務處理方式。工具和資源的分離有助於應用不同的授權策略。

在傳輸層面，MCP採用JSON-RPC 2.0作為數據層，傳輸層支持兩種方式：stdio適用於本地服務器，通過標準輸入輸出通信，簡單快速且無需網絡配置；Streamable HTTP適用於遠程服務器，通過單一HTTP端點交換消息，支持服務器發送事件（SSE）以流式返回多個消息。安全方面，需注意認證風險，如未綁定會話ID、轉發被盜授權碼等。谷歌建議獲取用户同意、限制服務器可見範圍、不信任未經驗證的工具描述、淨化返回數據並審計工具活動。

部署選擇上，本地服務器作為子進程運行，適合敏感數據或個人開發環境；遠程服務器獨立運行，可服務多客户端，適合生產環境。無服務器平台如Cloud Run適合簡單無狀態工具，而Kubernetes適合有狀態或高吞吐場景。MCP已擁有主流語言SDK和豐富預置服務器（如GitHub、Slack、Postgres），客户端支持包括Visual Studio Code和Claude等。這一協議正逐步構建起可組合的AI集成生態系統。