14｜MCP协议：标准化定义工具接口

概述

MCP（Model Context Protocol，模型上下文协议）是2024年Anthropic提出的革命性协议，正在彻底改变AI Agent与外部世界交互的方式。它通过标准化协议实现生态复用与架构解耦。

核心概念

1. 什么是MCP协议？

MCP本质：一套”协议”（Protocol），不是具体软件或开源项目，类似HTTP协议。

两端架构：

• MCP Client：Agent或AI应用，负责理解用户自然语言、推理决策
• MCP Server：提供底层工具和数据源（企业邮箱、数据库、OA系统）

核心机制：Server按MCP标准格式暴露能力（工具名称、描述、参数JSON Schema），Client自动发现、理解、动态调用，无需硬编码业务逻辑。

2. 核心价值

价值	说明
生态复用	Write Once, Use Anywhere。一次开发，CrewAI/LangChain/Claude客户端都能用
架构解耦	AI团队与后端团队权责分离，后端按标准提供接口，AI团队直接接入

3. MCP资源获取渠道

渠道	说明
官方收录	registry.modelcontextprotocol.io（Anthropic维护）
第三方资源站	Smithery.ai、MCP.so
AI应用商店	Cursor、Cline、Glama、Windsurf内置MCP商店
托管基站	Composio、Val Town（将代码转为Web Server）
开源社区	awesome-mcp-servers、best-of-mcp-servers

4. 工具分布现状

• 开发者工具（绝大多数）：git、数据库、流水线等
• 通用AI工具：浏览器、搜索、文档处理
• 互联网大厂API：Google Maps、Slack、飞书等
• 垂类应用（较少）：金融、法律、股票行情等

5. 自研MCP Server（FastAPI框架）

框架地址：https://github.com/kid0317/fastapi_mcpserver_base

企业级特性：

• 高性能异步：支持2025 Streamable HTTP传输协议
• 开箱即用：预集成JSON日志、Prometheus监控、API Key鉴权
• 开发友好：装饰器模式，函数上加注解即可注册工具

核心开发步骤：

1. 定义工具逻辑（业务代码）
2. 应用Prompt模板（规范名称、触发时机、适用边界）
3. 参数精细化（取值边界、默认值、示例）

安全设计：

• 密钥加密存储（Fernet对称加密）
• 身份映射：X-User-Id通过HTTP Header传递，AI接触不到敏感信息

6. MCP Client集成（CrewAI）

代码位置：https://github.com/kid0317/crewai_mas_demo/blob/main/m2l9/m2l9_mcp.py

email_agent = Agent(
    role="电子邮件收发员",
    mcps=[MCPServerHTTP(
        url="http://localhost:8005/mcp",
        headers={
            "Authorization": "Bearer your_key",  # 传输层鉴权
            "X-User-Id": "user01"                # 业务层多租户
        },
        tool_filter=static_filter,  # 安全过滤器
    )]
)

工具过滤器（白名单）：

• 使用create_static_tool_filter限制Agent只能使用指定工具
• 即使Server新增100个工具，Agent也看不到，防止安全风险

执行流程：

1. 工具发现：Agent启动时调用tools/list拉取Schema
2. 决策规划：LLM匹配Schema中的”触发时机”决定是否调用
3. 标准化执行：Agent通过协议请求，Server执行并返回JSON

7. 底层注入机制

框架底层的”暗箱操作”：

1. 自动握手与发现：通过HTTP/SSE获取Tool List
2. 过滤与防越权：经static_filter剥离高危工具
3. Schema组装：动态生成工具名，拼接到System Prompt
4. 无缝调用：大模型像使用本地工具一样调用远程微服务

关键要点

1. 协议标准化：MCP是协议而非软件，两端按标准通信即可
2. 一次开发多处使用：Server开发一次，所有Client都能接入
3. 安全白名单：必须用tool_filter限制可见工具，防止风险
4. 密钥隔离：敏感信息走headers，绝不暴露给LLM
5. 幂等设计：网络抖动可能导致重试，工具必须支持request_id幂等

实践示例

MCP Server开发（装饰器模式）

from fastapi_mcpserver import mcp_tool

@mcp_tool(
    name="send_email",
    description="发送邮件。触发时机：用户要求发送邮件时。适用边界：只支持PDF附件"
)
async def send_email(to: str, subject: str, body: str) -> str:
    """参数已定义取值边界和示例"""
    # 业务逻辑...
    return "邮件发送成功"

MCP Client集成

from crewai.mcp import MCPServerHTTP
from crewai.mcp.filters import create_static_tool_filter

# 白名单过滤
static_filter = create_static_tool_filter(
    allowed_tool_names=["send_email", "read_inbox"]
)

agent = Agent(
    role="邮件助手",
    mcps=[MCPServerHTTP(
        url="http://localhost:8005/mcp",
        headers={"X-User-Id": user_id},
        tool_filter=static_filter,
    )]
)

常见问题/坑点

反模式	后果	解决方案
巨型MCP	一个接口返回20+工具，占用13.7K Token	保持克制和垂直，拆分多个Server
粒度过细	5-6次往返调用，Token和失败风险增加	Server端做业务聚合，语义完整性
同步阻塞	重I/O操作无心跳，Client超时断开	异步处理 + 心跳机制
模型传安全参数	极高的越权风险	敏感信息走headers，不暴露给LLM
非幂等设计	网络重试导致重复执行	支持request_id，确保幂等性

关联知识

• 12-工具设计哲学-从API到Agent-Native的范式跃迁：工具设计原则
• 13-自定义工具封装-构建Tools的五步标准SOP：工具封装方法论
• 16-Skills生态-让Agent接入大量工具：Skills与MCP的关系

参考资源

• FastAPI MCP框架：https://github.com/kid0317/fastapi_mcpserver_base
• 邮件MCP示例：https://github.com/kid0317/mail_mcpserver
• MCP官方注册表：https://registry.modelcontextprotocol.io
• CrewAI MCP集成：https://github.com/kid0317/crewai_mas_demo/blob/main/m2l9/m2l9_mcp.py

学习时间

• 课程时长：35:14
• 笔记整理：2026-04-10

状态

• 课程学习
• MCP Server实践
• MCP Client集成

下次复习日期

2026-04-17