MCP 深度解析：大模型的“万能插头”

关注

原创最新推荐文章于 2026-08-01 16:16:22 发布 225 阅读 AI 写同款· GEO 优化 ›

【大模型微调】魔搭社区GPU进行LLaMA-Factory微调大模型自我认知本教程介绍如何使用魔搭社区GPU资源和LLaMA-Factory工具进行大模型微调。主要内容包括环境配置、工具安装、模型训练和效果评估。通过LoRA算法进行自我认知微调，详细说明了从数据准备到模型导出的完整流程，并提供了参数调优和显存管理等实用技巧，帮助读者快速掌握大模型定制化训练方法。阅读详情

一、先说结论：MCP 解决什么问题

大模型很聪明，但被困在信息茧房里——它只能跟你聊天，无法访问外部世界。

· 你让它“查一下数据库里昨天的订单量”？做不到。
· 你让它“在浏览器里打开这个页面截图给我”？做不到。
· 你让它“去 GitHub 上看看这个项目的最新 Issue”？做不到。

MCP（Model Context Protocol）就是打破这层茧房的协议。它定义了一套标准，让大模型可以安全、统一地连接外部工具和数据源。

---

二、MCP 是什么：一个精确的技术定义

MCP 是 Anthropic 提出的开放协议，全称 Model Context Protocol。

它的核心角色：大模型与外部世界之间的标准化接口。

类比一下：

· USB 让电脑连接各种外设（鼠标、键盘、硬盘），不用为每个设备写专属驱动
· MCP 让大模型连接各种外部工具（数据库、浏览器、API），不用为每个工具写专属集成代码

MCP 架构包含三个角色：

```
┌──────────┐ MCP 协议 ┌──────────────┐ 各种方式 ┌──────────┐
│ MCP 主机 │ ←─────────────→ │ MCP 服务器 │ ←───────────→ │ 外部资源 │
│ (Claude等) │ 标准化的请求/响应 │ (中间件服务) │ 专有协议/API │ (数据库等) │
└──────────┘ └──────────────┘ └──────────┘
```

· MCP 主机：大模型应用，比如 Claude Code、Claude 桌面版
· MCP 服务器：中间件，把外部工具的专有接口翻译成 MCP 标准协议
· 外部资源：数据库、浏览器、GitHub、文件系统、各种 API

---

三、为什么需要 MCP：Before vs After

Before MCP（传统方式）：

每个工具都要单独集成：

· 集成 GitHub → 写一套代码
· 集成 Jira → 写另一套代码
· 集成数据库 → 再写一套代码
· N 个工具 = N 套集成代码，维护噩梦

After MCP（统一协议）：

工具只需要实现一次 MCP 服务器：

· GitHub MCP Server（官方/社区提供）
· Jira MCP Server
· 数据库 MCP Server
· 一个协议 = 无限工具，即插即用

---

四、MCP 的核心机制

1. 工具暴露（Tool Exposure）

MCP 服务器启动时，会向主机声明自己提供哪些工具：

```json
// 一个 GitHub MCP Server 暴露的工具列表
{
"tools": [
{
"name": "search_issues",
"description": "搜索 Issue",
"parameters": { "repo": "仓库名", "keyword": "关键词" }
},
{
"name": "create_pr",
"description": "创建 Pull Request",
"parameters": { "repo": "仓库名", "title": "标题", "body": "描述" }
}
]
}
```

这样大模型就知道“我能用什么工具、每个工具怎么调用”。

2. 工具调用（Tool Invocation）

当大模型需要时，通过 MCP 协议发起调用：

```
大模型：“帮我查一下 react 仓库里有没有关于 hooks 的 Issue”

MCP 主机 → MCP 服务器：调用 search_issues(repo="facebook/react", keyword="hooks")
MCP 服务器 → GitHub API：GET /repos/facebook/react/issues?labels=hooks
GitHub API → MCP 服务器：返回 23 条 Issue
MCP 服务器 → MCP 主机：结构化返回结果
MCP 主机 → 大模型：把结果注入上下文
大模型 → 你：“找到 23 条相关 Issue，最新的三条是...”
```

3. 资源暴露（Resource Exposure）

除了工具，MCP 服务器还可以暴露数据资源：

· 文件内容
· 数据库表结构
· API 文档
· 配置文件

大模型可以像读本地文件一样读取这些资源。

---

五、MCP 在 Claude Code 里的实际表现

当你给 Claude Code 配置了 MCP 服务器，它的工具列表会动态扩展。

原本 Agent 能用的工具只有：读文件、写文件、跑命令。

配置 MCP 后，增加了：

· 🌐 浏览器工具：打开网页、截图、点击、填表单
· 🗄️ 数据库工具：查询、建表、导数据
· 📦 GitHub 工具：读代码、提 Issue、审 PR
· 📋 Jira/Linear 工具：读任务、更新状态
· 📁 更多文件系统：连接远程服务器

一个实际例子：

你：“帮我看看我们公司官网，首页加载速度怎么样”

1. Agent 规划：需要打开浏览器访问官网
2. Agent 调用浏览器 MCP：打开 https://example.com
3. 浏览器 MCP 返回：页面加载时间 3.2 秒，LCP 2.8 秒
4. Agent 分析结果，告诉你优化建议

没有 MCP，Agent 只能告诉你“我无法访问外部网站”。

---

六、MCP vs Skills：谁是谁的谁

这是最容易混淆的地方，做个彻底澄清：

MCP Skills
本质外部工具连接器结构化指令集
提供什么新的工具（能做什么）新的知识/流程（怎么做）
形式独立运行的服务器进程配置文件（YAML/JSON）
举例浏览器、数据库、GitHub API React 最佳实践、代码审查流程
谁调用 Agent 调用（作为工具） Agent 加载（注入上下文）
关系是 Agent 的“手”，延长触达范围是 Agent 的“脑”，增强领域知识

关键：Skill 可以引用 MCP 工具。

一个“自动发周报” Skill：

```yaml
name: weekly-report
description: 自动生成周报
triggers:
- "发周报"
- "生成周报"
tools_used:
- jira-mcp # 拉任务
- github-mcp # 拉提交记录
- slack-mcp # 发送周报
flow:
1. 调用 jira-mcp 获取本周完成的任务
2. 调用 github-mcp 获取本周代码提交
3. 汇总成周报格式
4. 调用 slack-mcp 发送到团队频道
```

---

七、MCP 的安全模型

MCP 在设计时就考虑了安全：

1. 用户批准：MCP 服务器需要在 Claude Code 里显式配置才能启用，不是自动连接的
2. 权限声明：服务器启动时声明自己需要什么权限（文件读写、网络访问等）
3. 操作确认：Agent 调用 MCP 工具时，敏感操作仍需你确认
4. 本地优先：MCP 服务器通常跑在本地，数据不经过云端
5. 作用域限制：可以配置服务器只能访问特定目录、特定数据库表

---

八、常见的 MCP 服务器举例

MCP 服务器能干什么
Browser MCP 打开网页、截图、点击、填表单、执行 JS
GitHub MCP 搜索仓库、读代码、提 Issue、创建 PR
Postgres MCP 查数据库、建表、导数据、分析表结构
File System MCP 访问远程文件系统、批量操作
Slack MCP 发消息、读频道历史、上传文件
Jira MCP 查任务、更新状态、创建工单
Docker MCP 管理容器、查看日志、构建镜像

---

九、MCP 的行业意义

MCP 正在成为 AI 时代的 USB 标准。

· Anthropic 提出了协议并开源
· 社区快速跟进，已经有数百个 MCP 服务器可用
· 类似 OpenAI 的 Function Calling，但 MCP 是跨模型、跨平台的开放标准
· 未来趋势：大模型应用不再需要为每个工具单独写集成，只需要支持 MCP 协议

---

十、一句话总结

MCP 让大模型长出“手”，能碰触真实世界。Skills 给这只手配上“使用手册”，让它干得更专业。Agent 是大脑，指挥手按照手册干活。

三者关系：

```
Agent（大脑，决策者）
├── 调用 Model（推理引擎）
├── 加载 Skills（技能手册）
└── 通过 MCP（万能插头）连接外部工具
```

---

如果你想知道如何配置一个 MCP 服务器，或者想了解怎么把 Skill 和 MCP 结合起来做自动化工作流，我可以继续展开。

收录于