企业官网建设流程全解析

上一篇【第05篇】Context Engineering——让AI真正理解你的项目
下一篇【第07篇】Cursor完全上手指南——地表最强AI IDE的正确打开方式

摘要

2024年11月，Anthropic发布了MCP（Model Context Protocol），一个允许AI安全、标准化地连接外部数据源和工具的开源协议。短短一年多，MCP已成为AI编程的事实基础设施——500+官方和社区MCP Server覆盖了文件系统、数据库、GitHub、Slack、飞书等几乎所有的开发工具体系。

本文深入MCP的技术架构：Client-Server模型的设计哲学、Tool/Resource/Prompt三大原语的使用场景、JSON-RPC通信机制的细节，以及手把手教你搭建一个自定义MCP Server。如果你想知道"AI是怎么操控外部工具的"，这篇就是答案。

一、MCP的诞生——为什么需要这个协议？

1.1 MCP之前的"巴别塔困境"

在MCP出现之前，每个AI应用要对接外部工具都需要单独开发集成：

【MCP之前的碎片化困境】 ┌─────┐ │ AI │ └──┬──┘ │ ┌────────┼────────┬─────────┬─────────┐ │ │ │ │ │ ┌──┴──┐ ┌──┴──┐ ┌──┴──┐ ┌───┴──┐ ┌───┴──┐ │GitHub│ │文件 │ │数据库│ │Slack │ │Jira │ │ API │ │系统 │ │驱动 │ │ API │ │ API │ └─────┘ └────┘ └────┘ └─────┘ └─────┘ 问题： 1. 每个AI应用都要为每个工具写一套集成代码 2. 没有标准的安全模型（每个工具自己处理权限） 3. 工具开发者不知道为谁开发（Cursor? Claude? Windsurf?） 4. 用户在工具间切换时不能复用已有配置 结果：工具越用越多，集成越来越碎片化。

1.2 MCP的设计目标

Anthropic提出MCP的核心理念很简单：AI应用和工具之间需要一个标准协议，就像USB-C让各种外设都能即插即用。

【MCP的设计哲学】 USB-C的类比： MCP的对应： 设备（手机/电脑） → AI应用（Cursor、Claude、Windsurf） 外设（键盘/显示器） → 工具/数据源（GitHub、数据库、文件系统） USB-C协议 → MCP协议 即插即用 → 一次配置，所有AI应用可用 统一标准 → 所有AI工具使用同一套接口 类比的核心：你不必为每个外设买不同的转接头， 也不必为每个AI工具写不同的集成代码。

二、MCP架构详解——Client-Server模型

2.1 整体架构

【MCP架构全景图】 ┌────────────────────────────────────────────────────┐ │ MCP 生态系统 │ │ │ │ ┌─────────────┐ ┌─────────────┐ │ │ │ Cursor │ │Claude Code │ ← AI应用 │ │ │ (MCP Host) │ │ (MCP Host) │ (客户端) │ │ └──────┬──────┘ └──────┬──────┘ │ │ │ │ │ │ └────────┬─────────┘ │ │ │ │ │ MCP Protocol │ │ (JSON-RPC over stdio/HTTP) │ │ │ │ │ ┌─────────────┼─────────────┐ │ │ │ │ │ │ │ ┌──┴──┐ ┌────┴────┐ ┌───┴───┐ │ │ │文件 │ │ GitHub │ │数据库 │ ← MCP Server │ │ │系统 │ │ Server │ │Server │ (服务端) │ │ └─────┘ └─────────┘ └───────┘ │ │ │ └────────────────────────────────────────────────────┘ 通信方式： ├── stdio（本地进程通信）：MCP Server作为子进程运行 └── HTTP/SSE（远程通信）：MCP Server作为独立服务运行

2.2 核心角色定义

【MCP核心角色】 MCP Host（主机） ├── 定义：运行AI应用的软件（Cursor、Claude Desktop、Windsurf） ├── 职责：发起连接、管理多个MCP Client、提供UI交互 └── 举例：你打开的Cursor窗口 MCP Client（客户端） ├── 定义：Host内部与一个Server保持1:1连接的组件 ├── 职责：发送请求、接收响应、管理会话 └── 举例：Cursor中与GitHub Server通信的连接器 MCP Server（服务端） ├── 定义：暴露特定功能（工具、资源、提示）的服务程序 ├── 职责：响应请求、执行操作、返回结果 └── 举例：@anthropic/mcp-server-github

三、MCP三大原语——Tool、Resource、Prompt

MCP定义了三种标准的交互方式，统称为"三大原语"：

3.1 Tool（工具）——让AI"做"事情

Tool是最常用的原语，让AI执行有副作用的操作。

【Tool原语的工作方式】 AI应用 MCP Server │ │ │ list_tools() │ ├───────────────────────────────>│ │ ← [ │ │ { name: "create_issue", │ │ description: "创建GitHub │ │ Issue", │ │ parameters: { │ │ title: string, │ │ body: string, │ │ labels: string[] │ │ } │ │ }, │ │ { name: "search_code", ... } │ │ ] │ │ │ │ call_tool("create_issue", { │ │ title: "修复登录Bug", │ │ body: "...", │ │ labels: ["bug", "high"] │ │ }) │ ├───────────────────────────────>│ │ │──→ GitHub API │ ← { │←── Issue created │ "url": "https://github.com/ │ │ org/repo/issues/42" │ │ } │

【常见Tool示例】 MCP Server 提供的Tool ──────────────────────────────────────────── GitHub create_issue, create_pr, search_code, list_repos, merge_pr 文件系统 read_file, write_file, list_directory, search_files, get_file_info 数据库 execute_query, list_tables, describe_table, create_migration Slack/飞书 send_message, list_channels, search_messages, add_reaction 天气 get_weather, get_forecast, get_alerts

3.2 Resource（资源）——让AI"看"数据

Resource用于暴露只读数据，AI可以像读文件一样读取结构化数据。

【Resource vs Tool的区别】 Tool：执行操作（有副作用） ├── 创建GitHub Issue → 改变了GitHub的状态 ├── 发送消息 → 改变了聊天状态 └── 写入文件 → 改变了文件系统状态 Resource：读取数据（无副作用） ├── 读取GitHub仓库的文件树 ├── 读取数据库Schema └── 读取配置文件内容 Resource类型： ├── 文本资源：text/plain, application/json ├── 二进制资源：image/png, application/pdf └── 动态资源：SQL查询结果、API响应

3.3 Prompt（提示模板）——预定义的交互模式

Prompt让MCP Server可以定义标准化的提示模板，帮助用户更高效地与AI交互。

【Prompt原语示例】 MCP Server定义的Prompt模板： { "name": "code_review", "description": "代码审查模板", "arguments": [ { "name": "language", "description": "编程语言", "required": true }, { "name": "focus", "description": "审查重点" } ] } 使用时： 用户选择 "code_review" 模板 → 填入参数 → 自动生成结构化的审查提示： "请审查以下 {language} 代码，重点关注 {focus}： 1. 安全性 2. 性能 3. 代码风格 4. 边界情况处理 [待审查代码]"

四、MCP的通信流程——一次完整的交互拆解

4.1 连接与初始化

【MCP连接生命周期】 阶段1：握手（Handshake） ┌──────────────────────────────────────────┐ │ Client → Server: initialize │ │ { │ │ "protocolVersion": "2024-11-05", │ │ "capabilities": { │ │ "roots": {...}, │ │ "sampling": {} │ │ }, │ │ "clientInfo": { │ │ "name": "Cursor", │ │ "version": "0.45.0" │ │ } │ │ } │ │ │ │ Server → Client: │ │ { │ │ "protocolVersion": "2024-11-05", │ │ "capabilities": { │ │ "tools": {...}, ← 支持Tool原语 │ │ "resources": {...} ← 支持Resource │ │ }, │ │ "serverInfo": { │ │ "name": "GitHub MCP Server", │ │ "version": "1.2.0" │ │ } │ │ } │ └──────────────────────────────────────────┘ 阶段2：能力发现（Discovery） ┌──────────────────────────────────────────┐ │ Client → Server: tools/list │ │ Server → Client: │ │ [ │ │ { │ │ "name": "create_issue", │ │ "description": "创建GitHub Issue", │ │ "inputSchema": { │ │ "type": "object", │ │ "properties": { │ │ "title": {"type": "string"}, │ │ "body": {"type": "string"} │ │ }, │ │ "required": ["title"] │ │ } │ │ }, │ │ ... │ │ ] │ └──────────────────────────────────────────┘

4.2 工具调用详细流程

【一次完整的Tool调用】 用户："在GitHub上创建一个Issue，标题是'用户登录超时'" ↓ Cursor解析用户意图 第1步：AI决定调用哪个Tool ┌──────────────────────────────────────┐ │ AI推理："用户想创建GitHub Issue， │ │ 应该调用 GitHub MCP Server 的 │ │ create_issue 工具" │ └──────────────────────────────────────┘ 第2步：构造Tool调用参数 ┌──────────────────────────────────────┐ │ { │ │ "name": "create_issue", │ │ "arguments": { │ │ "title": "用户登录超时", │ │ "body": "## 问题描述\n...", │ │ "labels": ["bug"], │ │ "repo": "org/project" │ │ } │ │ } │ └──────────────────────────────────────┘ 第3步：发送JSON-RPC请求 ┌──────────────────────────────────────┐ │ { │ │ "jsonrpc": "2.0", │ │ "method": "tools/call", │ │ "params": { │ │ "name": "create_issue", │ │ "arguments": {...} │ │ }, │ │ "id": 1 │ │ } │ └──────────────────────────────────────┘ 第4步：MCP Server执行并返回 ┌──────────────────────────────────────┐ │ { │ │ "jsonrpc": "2.0", │ │ "result": { │ │ "content": [{ │ │ "type": "text", │ │ "text": "Issue #42 created: │ │ https://github.com/org/ │ │ repo/issues/42" │ │ }] │ │ }, │ │ "id": 1 │ │ } │ └──────────────────────────────────────┘ 第5步：AI将结果展示给用户 "✅ 已创建 Issue #42：用户登录超时 链接：https://github.com/org/repo/issues/42"

五、搭建一个自定义MCP Server

5.1 最小可运行示例

以下是一个最简单的MCP Server，提供一个"获取当前时间"的工具：

# weather-server.pyfrommcp.serverimportServer,NotificationOptionsfrommcp.server.modelsimportInitializationCapabilitiesimportmcp.server.stdioimportmcp.typesastypesfromdatetimeimportdatetime,timezone# 创建Server实例server=Server("my-first-mcp-server")@server.list_tools()asyncdefhandle_list_tools()->list[types.Tool]:"""返回Server提供的工具列表"""return[types.Tool(name="get_current_time",description="获取当前的UTC时间",inputSchema={"type":"object","properties":{},},)]@server.call_tool()asyncdefhandle_call_tool(name:str,arguments:dict)->list[types.TextContent]:"""处理工具调用"""ifname=="get_current_time":now=datetime.now(timezone.utc)return[types.TextContent(type="text",text=f"当前UTC时间：{now.isoformat()}")]else:raiseValueError(f"未知工具:{name}")asyncdefrun():asyncwithmcp.server.stdio.stdio_server()as(read_stream,write_stream):awaitserver.run(read_stream,write_stream,InitializationCapabilities(sampling={},roots={}),)if__name__=="__main__":importasyncio asyncio.run(run())

5.2 配置到Cursor

// 在 .cursor/mcp.json 中添加{"mcpServers":{"my-tools":{"command":"python","args":["path/to/weather-server.py"]}}}

配置完成后，在Cursor中就可以直接对AI说"告诉我现在几点了"，AI会自动调用你的MCP Server获取时间。

六、MCP生态现状与未来

6.1 2026年的MCP生态版图

【MCP生态全景（2026年中）】 官方Server（Anthropic提供）： ├── @anthropic/mcp-server-github ├── @anthropic/mcp-server-filesystem ├── @anthropic/mcp-server-postgres ├── @anthropic/mcp-server-slack └── @anthropic/mcp-server-puppeteer 社区热门Server（部分列举）： ├── 飞书/钉钉/企业微信（即时通讯） ├── 腾讯文档/Notion/语雀（文档协作） ├── MySQL/Redis/MongoDB（数据库） ├── AWS/GCP/Azure（云服务） ├── Jira/Linear（项目管理） ├── Playwright（浏览器自动化） └── Docker/Kubernetes（容器编排） 数据统计（截至2026年6月）： ├── MCP Server总数：800+ ├── 支持MCP的主流AI工具：Cursor, Claude, Windsurf, Copilot, Continue ├── GitHub MCP仓库Star数：80K+ ├── 日均MCP工具调用量：数百万级

6.2 MCP的未来方向

【MCP的演进方向】 短期（2026 H2）： ├── MCP 2.0 正式发布 ├── 更好的安全模型（OAuth 2.0原生支持） ├── Server热加载（无需重启） ├── 更丰富的原语（Streaming、Filesystem代理） 中期（2027）： ├── MCP Server市场/应用商店 ├── Server托管服务（云上运行，无需本地部署） ├── 多Agent协作的MCP协调协议 └── MCP成为W3C标准 长期愿景： "每个软件都提供一个MCP接口， AI可以像调用函数一样调用任何软件的能力。"

总结

1. MCP是AI编程的标准化协议：它定义了AI应用如何发现和调用外部工具、资源和提示模板，解决了碎片化集成的问题。
2. Client-Server架构清晰：AI应用作为Host和Client，外部能力作为Server，通过JSON-RPC协议通信，支持stdio和HTTP两种传输方式。
3. 三大原语覆盖所有场景：Tool用于执行操作（有副作用），Resource用于读取数据（无副作用），Prompt用于标准化交互模板。
4. 自定义MCP Server门槛很低：几十行Python代码就能创建一个功能完整的MCP Server，并配置到Cursor/Claude中使用。
5. MCP生态正在快速膨胀：800+ Server覆盖了几乎所有开发工具和设备，正朝着"每个软件都有MCP接口"的愿景演进。

上一篇【第05篇】Context Engineering——让AI真正理解你的项目
下一篇【第07篇】Cursor完全上手指南——地表最强AI IDE的正确打开方式