MCPmarket.cn最全最好用的中文MCP平台：推出全新MCP教程《MCP从0到1》第1课：MCP关键概念与术语详解

MCPmarket.cn 正式推出全新教程《MCP 从 0 到 1》，面向AI爱好者和开发者朋友，零基础友好，帮你系统掌握 MCP（Model Context Protocol，模型上下文协议）的核心原理、架构设计与实际应用。

MCP星球旨在提供最全最好用的MCP平台，官网MCPmarket.cn已超过2.3万个MCP Server，进入“MCP Chat”即可通过对话自动调用MCP。

《MCP从0到1》第1课

原文链接

AI 正在飞速演进，大型语言模型（LLM）和 AI 系统的能力日益增强。然而，这些AI系统无法访问实时信息或专业工具。

这种局限性使得 AI 在很多场景下难以提供真正相关、准确、有用的回应。这正是 Model Context Protocol（模型上下文协议，简称 MCP）发挥作用的关键所在。

MCP 使得 AI 模型能够与外部数据源、工具和环境建立连接，从而实现信息与能力在 AI 系统与现实数字世界之间的沟通。这种互操作性对于推动真正实用的 AI 应用的发展与落地至关重要。

1. 什么是 MCP

MCP 常被称作“AI 应用领域的 USB-C”。就像 USB-C 为各种外设和计算设备之间的连接提供了统一的接口标准一样，MCP 为 AI 模型与外部能力之间的连接提供了一套统一的协议标准。

这一标准化带来了如下生态效益：

• 用户：在不同 AI 应用中获得更加一致、顺畅的体验
• AI 应用开发者：能快速接入不断增长的工具与数据生态系统
• 工具和数据提供者：只需开发一次，即可被多个 AI 应用复用
• 整个生态系统：提升互操作性、加速创新、减少碎片化

一对多集成难题 MxN

M×N 集成问题是指：我们需要将 M 个不同的 AI 应用与 N 个不同的外部工具或数据源进行对接，如果没有标准化协议，就需要开发 M×N 个自定义集成（下图左）。而有了标准化协议之后，就可以简化为M+N（下图右）。

• 没有 MCP 时，M x N
  
  每一个 AI 应用都需要为每个工具或数据源编写独立的对接逻辑。

每个连接都是定制化的，维护成本高

不同模型和工具之间接口风格各异，极易出错

集成难度随组合数量（MxN）快速上升，难以规模化

• 有了 MCP后，M + N
  
  MCP 通过定义标准化接口，将集成问题转化为 M+N 的问题：

每个 AI 应用 仅需实现一次 MCP 客户端

每个工具或数据源 仅需实现一次 MCP 服务端

这样一来，不管有多少工具与模型，彼此都能“即插即用”，大幅降低开发和维护成本。

2. 核心术语解读

2.1 MCP架构

MCP由三个核心组件构成：应用端（Host）、客户端（Client） 和 服务器（Server）。每个组件都有明确的角色和职责。

1) Host 应用端

用户直接使用的 AI 应用，被称为“应用端”。它负责与用户交互，并协调（orchestrate）整个请求流程。比如ChatGPT、Claude 桌面端、Cursor、Cherry Studio等。

应用端（Host）负责连接 MCP Server，并在用户请求、LLM 推理与外部工具之间起到中枢作用。

2) Client 客户端

客户端是应用端内部的一个子模块，专门用于与服务端（Server）交互的组件。一个客户端与一个服务端保持一对一连接，负责协议级的通信细节，是应用端与外部工具之间的中介。

许多文档将 Client 与 Host 混用，但严格来说：Host 是整体应用，Client 是应用内部的子模块。

3) Server 服务端

一个外部程序或服务，通过 MCP 协议向AI模型暴露其能力（capabilities）。这些能力可能是函数、数据源，或者是预定义的交互模板。

2.2 能力类型（Capabilities）

一个 AI 应用的价值最终体现在它能够调用的能力（Capabilities）上。MCP 协议支持连接任何具备服务能力的软件，最常见的四类能力包括：

• Tool 工具
  
  可由 AI 模型调用的函数，用于执行操作或获取计算结果。比如：返回指定城市天气的函数。

• Resource 资源
  
  只读型的数据源，提供背景知识或上下文。比如：科研助手的论文资料库。

• Prompt 提示词
  
  预设的提示结构或工作流，引导用户与 AI 之间的交互方式。比如：总结摘要的提示模板。

• Sampling 递归调用
  
  由服务端发起的请求，要求客户端进行推理，实现内容的自我审查与迭代。比如：写作应用在输出后自动进行改写建议。

示例：AI代码助手

AI 代码助手MCP 能力组合可包括以下：

Tool 工具： 代码解释器

执行大模型编写代码的工具函数

Resource 资源：文档资料

存放应用相关 API 文档的资源库。

Prompt 提示词：代码风格

引导模型按特定风格生成代码的提示词。

Sampling 递归调用：代码审核

允许模型回顾已生成代码并进一步改进的流程。

掌握这些核心概念和术语，将帮助你有效地理解和使用 MCP 协议。

在下一节，我们将进一步介绍 MCP 的架构组成、通信机制以及能力定义，帮助你全面构建基于 MCP 的 AI 应用生态。

参考

https://huggingface.co/learn/mcp-course/unit1/introduction

https://huggingface.co/learn/mcp-course/unit1/architectural-components

https://learn.deeplearning.ai/courses/mcp-build-rich-context-ai-apps-with-anthropic/lesson/xtt6w/mcp-architecture

MCPmarket.cn , 全网最全的MCP中文平台，超过2.3万个MCP服务

热门MCP一键直连，无需API

Chat对话即可自动调用MCP

推荐阅读

MCPmarket.cn最全最好用的中文MCP平台：推出全新MCP教程《MCP从0到1》第2课：通信的消息类型、生命周期、与能力协商详解

MCPmarket.cn最全最好用的中文MCP平台：推出全新MCP教程《MCP从0到1》第3课：MCP通信传输机制（stdio、SSE、Streamable HTTP）最强详解

重磅功能上线！新增Chat：对话即可自动调用MCP

在Cursor中一键接入MiniMax图像生成服务 ｜极简教程，小白也能轻松上手

重磅升级！热门MCP Server一键直连正式上线，AI对话Playground即将登场

我们离Agent的“终局形态”又近了一步：首个支持谷歌A2A协议的智能体网站上线Product Hunt

A2A协议的核心理念，关键机制，以及与MCP的关系

a16z合伙人: 深入了解 MCP 和 AI Agent工具的未来

备注：本系列内容参考翻译了 Hugging Face、DeepLearning.ai 、Anthropic、MCP官方等知名平台的优质内容，同时结合 MCP 最新的协议规范与生态发展，带你逐步掌握。