第三章：手把手学 AI Coding · 核心机制:MCP 协议详解

手把手学 AI Coding · 核心机制:MCP 协议详解

章节摘要:MCP(Model Context Protocol,模型上下文协议)是 2024 年底由 Anthropic 提出的开放标准,正在成为 AI 编程领域最重要的基础设施之一。它解决了一个核心痛点:AI 模型再聪明,也只能「看到」你喂给它的文本——想让它读本地文件、查数据库、调 API、搜网页,过去每个工具都要单独写集成。MCP 把这件事标准化了:一个协议,任意 AI 客户端(Cursor / VS Code / Windsurf)都能安全、即插即用地连接任意外部工具和数据源。本章从设计动机讲起,拆解 Client-Server 三层架构,手把手配置你的第一个 MCP Server,实战接入文件系统和搜索服务,最后带你用 SDK 开发一个自定义 Server。

学习目标

阅读完本章,你应当能够:

1. 解释 MCP 的设计动机、核心概念,以及它与 Function Calling 的本质区别
2. 画出 MCP 的 Host / Client / Server 三层架构,说清 stdio 和 SSE 两种传输方式的适用场景
3. 在 Cursor 或 VS Code 中配置一个 MCP Server,并解释每个关键配置项的含义
4. 实战接入 Filesystem Server 和 Search Server,让 AI 读写本地文件、搜索网络信息
5. 用 Python 或 TypeScript SDK 开发一个最简 MCP Server,暴露自定义 Tool

核心概念速览

金句:MCP 之于 AI 工具,就像 USB 之于外设——一个标准接口,万物即插即用。

子章节导航

01 什么是 MCP

从痛点出发:AI 只能看当前文件,想让它查个文档、读个日志都得手动复制粘贴。MCP 的设计动机就是给 AI 一个「标准化的手和脚」。讲清 MCP 的核心概念(Tool / Resource / Prompt 三种原语),以及它与 OpenAI Function Calling 的本质区别(协议级 vs 厂商级;双向 vs 单向;生态开放 vs 封闭)。

02 MCP 架构:Client-Server 模型

拆解三层架构:Host(IDE 本身)→ Client(协议适配层,每个 Server 对应一个 Client)→ Server(实际干活的进程)。讲清传输层选择:stdio(本地进程,低延迟)vs SSE(远程服务,跨网络)。能力协商机制:Server 启动时声明自己支持哪些 Tool/Resource,Client 按需调用。

03 配置你的第一个 MCP Server

在 Cursor / VS Code / Windsurf 中,MCP 配置入口分别在哪?关键配置项逐一讲解:command(启动命令)、args(参数,如允许访问的目录)、env(环境变量,如 API Key)。不贴完整 JSON,而是讲清每个字段的作用机制和安全考量。配置完成后如何验证 Server 是否正常连接。

04 实战:文件系统与搜索

两个最实用的 MCP Server 实战:Filesystem Server(让 AI 直接读写指定目录的文件,不再需要手动复制代码)和 Brave Search / Google Search Server(让 AI 能搜索最新文档和 Stack Overflow 答案)。演示配置过程、典型使用场景、以及安全注意事项(目录白名单、API Key 管理)。

05 自定义 MCP Server 开发

用 Python SDK(mcp 包)或 TypeScript SDK(@modelcontextprotocol/sdk)开发一个最简 Server。讲清三种原语的开发方式:Tool(AI 主动调用的函数)、Resource(AI 可读取的数据源)、Prompt(预定义的提示模板)。调试技巧(Inspector 工具)与常见排错。

子章节之间的逻辑关系

本章遵循「为什么 → 是什么 → 怎么配 → 怎么用 → 怎么造」的完整认知链:

┌─────────────────────────────────┐
│  01 什么是 MCP                  │  ← 为什么需要(动机)
│     (痛点 + 概念 + 对比)        │
└───────────────┬─────────────────┘
                ▼
┌─────────────────────────────────┐
│  02 MCP 架构:Client-Server     │  ← 是什么(原理)
│     (三层架构 + 传输 + 协商)    │
└───────────────┬─────────────────┘
                ▼
┌─────────────────────────────────┐
│  03 配置你的第一个 MCP Server   │  ← 怎么配(上手)
│  04 实战:文件系统与搜索        │  ← 怎么用(实战)
└───────────────┬─────────────────┘
                ▼
┌─────────────────────────────────┐
│  05 自定义 MCP Server 开发      │  ← 怎么造(创造)
│     (SDK + 三原语 + 调试)       │
└─────────────────────────────────┘
​

0102 是「理解」,0304 是「使用」,05 是「创造」。如果你只想快速让 AI 连上外部工具,读完 01 + 03 + 04 即可动手;如果你想为团队开发定制化的 AI 工具链,05 是你的起点。MCP 是连接第 2 章(对话)和第 4 章(Skills/RAG)的桥梁——有了 MCP,AI 的上下文不再局限于你手动喂入的文本。

前置知识与后续延伸

前置知识:

• 已完成第 1 章工具配置,有可用的 Cursor 或 VS Code 环境
• 基本的命令行经验(能运行 npx 或 pip install)
• 了解 JSON 配置文件的基本结构
• 第 05 节需要 Python 或 TypeScript 基础(前四节不需要)

后续延伸:

• 第 4 章「Skills 与项目规范」:MCP 让 AI 获取外部信息,Skills 让 AI 记住内部规范——两者互补
• 第 5 章「从零构建全栈项目」:实战中用 MCP 让 AI 读日志、查文档、访问数据库
• 进阶方向:关注 MCP 生态的最新 Server 列表(Anthropic 官方维护),社区已有数百个现成 Server