跳转至

Model Context Protocol (MCP)

概述

模型上下文协议（Model Context Protocol，MCP）是由 Anthropic 构建的开放协议，旨在标准化应用程序向大型语言模型（LLM）提供上下文的方式。2025 年 12 月 9 日，Anthropic 将 MCP 捐赠给智能体 AI 基金会（Agentic AI Foundation，AAIF），标志着智能体 AI 开放标准迈入重要里程碑。

模型上下文协议（MCP）架构概览，展示标准化上下文提供系统

来源：Model Context Protocol 文档

基金会捐赠

历史背景

  • 原始开发者：Anthropic
  • 捐赠日期：2025 年 12 月 9 日
  • 受赠方：智能体 AI 基金会（AAIF）
  • 治理：现由 Linux Foundation 治理架构管理

战略意义

将 MCP 捐赠给 AAIF，体现了 Anthropic 对智能体 AI 生态系统开放标准与互操作性的承诺。此举确保 MCP 能够在社区治理下，作为厂商中立的标准持续演进。

技术架构

核心组件

MCP 通过三个核心组件，帮助在 LLM 之上构建智能体和复杂工作流：

1. 主机（LLM 应用）

  • 定义：使用 LLM 并需要访问外部上下文的应用程序
  • 示例：AI 助手、聊天机器人、智能体框架
  • 职责：向 MCP 服务器发起连接，以访问外部资源

2. 服务器（上下文提供方）

  • 定义：向外部资源提供统一接口的服务
  • 职责：通过标准化的 MCP 协议暴露数据源和工具
  • 示例：数据库连接器、API 封装层、文件系统接口

3. 客户端（协议实现）

  • 定义：主机用于与服务器通信的协议实现
  • 职责：管理连接、处理协议通信、路由请求
  • 实现方式：内置于主机应用程序，或以库的形式提供

4. 本地数据源

  • 示例：数据库、文件系统、配置文件
  • 访问方式：由服务器在本地环境中直接访问
  • 安全性：在适当权限与安全控制下进行直接访问

5. 远程服务

  • 示例：REST API、GraphQL 端点、第三方服务
  • 访问方式：服务器通过网络协议访问
  • 集成方式：通过 MCP 服务器实现标准化集成

MCP 组件交互图，展示主机、服务器与客户端之间的关系

MCP 组件架构与数据流

协议规范

通信协议

  • 传输层：基于多种传输机制的 JSON-RPC
  • 序列化：所有数据交换均使用 JSON
  • 版本管理：采用语义化版本号（Semantic Versioning）管理协议演进
  • 扩展性：支持自定义能力的可扩展协议

标准操作

  • 资源发现：枚举可用资源与能力
  • 资源访问：对外部资源执行读写操作
  • 工具调用：通过 MCP 服务器执行工具和函数
  • 流式传输：支持流式数据与实时更新

安全模型

  • 认证：可配置的认证机制
  • 授权：细粒度访问控制与权限管理
  • 加密：支持加密通信信道
  • 沙箱隔离：对 MCP 服务器操作进行隔离

MCP 生态系统

MCP 服务器

社区仓库： - Awesome MCP Servers by Glamma.ai - AWS MCP Servers：面向云原生开发、基础设施管理和开发工作流的专用 MCP 服务器

专业平台： - PulseMCP：MCP 应用场景、服务器、客户端与动态资讯的综合资源平台

MCP 扩展与第三方工具

企业级解决方案： - Enterprise Governance Layer by Microsoft：面向 MCP 部署的企业级治理与合规解决方案 - MCPI：扩展 MCP，在 AI 与 Web 服务之间构建桥接

MCP 原生框架

智能体框架： - Fastagent：MCP 原生智能体框架，专为与 MCP 服务器无缝集成而设计

MCP 平台

托管解决方案： - KlavisAI：获得 YC 支持的 MCP 平台，提供托管 MCP 服务器和管理能力

与 A2A 协议的集成

互补协议

MCP 与 A2A 集成图，展示互补协议架构

来源：A2A and MCP Analysis

MCP 侧重： - 上下文提供：标准化应用程序向 LLM 提供上下文的方式 - 资源访问：统一访问外部数据源和工具 - 主机-服务器通信：LLM 应用程序与上下文提供方之间的通信

A2A 侧重： - 智能体互操作性：智能体之间的直接通信 - 工作流协调：多智能体工作流编排 - 服务发现：智能体能力发现与路由

集成模式

  • 混合架构：使用 MCP 提供上下文，使用 A2A 进行智能体协调
  • 协议桥接：在 MCP 与 A2A 协议之间建立桥接
  • 统一平台：同时支持两种协议的平台
  • 迁移策略：协议间的渐进式迁移

实施指南

快速开始

面向主机应用： 1. 选择 MCP 客户端库：为您的平台选择合适的客户端库 2. 配置服务器：建立与所需 MCP 服务器的连接 3. 实现上下文流：将 MCP 上下文集成到 LLM 工作流中 4. 处理错误：实现健壮的错误处理与回退机制

面向服务器开发： 1. 定义资源：明确通过 MCP 暴露的资源和工具 2. 实现协议：使用 MCP SDK 实现服务器协议 3. 安全配置：配置认证与授权 4. 测试：针对多种客户端实现进行充分测试

最佳实践

安全注意事项： - 最小权限原则：仅授予必要的最小权限 - 输入验证：校验来自 MCP 客户端的所有输入 - 审计日志：记录所有 MCP 操作以供安全审计 - 网络安全：对敏感数据使用加密连接 - 进程级沙箱隔离：使用 Anthropic Sandbox Runtime（srt）封装 MCP 服务器进程，在操作系统层面（macOS Seatbelt / Linux bubblewrap）强制执行文件系统和网络限制，无需容器

性能优化： - 缓存：实施合适的缓存策略 - 连接池：对数据库服务器使用连接池 - 异步操作：采用异步操作提升性能 - 资源管理：妥善管理服务器资源与连接

可靠性模式： - 熔断器：为外部依赖实现熔断机制 - 重试逻辑：添加带指数退避的重试逻辑 - 健康检查：实现健康检查端点 - 优雅降级：优雅处理服务器故障

研究与发展

学术研究

白皮书与研究： - Model Context Protocol: Landscape, Security Threats, and Future Research Directions

研究方向： - 安全分析：全面的安全威胁建模与缓解 - 性能优化：面向高吞吐量场景的协议优化 - 互操作性：与其他智能体通信协议的集成 - 标准化：正式规范制定与标准化工作

未来方向

协议演进： - 增强安全性：高级安全特性与威胁缓解 - 性能提升：提升性能的协议优化 - 扩展能力：新协议特性与能力 - 生态增长：服务器与工具生态的持续扩展

行业采用： - 企业集成：企业级特性与合规支持 - 云平台支持：主流云平台的原生支持 - 开发工具：增强的开发工具与文档 - 社区增长：开发者与用户社区的持续壮大

相关章节

  • 第 6.1 节：智能体 AI 基金会（治理与标准化）
  • 第 6.3 节：Agent2Agent（A2A）协议（互补协议）
  • 第 4 节：智能体开发框架（MCP 集成）
  • 第 5 节：智能体技术栈（技术栈中的 MCP）

参见