MCP（model content protocol） 调研

MCP官方文档：https://modelcontextprotocol.io/introduction

一、是什么？

引用官方文档对MCP的定义

MCP （Model Context Protocol）是一种开放协议，它标准化了应用程序向 LLM 提供上下文的方式。可以将 MCP 视为 AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。 MCP 是 Claude (Anthropic) 主导发布的一个开放的、通用的、有共识的协议标准。

本质上，定义了模型和各个tools的连接规范，并且提供了SDK。让各个工具以指定的方式提供服务接口。

这里是clinet给模型发送的请求，实际上，就是多构建了tools这部分内容。

json {   "request_id": "2025031017252285",   "timestamp": "2025-03-10T17:25:22.085602",     "method": "POST",   "path": "v1/chat/completions",   "ip": "127.0.0.1",   "headers": {     "Host": "127.0.0.1:9494",     "User-Agent": "AsyncOpenAI/Python 1.65.5",     "Content-Length": "1139",     "Accept": "application/json",     "Accept-Encoding": "gzip, deflate, zstd",     "Authorization": "",     "Content-Type": "application/json",     "Http-Referer": "https://github.com/adhikasp/mcp-client-cli",     "X-Stainless-Arch": "x64",     "X-Stainless-Async": "async:asyncio",     "X-Stainless-Lang": "python",     "X-Stainless-Os": "MacOS",     "X-Stainless-Package-Version": "1.65.5",     "X-Stainless-Retry-Count": "0",     "X-Stainless-Runtime": "CPython",     "X-Stainless-Runtime-Version": "3.12.9",     "X-Title": "mcp-client-cli"   },   "data": {     "messages": [       {         "content": "You are an AI assistant helping a software engineer...",         "role": "system"       },       {         "content": "What is the capital city of North Sumatra?",         "role": "user"       }     ],     "model": "gpt-4o-2024-11-20",     "stream": true,     "temperature": 0.7,     "tools": [       {         "type": "function",         "function": {           "name": "get_alerts",           "description": "Get weather alerts for a US state.\n\n    Args:\n        state: Two-letter US state code (e.g. CA, NY)\n    ",           "parameters": {             "properties": {               "state": {                 "type": "string"               }             },             "required": [               "state"             ],             "type": "object"           }         }       },       {         "type": "function",         "function": {           "name": "get_forecast",           "description": "Get weather forecast for a location.\n\n    Args:\n        latitude: Latitude of the location\n        longitude: Longitude of the location\n    ",           "parameters": {             "properties": {               "latitude": {                 "type": "number"               },               "longitude": {                 "type": "number"               }             },             "required": [               "latitude",               "longitude"             ],             "type": "object"           }         }       },       {         "type": "function",         "function": {           "name": "save_memory",           "description": "Save the given memory for the current user. Do not save duplicate memories.",           "parameters": {             "properties": {               "memories": {                 "items": {                   "type": "string"                 },                 "type": "array"               }             },             "required": [               "memories"             ],             "type": "object"           }         }       }     ]   } }

1.1 总体架构

简单来说，MCP服务器就是一个

一个的tool，例如执行联网查询、操作本地文件等等

• MCP 主机：希望通过 MCP 访问数据的程序，例如 Claude Desktop、IDE 或 AI 工具（这里我的理解是应用程序。MCP设计之初就是给claude提供外部接口能力的）

• MCP 客户端：与服务器保持 1:1 连接的协议客户端

• MCP 服务器：轻量级程序，每个程序都通过标准化模型上下文协议公开特定功能

• 本地数据源：MCP 服务器可以安全访问的您的计算机文件、数据库和服务

• 远程服务：MCP 服务器可通过互联网（例如通过 API）连接到的外部系统

这张图更形象一些：

（图片来源：https://mp.weixin.qq.com/s?__biz=MjM5NDkxMTgyNw==&mid=2653082498&idx=1&sn=9b8c7ebeef5c6fd2fd7a1804d810af07&chksm=bc349c568467b272befabc3e385ae47300b8b57a5f85d3024e00da2ad0c40f25eaa40e6562ac#rd）

1.2 MCP中的核心概念

1.2.1 MCP server

FastMCP 服务器是 MCP 协议的核心接口。它负责连接管理、协议合规性和消息路由：

python # Add lifespan support for startup/shutdown with strong typing from dataclasses import dataclass from typing import AsyncIterator from mcp.server.fastmcp import FastMCP # Create a named server mcp = FastMCP("My App") # Specify dependencies for deployment and development mcp = FastMCP("My App", dependencies=["pandas", "numpy"]) @dataclass class AppContext:     db: Database  # Replace with your actual DB type @asynccontextmanager async def app_lifespan(server: FastMCP) -> AsyncIterator[AppContext]:     """Manage application lifecycle with type-safe context"""     try:         # Initialize on startup         await db.connect()         yield AppContext(db=db)     finally:         # Cleanup on shutdown         await db.disconnect() # Pass lifespan to server mcp = FastMCP("My App", lifespan=app_lifespan) # Access type-safe lifespan context in tools @mcp.tool() def query_db(ctx: Context) -> str:     """Tool that uses initialized resources"""     db = ctx.request_context.lifespan_context["db"]     return db.query()

1.2.2 资源

向LLM公开数据

python @mcp.resource("config://app") def get_config() -> str:     """Static configuration data"""     return "App configuration here" @mcp.resource("users://{user_id}/profile") def get_user_profile(user_id: str) -> str:     """Dynamic user data"""     return f"Profile data for user {user_id}"

1.2.3 工具

具体的做某个事情

python @mcp.tool() def calculate_bmi(weight_kg: float, height_m: float) -> float:     """Calculate BMI given weight in kg and height in meters"""     return weight_kg / (height_m ** 2) @mcp.tool() async def fetch_weather(city: str) -> str:     """Fetch current weather for a city"""     async with httpx.AsyncClient() as client:         response = await client.get(f"https://api.weather.com/{city}")         return response.text

1.2.4 Prompt

python @mcp.prompt() def review_code(code: str) -> str:     return f"Please review this code:\n\n{code}" @mcp.prompt() def debug_error(error: str) -> list[Message]:     return [         UserMessage("I'm seeing this error:"),         UserMessage(error),         AssistantMessage("I'll help debug that. What have you tried so far?")     ]

1.2.5 图片

FastMCP 提供了一个Image自动处理图像数据的类：

python from mcp.server.fastmcp import FastMCP, Imagefrom PIL import Image as PILImage@mcp.tool()def create_thumbnail(image_path: str) -> Image:     """Create a thumbnail from an image"""img = PILImage.open(image_path)     img.thumbnail((100, 100))     return Image(data=img.tobytes(), format="png")

1.2.6 Content

可以访问文件

python from mcp.server.fastmcp import FastMCP, Context @mcp.tool() async def long_task(files: list[str], ctx: Context) -> str:     """Process multiple files with progress tracking"""     for i, file in enumerate(files):         ctx.info(f"Processing {file}")         await ctx.report_progress(i, len(files))         data, mime_type = await ctx.read_resource(f"file://{file}")     return "Processing complete"

1.3 通信方式

1.3.1 标准输入/输出 (stdio)

在MCP环境中，stdio提供了一种让模型与本地系统直接交互的方式，非常适合将AI模型作为命令行工具的一部分，或集成到现有的基于命令行的工作流程中。这种机制使得模型可以像传统Unix工具一样参与数据管道，成为更大系统中的一个组件。

stdio 传输支持通过标准输入和输出流进行通信。这对于本地集成和命令行工具特别有用。

在以下情况下使用 stdio：

• 构建命令行工具

• 实施本地整合

• 需要简单的流程沟通

• 使用 Shell 脚本

python app = Server("example-server") async with stdio_server() as streams:     await app.run(         streams[0],         streams[1],         app.create_initialization_options()     )

1.3.2 服务器发送事件 (SSE)

SSE 传输通过 HTTP POST 请求实现服务器到客户端的流式传输，从而实现客户端到服务器的通信。

在以下情况下使用 SSE：

• 仅需要服务器到客户端的流式传输

• 使用受限网络

• 实现简单更新

python from mcp.server.sse import SseServerTransport from starlette.applications import Starlette from starlette.routing import Route app = Server("example-server") sse = SseServerTransport("/messages") async def handle_sse(scope, receive, send):     async with sse.connect_sse(scope, receive, send) as streams:         await app.run(streams[0], streams[1], app.create_initialization_options()) async def handle_messages(scope, receive, send):     await sse.handle_post_message(scope, receive, send) starlette_app = Starlette(     routes=[         Route("/sse", endpoint=handle_sse),         Route("/messages", endpoint=handle_messages, methods=["POST"]),     ] )

二、能做什么？解决了什么问题？

MCP带来了一种规范的设计模式。在此之前，大家做agent，可能都需要自己去实现一堆的工具，并且高度集成在自己的代码中。CMP以server-client的设计模式，将工具和应用程序解耦合。

一种开放协议， 让大家都能按此要求去实现工具。解决了重复造轮子的问题。全面拥抱开源，借助开源的力量（会有很多人基于MCP协议，实现好一些工具，这些对我们来说可以直接使用）改变我们的工作模式，在此之前我们像做某个东西，肯定是要想如何通过代码实现，如果拥抱MCP这种模式，我们可以在MCP服务列表中，找找有没有这个功能的实现。可以有效的降低开发的成本（不过这里是理想情况下， 我觉得一定会遇到一个问题：开源的工具效果达不到，很有可能还需要我们自己开发）。

替换碎片化的 Agent 代码集成，从而使 AI 系统更可靠，更有效。通过建立通用标准，服务商可以基于协议来推出它们自己服务的 AI 能力，从而支持开发者更快地构建更强大的 AI 应用。

三、怎么用？

官方提供了对应的SDK

参考python的实现的SDK的demo https://github.com/modelcontextprotocol/python-sdk

3.1 引入依赖

python pip install mcp

3.2 MCP server示例

简单示例

python # server.py from mcp.server.fastmcp import FastMCP # Create an MCP server mcp = FastMCP("Demo") # Add an addition tool @mcp.tool() def add(a: int, b: int) -> int:     """Add two numbers"""     return a + b # Add a dynamic greeting resource @mcp.resource("greeting://{name}") def get_greeting(name: str) -> str:     """Get a personalized greeting"""     return f"Hello, {name}!"

用来访问数据库的示例

python from mcp.server.fastmcp import FastMCP import sqlite3 mcp = FastMCP("SQLite Explorer") @mcp.resource("schema://main") def get_schema() -> str:     """Provide the database schema as a resource"""     conn = sqlite3.connect("database.db")     schema = conn.execute(         "SELECT sql FROM sqlite_master WHERE type='table'"     ).fetchall()     return "\n".join(sql[0] for sql in schema if sql[0]) @mcp.tool() def query_data(sql: str) -> str:     """Execute SQL queries safely"""     conn = sqlite3.connect("database.db")     try:         result = conn.execute(sql).fetchall()         return "\n".join(str(row) for row in result)     except Exception as e:         return f"Error: {str(e)}"

3.3 MCP client 示例

SDK 提供了用于连接 MCP 服务器的高级客户端接口：

python from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client # Create server parameters for stdio connection server_params = StdioServerParameters(     command="python", # Executable     args=["example_server.py"], # Optional command line arguments     env=None # Optional environment variables ) # Optional: create a sampling callback async def handle_sampling_message(message: types.CreateMessageRequestParams) -> types.CreateMessageResult:     return types.CreateMessageResult(         role="assistant",         content=types.TextContent(             type="text",             text="Hello, world! from model",         ),         model="gpt-3.5-turbo",         stopReason="endTurn",     ) async def run():     async with stdio_client(server_params) as (read, write):         async with ClientSession(read, write, sampling_callback=handle_sampling_message) as session:             # Initialize the connection             await session.initialize()             # List available prompts             prompts = await session.list_prompts()             # Get a prompt             prompt = await session.get_prompt("example-prompt", arguments={"arg1": "value"})             # List available resources             resources = await session.list_resources()             # List available tools             tools = await session.list_tools()             # Read a resource             content, mime_type = await session.read_resource("file://some/path")             # Call a tool             result = await session.call_tool("tool-name", arguments={"arg1": "value"}) if __name__ == "__main__":     import asyncio     asyncio.run(run())

四、有哪些MCP server

推荐看以下链接。对server做了分类，更方便查阅。

https://glama.ai/mcp/servers

4.1 官方提供的列表

https://github.com/modelcontextprotocol/servers

4.2 社区提供的列表

https://mcp.so/

学术搜索 MCP server（这个只提供了 arxiv的搜索）

https://github.com/adityak74/mcp-scholarly

4.3 如何使用这些server

python # With uvx uvx mcp-server-git # With pip pip install mcp-server-git python -m mcp_server_git

五、有哪些MCP client

5.1 官方提供的列表

https://modelcontextprotocol.io/clients

5.2 个人实现的

https://github.com/adhikasp/mcp-client-cli

六、当前存在什么问题？

性能瓶颈：JSON-RPC 在处理大文件时效率较低。

安全风险：缺乏统一加密标准，存在数据泄露隐患。

技术门槛：需手动部署服务器，配置复杂度高

工具应该不是无限多的，因为需要把插件相关的描述信息，function，入参，出参数。都送给模型。

参考资源

这里是一些

https://github.com/punkpeye/awesome-mcp-servers/blob/main/README-zh.md#finance--fintech