MCP:将AI工具集成从M×N简化到M+N的通用协议

在 MCP 出现之前，每次将 AI 应用接入工具，都必须量身定制。每个应用都要为它想访问的每个工具手写连接器：M 个应用 × N 个工具 = M×N 份胶水代码，而且彼此无法复用。Model Context Protocol（MCP）是 Anthropic 于 2024 年推出的一项开放标准，它把这团乱麻从 M×N 简化为 M+N。你可以把它理解为「AI 工具领域的 USB-C」；而真正让我对这个概念形成具体认识的，是为实际的消息流构建了一个可视化工具。它的结构如下。

这里有三种角色，而且这些命名很容易让人混淆，所以先明确下来：

Host——AI 应用本身，例如 Claude Desktop、IDE 或自定义 Agent。模型由它承载。

Client——Host 内部的连接器，与某一个 Server 保持 1:1 连接。每个 Server 对应一个 Client。

Server——独立进程，通过统一协议暴露某种能力，例如文件系统、GitHub 或数据库。

只需编写一次 Server，所有 MCP Host 都能使用它。只需编写一次 Client，它就能与所有 Server 通信。这种复用能力——为 Claude Desktop 构建的 Server，无须修改就能用于 IDE 和定制 Agent——正是 M+N 模式带来的全部收益。

一个 Server 可以暴露三类能力

不只是 Tools。MCP Server 可以声明三种能力类型，它们之间的区别在于由谁控制：

Tools——模型可以调用的操作（write_file、run_query）。由模型控制。

Resources——通过 URI 定位的只读数据（file:///path、某一行数据）。由应用控制。

Prompts——用户可以选择的可复用模板。由用户控制。

Client 通过 tools/list、resources/list、prompts/list 发现这些能力，再通过 tools/call 或 resources/read 使用它们。

在线路上传输的是 JSON-RPC

每条消息都是一个普通的 JSON-RPC 2.0 信封。一次性的生命周期握手（initialize）会建立连接；随后通过一轮发现流程（tools/list）告诉 Host 当前有哪些能力可用；之后，每当模型需要使用工具时，就会重复执行调用循环：

1. initialize            host ↔ server handshake, capabilities exchanged   (once)
2. tools/list            client asks what the server offers                (once)
3. user asks a question
4. model decides to call a tool
5. tools/call            client → server, real code runs
6. result               server → client → model
7. model writes the answer

发现流程只执行一次；此后，只要模型决定调用工具，Host 就会直接发出 tools/call。对于本地 Server，传输方式是 stdio；对于远程 Server，则使用 HTTP——无论采用哪种传输方式，上层协议都完全相同。

它建立在 function-calling 之上，而不是取代它

这是人们经常忽略的一点。MCP 并不会取代普通的 function-calling。模型依然会像过去一样，输出结构化的工具调用。MCP 标准化的是这次调用周围的一切：如何发现工具、如何传输请求，以及如何返回结果。Function-calling 是模型在说「用这些参数调用这个函数」；MCP 则是实现互操作的底层管道，让同一个工具无需重新编写胶水代码，就能被任何应用访问。正因如此，同一个 MCP Server 可以直接接入 Claude Desktop、IDE 和你自己的 Agent——工具定义只需编写一次，协议会把它带到各个应用中。

为什么 M+N 的数学关系确实能带来收益

从 M×N 简化到 M+N，不只是让算式看起来更整洁——它改变了工作由谁来完成。在旧模式下，如果你构建了一个新的 AI 应用，就需要为用户想使用的每个工具编写连接器；如果你构建了一个新工具，则需要为每个应用编写连接器。无论哪一方，其工作量都会随着另一方的增长而增加。

在 MCP 模式下，工具作者只需编写一个 Server，工作就完成了——当前及未来的所有 Host 都可以访问它。应用作者只需编写一个 Client，就能直接获得现有的整个 Server 生态。网络效应由此进入正确的方向：每增加一个 Server，所有 Host 的能力都会增强；每增加一个 Host，所有 Server 的价值都会提升，而任何人都不需要为此重新编写胶水代码。

因此，这套心智模型其实很简单：Host 为每个连接运行一个 Client；每个 Client 通过 JSON-RPC 与 Server 通信；Server 会声明 Tools、Resources 和 Prompts；发现能力使用 */list，调用能力使用 */call。把 M×N 个定制连接器变成 M+N 个可复用连接器，你得到的将是一个生态系统，而不是一堆一次性的适配器。选择一个 Server，然后逐步观察每一条 JSON-RPC 消息如何在线路上传输：

https://dev48v.infy.uk/ai/days/day51-model-context-protocol.html

如需采取进一步行动，你可以考虑屏蔽此人和/或举报滥用行为。