一、MCP介绍

去年 11 月，由Claude的母公司 Anthropic 推出了模型上下文协议(MCP)，MCP是一种开放协议，可以实现LLM应用与外部数据源和工具的无缝集成。无论您是在构建一个AI驱动的IDE、增强聊天界面，还是创建定制的AI工作流程，MCP都能提供连接LLM与所需的上下文的一种标准化方式。

MCP实现了两大突破：

• 面向开发者的服务封装：将任意功能封装为标准化工具（Tool）或资源（Resource）
  
• 面向模型的自然交互：大模型通过协议自解释文档，实现零样本工具调用

网络上目前有很多介绍MCP原理的文章值得一读，在这里就不一一列举了，小伙伴们可以自行搜索了解，本文重点在快速实战上手MCP。

二、MCP核心解决的问题

传统范式之困：在传统开发模式中，大模型调用外部服务需要经历复杂的技术链路：

自然语言理解 -> 业务逻辑解析 -> API调用 -> 结果处理

每个环节都可能产生信息损耗，比如下面提到的三个典型问题：

• 语义鸿沟：自然语言指令到具体API参数的映射模糊
  
• 能力黑洞：模型对可用服务缺乏实时认知
  
• 安全边界：直接开放API调用存在风险敞口

MCP核心解决的问题：

打通模型与工具、与现实世界、与人类所见、所思、所想的最后一公里。

三、MCP与functionCall的关系

一句话总结：

MCP统一了不同大模型和不同服务之间的协议。

一张图理解：

图片源自网络

再引用两张网络流传甚广的图片帮助理解：

• 传统API实现调用方式：不同服务提供不同SDK，调用方需要对该应用做接入。
  
• MCP方式：不同服务就是一个MCP Server，都遵循MCP协议提供服务。
  

图片源自网络

图片源自网络

四、快速使用MCP服务

1. 安装vscode+cline

我们使用开源免费的vscode和cline来进行mcp的尝试，当然你也可以用cursor等其他方式。本质上我们只是需要一个agent以及一个对应的IDE（用来编辑mcp配置文件）。

2. 配置cline

我们需要配置cline使用的大模型，cline提供的是与你本地IDE和命令行交互的能力，需要用户配置使用的模型。

可以看到有很多现成的API Provider可以选，如果你有deepseek或者通义千问的现成额度和api key可以直接使用。我研究了一番，发现openrouter很好，他有大量主流模型的免费额度可以使用。如果想快速体验的朋友可以直接选openrouter，cline会引导你注册apikey。（需要谷歌或者Github账号登录）

https://openrouter.ai/

下图可以看到，我只筛选免费，搜索deepseek，包括当前最新的V3 0324模型都可以免费使用（但是有限制）。

跟着cline引导配置完OpenRouter API Key。

配置完成后你可以尝试下现在cline的对话是否ok，来确定openrouter是否调通。

3. 使用现有MCP Server

接下来，我们开始尝试使用网上现成的MCP Server，cline内置了一个MCP应用市场，可以直接点击install。

3.1. Puppeteer MCP

我们先用应用市场内有的浏览器操作框架Puppeteer提供的MCP Server来尝试，当然你完全可以在网上自行找MCP Server来安装。

点击install后，实际上cline就是帮你写了一段提示词，来让大模型帮你全自动安装Puppeteer MCP Server，提示词如下：

根据cline的指引，一步步接受模型指令后，我们可以看到一个配置完成的cline_mcp_settings.json文件，里面申明了我们安装的mcp server列表（目前只有一个Puppeteer MCP Server）。

{
  "mcpServers": {
    "github.com/modelcontextprotocol/servers/tree/main/src/puppeteer": {
      "autoApprove": [],
      "disabled": false,
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-puppeteer"
      ],
      "transportType": "stdio"
    }
}

接着我们来使用该mcp访问网页，尝试访问下bilibili首页，并让他告诉我首页有哪些视频标题。

运行后，可以看到Puppeteer自主操作了浏览器，打开了B站首页。

模型通过Puppeteer得到了返回的数据。

成功。

3.2. 高德地图MCP

高德很早就支持了MCP协议，我们就来试试它的能力如何。

我们向模型发起提问：

模型依次调用了查询目的地经纬度、驾车、地铁公交、步行三种方案：

• maps_geo：将详细的结构化地址转换为经纬度坐标。支持对地标性名胜景区、建筑物名称解析为经纬度坐标。
  
• maps_direction_driving：驾车路径规划 API 可以根据用户起终点经纬度坐标规划以小客车、轿车通勤出行的方案，并且返回通勤方案的数据。
  
• maps_direction_transit_integrated：根据用户起终点经纬度坐标规划综合各类公共（火车、公交、地铁）交通方式的通勤方案，并且返回通勤方案的数据，跨城场景下必须传起点城市与终点城市。
  
• maps_direction_walking：根据输入起点终点经纬度坐标规划100km 以内的步行通勤方案，并且返回通勤方案的数据。
  

得到了最终方案：

详细的思考和调用截图示例

五、快速搭建MCP服务

我们已经能够调用现成的MCP服务（MCP Server），接下来我们的目标是自己搭建一个MCP Server，让cline来调用。

目前MCP官方已经有多个语言的SDK，在其官方文档都能看到。

https://modelcontextprotocol.io/introduction

我们使用他们的python sdk来创建一个demo

https://github.com/modelcontextprotocol/python-sdk

我们直接偷懒，让cline+deepseek来帮我们写。deepseek一路火花带闪电，完成了工作，主要有下面几个步骤：

最终的mcp server（mcp_server.py）如下，实现了打招呼和两数相加的工具（tool）和资源（resource）。

# server.py
from mcp.server.fastmcp import FastMCP

# Create an MCP server
print("Initializing FastMCP...")
mcp = FastMCP("Demo", port=8001)
print("FastMCP instance created")

# Add an addition tool
print("Registering add tool...")
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b
print("Add tool registered")

# Add a dynamic greeting resource
print("Registering greeting resource...")
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"
print("Greeting resource registered")

# Start the MCP server
if __name__ == "__main__":
    print("Starting MCP server...")
    try:
        mcp.run(transport="stdio")
        print("MCP server is running")
    except Exception as e:
        print(f"Error starting MCP server: {str(e)}")
        exit(1)

资源、工具、提示词的定义，也是MCP的官方概念，在本文不做详细阐述。

图片源自网络

我们在cline上添加第二个配置。

{
  "mcpServers": {
    "github.com/modelcontextprotocol/servers/tree/main/src/puppeteer": {
      "autoApprove": [],
      "disabled": false,
      "timeout": 60,
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-puppeteer"
      ],
      "transportType": "stdio"
    },
    "demo-python-server": {
      "autoApprove": [],
      "disabled": false,
      "timeout": 3000,
      "command": "/Users/xxxx/.venv/bin/python3",
      "args": [
        "/Users/xxxxx/mcp_server_demo/mcp_server.py"
      ],
      "transportType": "stdio"
    }
  }
}

配置完成后，可以看到clineUI也展示了我的MCP Server。

接着可以让cline尝试调用一下模型，由于配置文件里有我们自己创造的工具的声明，所以cline调用了工具，完成了打招呼的任务。

展望

技术层面：重构服务提供范式

MCP正在构建AI时代的"数字乐高标准件"技术体系。当协议层实现真正的标准化，将引发三个技术革命：

• 服务发现机制的进化：未来的MCP工具市场可能会出现全局自动服务发现中心，模型可通过自然语言描述自动发现适配工具链，实现"所想即所得"的服务组合。
  
• 性能优化新范式：协议层统一后，工具链性能指标可量化对比，催生出专门针对大模型工具调用的编译优化技术，如工具缓存预加载、调用路径动态优化等。
  
• 多模态工具引擎：当前文本交互为主的协议或将扩展为支持视觉-动作-物理世界的多模态交互协议，使AI能操作CAD设计软件、工业机器人等复杂系统。

产品层面：重塑人机协作界面

当工具调用成本趋近于零时，将引爆产品创新奇点：

• 智能体市场崛起：类似App Store的MCP智能体商店将出现，用户可自由组合不同服务提供商的能力模块。某旅游智能体可能聚合航司API、酒店MCP服务、签证工具链，自动完成复杂行程规划。
  
• 无代码智能体工厂：企业可通过可视化拖拽，将内部系统快速封装为MCP服务，如把ERP系统暴露为"库存查询@erp://warehouse"等自然语义接口
  
• 个性化服务涌现：每个人的数字分身都能持有专属工具集。教师助理智能体自动组合教案生成器+知识点验证服务，程序员助手动态调用代码分析、云部署等工具链

人文层面：重构知识工作边界

当工具调用成为基础能力，将引发更深层的变革：

• 技术平权新阶段：语言成为终极编程接口，任何能用自然语言清晰描述需求的人都能创建复杂工具链，知识工作者与开发者的界限逐渐消融
  
• 人机协作伦理进化：需要建立新的责任追溯机制，当AI通过MCP调用真实世界服务时，需明确工具开发者、模型提供者、终端用户之间的责任矩阵。
  

MCP协议正悄然构建着AI时代的"数字巴别塔"。当不同语言、不同平台的服务都能通过统一协议无缝协作时，我们或将见证人类文明史上最大规模的认知革命——在这个新世界里，调用工具的能力，终将成为人类思维的自然延伸。

来源  |  阿里云开发者公众号

作者  |  如驰