为什么你需要关心 MCP2026 年AI Agent 的核心能力不再是能不能推理而是能接多少工具。但每个 API 有自己的鉴权方式、数据格式、错误处理——接入成本随工具数量指数增长。MCPModel Context Protocol就是解决这个问题的。它由 Anthropic 在 2024 年底开源2025-2026 年被整个行业接受为标准。一句话概括MCP 是 AI 工具调用的 USB-C 接口——一套协议所有工具统一接入。MCP 核心架构三原语模型MCP 的设计极其简洁只有三个核心概念原语用途类比ToolAI 可以调用的函数REST API 的 POSTResourceAI 可以读取的数据REST API 的 GETPrompt预定义的提示词模板快捷指令三者都通过统一的 JSON-RPC 2.0 协议通信传输层可以是 stdio本地进程或 HTTPSSE远程服务。一个 Tool 的定义示例{ name: search_knowledge_base, description: 搜索公司内部知识库返回相关文档摘要, inputSchema: { type: object, properties: { query: {type: string, description: 搜索关键词}, top_k: {type: integer, default: 5, minimum: 1, maximum: 20}, category: {type: string, enum: [技术文档, 产品手册, 运维指南]} }, required: [query] } }Agent 看到这个 schema就知道何时调用、传什么参数。实战用 Python 写一个 MCP Server以下是一个完整的 MCP Server暴露一个get_stock_priceToolimport asyncio import json from mcp.server import Server, NotificationOptions from mcp.server.models import InitializationCapabilities from mcp.server.stdio import stdio_server from mcp.types import Tool, TextContent import httpx server Server(stock-server) server.list_tools() async def list_tools() - list[Tool]: return [ Tool( nameget_stock_price, description获取美股实时股价输入股票代码如 AAPL返回当前价格和涨跌幅, inputSchema{ type: object, properties: { symbol: { type: string, description: 美股股票代码大写如 AAPL、TSLA、MSFT } }, required: [symbol] } ) ] server.call_tool() async def call_tool(name: str, arguments: dict) - list[TextContent]: if name get_stock_price: symbol arguments[symbol] async with httpx.AsyncClient() as client: # 以 Alpha Vantage 免费 API 为例 resp await client.get( fhttps://www.alphavantage.co/query, params{function: GLOBAL_QUOTE, symbol: symbol, apikey: YOUR_KEY} ) data resp.json()[Global Quote] result f{symbol} 当前价格: ${data[05. price]}, 涨跌幅: {data[10. change percent]} return [TextContent(typetext, textresult)] async def main(): async with stdio_server() as (read, write): await server.run( read, write, InitializationCapabilities( sampling{}, experimental{} ) ) if __name__ __main__: asyncio.run(main())配置让 Claude Desktop 使用你的 MCP Server在你的claude_desktop_config.json中{ mcpServers: { stock-server: { command: python, args: [path/to/stock_server.py] } } }重启 Claude Desktop你的股票查询工具就自动注册了。在对话中说查一下 AAPL 股价Claude 自动调用你的 Tool。MCP 进阶Resource 和 PromptResource让 Agent 能读取静态或动态数据而不需要用户手动粘贴server.list_resources() async def list_resources(): return [ Resource( uriconfig://api-limits, nameAPI调用限额, description当前API剩余调用次数和速率限制, mimeTypeapplication/json ) ] server.read_resource() async def read_resource(uri: str): if uri config://api-limits: data {remaining: 823, limit: 1000, reset_at: 2026-05-19T00:00:00Z} return [TextContent(typetext, textjson.dumps(data))]Prompt提供可复用的提示模板server.list_prompts() async def list_prompts(): return [ Prompt( namecode_review, description代码审查模板, arguments[ PromptArgument(namelanguage, description编程语言, requiredTrue), PromptArgument(namecode, description待审查代码, requiredTrue) ] ) ] server.get_prompt() async def get_prompt(name: str, arguments: dict): if name code_review: return GetPromptResult( messages[{ role: user, content: { type: text, text: f请审查以下{arguments[language]}代码关注安全性、性能和可读性\n\n{arguments[code]} } }] )远程 MCP ServerHTTP SSE 传输本地 stdio 适合个人开发团队共用需要远程部署from mcp.server.sse import SseServerTransport from starlette.applications import Starlette from starlette.routing import Route transport SseServerTransport(/messages) async def handle_sse(request): async with transport.connect_sse(request.scope, request.receive, request._send) as streams: await server.run(streams[0], streams[1], InitializationCapabilities(sampling{}, experimental{}), NotificationOptions() ) app Starlette(routes[ Route(/sse, endpointhandle_sse), Route(/messages, endpointtransport.handle_post_message, methods[POST]), ])部署后团队成员只需在配置中填入url: https://your-server.com/sse即可共用。生产环境注意事项踩过三个坑① 鉴权必须外挂。MCP 协议本身不带鉴权生产环境用 API Gateway如 Kong、Nginx在前面做 Token 校验。别在 Tool 里实现鉴权逻辑。② Tool 描述要像写文档。Agent 选工具的准确率完全依赖 description。写具体不要写抽象——查询订单不如根据订单号格式 ORD-YYYY-XXXXX查询订单状态、金额、创建时间。③ 超时和重试。远程 MCP 调用可能超时。在 Tool 实现里加asyncio.wait_for()超时后返回结构化错误信息而不是抛异常Agent 才能优雅降级。小结MCP 的价值在于标准化。2026 年MCP 生态已经从 Anthropic 一家推广到全行业——OpenAI、Google、DeepSeek 都在以不同形式支持。早点把团队的工具链 MCP 化后续换模型就像换充电头一样简单。下一篇预告MCP Agent 多工具编排——如何让 Claude 同时查数据库、搜文档、发 Slack 通知。
MCP 协议实战：手把手构建 AI 工具调用标准接口，打通 Claude 与任意 API
为什么你需要关心 MCP2026 年AI Agent 的核心能力不再是能不能推理而是能接多少工具。但每个 API 有自己的鉴权方式、数据格式、错误处理——接入成本随工具数量指数增长。MCPModel Context Protocol就是解决这个问题的。它由 Anthropic 在 2024 年底开源2025-2026 年被整个行业接受为标准。一句话概括MCP 是 AI 工具调用的 USB-C 接口——一套协议所有工具统一接入。MCP 核心架构三原语模型MCP 的设计极其简洁只有三个核心概念原语用途类比ToolAI 可以调用的函数REST API 的 POSTResourceAI 可以读取的数据REST API 的 GETPrompt预定义的提示词模板快捷指令三者都通过统一的 JSON-RPC 2.0 协议通信传输层可以是 stdio本地进程或 HTTPSSE远程服务。一个 Tool 的定义示例{ name: search_knowledge_base, description: 搜索公司内部知识库返回相关文档摘要, inputSchema: { type: object, properties: { query: {type: string, description: 搜索关键词}, top_k: {type: integer, default: 5, minimum: 1, maximum: 20}, category: {type: string, enum: [技术文档, 产品手册, 运维指南]} }, required: [query] } }Agent 看到这个 schema就知道何时调用、传什么参数。实战用 Python 写一个 MCP Server以下是一个完整的 MCP Server暴露一个get_stock_priceToolimport asyncio import json from mcp.server import Server, NotificationOptions from mcp.server.models import InitializationCapabilities from mcp.server.stdio import stdio_server from mcp.types import Tool, TextContent import httpx server Server(stock-server) server.list_tools() async def list_tools() - list[Tool]: return [ Tool( nameget_stock_price, description获取美股实时股价输入股票代码如 AAPL返回当前价格和涨跌幅, inputSchema{ type: object, properties: { symbol: { type: string, description: 美股股票代码大写如 AAPL、TSLA、MSFT } }, required: [symbol] } ) ] server.call_tool() async def call_tool(name: str, arguments: dict) - list[TextContent]: if name get_stock_price: symbol arguments[symbol] async with httpx.AsyncClient() as client: # 以 Alpha Vantage 免费 API 为例 resp await client.get( fhttps://www.alphavantage.co/query, params{function: GLOBAL_QUOTE, symbol: symbol, apikey: YOUR_KEY} ) data resp.json()[Global Quote] result f{symbol} 当前价格: ${data[05. price]}, 涨跌幅: {data[10. change percent]} return [TextContent(typetext, textresult)] async def main(): async with stdio_server() as (read, write): await server.run( read, write, InitializationCapabilities( sampling{}, experimental{} ) ) if __name__ __main__: asyncio.run(main())配置让 Claude Desktop 使用你的 MCP Server在你的claude_desktop_config.json中{ mcpServers: { stock-server: { command: python, args: [path/to/stock_server.py] } } }重启 Claude Desktop你的股票查询工具就自动注册了。在对话中说查一下 AAPL 股价Claude 自动调用你的 Tool。MCP 进阶Resource 和 PromptResource让 Agent 能读取静态或动态数据而不需要用户手动粘贴server.list_resources() async def list_resources(): return [ Resource( uriconfig://api-limits, nameAPI调用限额, description当前API剩余调用次数和速率限制, mimeTypeapplication/json ) ] server.read_resource() async def read_resource(uri: str): if uri config://api-limits: data {remaining: 823, limit: 1000, reset_at: 2026-05-19T00:00:00Z} return [TextContent(typetext, textjson.dumps(data))]Prompt提供可复用的提示模板server.list_prompts() async def list_prompts(): return [ Prompt( namecode_review, description代码审查模板, arguments[ PromptArgument(namelanguage, description编程语言, requiredTrue), PromptArgument(namecode, description待审查代码, requiredTrue) ] ) ] server.get_prompt() async def get_prompt(name: str, arguments: dict): if name code_review: return GetPromptResult( messages[{ role: user, content: { type: text, text: f请审查以下{arguments[language]}代码关注安全性、性能和可读性\n\n{arguments[code]} } }] )远程 MCP ServerHTTP SSE 传输本地 stdio 适合个人开发团队共用需要远程部署from mcp.server.sse import SseServerTransport from starlette.applications import Starlette from starlette.routing import Route transport SseServerTransport(/messages) async def handle_sse(request): async with transport.connect_sse(request.scope, request.receive, request._send) as streams: await server.run(streams[0], streams[1], InitializationCapabilities(sampling{}, experimental{}), NotificationOptions() ) app Starlette(routes[ Route(/sse, endpointhandle_sse), Route(/messages, endpointtransport.handle_post_message, methods[POST]), ])部署后团队成员只需在配置中填入url: https://your-server.com/sse即可共用。生产环境注意事项踩过三个坑① 鉴权必须外挂。MCP 协议本身不带鉴权生产环境用 API Gateway如 Kong、Nginx在前面做 Token 校验。别在 Tool 里实现鉴权逻辑。② Tool 描述要像写文档。Agent 选工具的准确率完全依赖 description。写具体不要写抽象——查询订单不如根据订单号格式 ORD-YYYY-XXXXX查询订单状态、金额、创建时间。③ 超时和重试。远程 MCP 调用可能超时。在 Tool 实现里加asyncio.wait_for()超时后返回结构化错误信息而不是抛异常Agent 才能优雅降级。小结MCP 的价值在于标准化。2026 年MCP 生态已经从 Anthropic 一家推广到全行业——OpenAI、Google、DeepSeek 都在以不同形式支持。早点把团队的工具链 MCP 化后续换模型就像换充电头一样简单。下一篇预告MCP Agent 多工具编排——如何让 Claude 同时查数据库、搜文档、发 Slack 通知。
