MCP是什么意思？
要说2025年AI领域炙手可热的概念，非MCP莫属！MCP虽然不像大语言模型代际升级那般惊艳，但它给AI领域带来的影响却是长期且深远的。
MCP，是Model Context Protocol的英文缩写，即模型上下文协议，它与我们更为熟悉的“HTTP”，同属协议的范畴，区别在于，HTTP定义了Web 客户端与Web 服务器之间的通信方式，而MCP是AI应用程序的一个标准化层，可与外部服务（如工具、数据库和预定义模板）进行有效通信，某种程度上定义了LLM大语言模型与外部服务的交互规范。
01 MCP的架构和工作原理
MCP的架构设计非常精巧，主要由三个核心角色构成：MCP Host（MCP主机）、MCP Client（MCP客户端）和MCP Server（MCP服务器）。
MCP Host（MCP主机）：通常是指我们正在使用的AI应用程序，比如AI代码编辑器Cursor、桌面AI助手Claude Desktop等。它是整个交互的发起方和最终用户界面。
MCP Client（MCP客户端）：位于MCP主机内，帮助LLM与MCP服务器进行通信。它将LLM的请求转换为MCP可处理的格式，并将MCP的回复转换为LLM可理解的格式。
MCP Server（MCP服务器）：为LLM提供上下文、数据和功能的外部服务。它通过连接数据库和Web服务等外部系统来帮助LLM，将这些系统的响应转换为LLM可理解的格式，从而协助开发者提供多样化的功能。
MCP的核心功能是允许大语言模型请求外部工具协助回答查询或完成任务。举一个例子，如果你向AI助理发出以下指令：“在我们的数据库中查找最新的销售报告，并将其通过电子邮件发送给我的同事。”
对于这个需求，MCP在这过程中起到的作用如下——
请求与工具发现： LLM明白其本身无法访问数据库或发送电子邮件。它使用MCP客户端搜索可用工具，并在MCP服务器上找到了两个相关工具：database_query工具和email_sender工具。
工具调用： LLM生成结构化请求来使用这些工具。首先，它会调用database_query工具，并指定报告的名称。然后，MCP 客户端会将此请求发送到相应的MCP服务器。
外部操作与数据返回： MCP服务器接收请求，将其转换为面向公司数据库的安全SQL查询，并检索销售报告。然后，它会将这些数据格式化后发送回LLM。
第二个操作与响应生成： 现在已获得报告数据，LLM调用email_sender工具，提供经理的邮箱地址和报告内容。邮件发送后，MCP服务器会确认操作已完成。
最终确认： LLM向你提供最终回应：“我已找到最新的销售报告，并通过邮件发送给你的同事。”
02 常用的MCP工具有哪些？
在众多MCP工具中，有两款来自设计领域的MCP工具尤为引人注目，它们就是Pixso MCP和墨刀MCP。这两个MCP工具的出现，标志着AI的能力已经深入到专业的设计工作流中，正在彻底改变设计师与开发者过往的协作方式。
① Pixso MCP：设计到代码一键即达
Pixso作为一站式的在线协同设计工具，提供覆盖白板、原型、设计三大功能模块的产品设计解决方案，致力于把产品设计得更美好。Pixso MCP的推出，是其在AI领域迈出的重要一步。Pixso MCP的定位非常清晰，成为连接设计稿与前端代码的自动化桥梁。
通过Pixso MCP这个强大的MCP工具，开发者可以在各自熟悉的AI编程环境中（如Cursor、Windsurf以及VS Code等），直接用自然语言向AI下达指令，让AI读取Pixso设计稿的详细信息，并快速生成符合设计规范的前端代码。
Pixso MCP 的核心功能：
-设计稿生成代码：为选中的容器（设计稿）生成代码，实现设计到代码的转变
-提取结构化数据：将容器对应的前端代码、图片数据直接发送至客户端
-设计规范与样式同步：可同步设计文件中的本地及云端样式库，帮助开发侧保持样式一致性
-变量系统调用：读取并管理文件中的变量集与变量详情（如颜色、间距、字号等），支持设计样式统一与主题切换
-交互逻辑解析：支持自动识别交互事件（如跳转、切换状态），为智能原型或开发自动化提供支撑
Pixso MCP的10个内置工具深度解析
为了满足不同场景下的设计数据获取需求，Pixso MCP内已集成10个工具，为设计稿转代码提供全方位支持——
getFileInfo文件信息获取：这个工具可以帮你快速获取Pixso设计文件的基本信息，包括文件名称、创建时间、修改时间、作者信息等元数据。当你需要批量处理多个设计文件，或者建立设计资源管理系统时，这个工具就显得格外有用。
getPages页面列表获取：一个完整的设计项目通常包含多个页面，比如首页、详情页、个人中心等。通过这个工具，你可以一次性获取文件中所有页面的列表及其基本信息，方便AI理解整个项目的结构。
getNodeChildren子节点获取：设计稿是一个层级结构，每个容器下面可能包含多个子元素。这个工具让AI能够递归地遍历设计稿的层级结构，获取某个节点下所有子节点的信息，这对于理解复杂布局至关重要。
getComponents组件列表获取：现代UI设计强调组件化思维，一个按钮、一个卡片都可能被定义为可复用的组件。这个工具能够列出设计文件中所有定义的组件及其详细信息，帮助开发者快速建立组件库。
getCodeSnippets代码片段生成：这是Pixso MCP最实用的工具之一。你可以指定设计稿中的某个节点，这个工具会自动生成对应的代码片段（支持HTML、CSS、Vue等多种格式），开发者可以直接复制使用，极大地加速了从设计到开发的转化过程。
getExportSettings导出设置获取：设计师在Pixso中通常会为不同的图层设置导出规则，比如某个图标需要导出为PNG格式的1x、2x、3x三种尺寸。这个工具可以读取这些导出配置，让自动化脚本能够按照设计师的意图批量导出资源。
getNodeDSL结构化数据访问：DSL（领域特定语言）是一种描述设计稿结构的标准化数据格式。这个工具返回设计稿中节点的DSL数据，包含了节点的所有属性、样式、约束等信息，是实现高级自动化功能的基础。
getVariants组件变体获取：在Pixso中，一个按钮组件可能有多个变体，比如默认状态、悬停状态、禁用状态等。这个工具能够获取组件的所有变体信息，让AI在生成代码时能够正确处理不同的交互状态。
getVariableSets变量集获取：设计系统通常会定义一套设计变量（本地变量），如主题色、字体大小、间距等。这个工具可以列出当前设计文件中所有的变量集及其ID，为后续的变量读取提供索引。
getVariables变量详情获取：在获取了变量集ID之后，你可以使用这个工具进一步获取该变量集下所有变量的详细信息，包括变量名、变量值、变量类型等。这让AI能够理解设计系统的规范，并在生成代码时自动应用这些变量，确保代码与设计的一致性。
这10个工具共同构成了Pixso MCP的强大能力矩阵，覆盖了从宏观的文件结构到微观的样式细节，从静态的设计数据到动态的交互逻辑，几乎涵盖了设计转代码过程中的所有需求。
② 墨刀 MCP ： AI 赋能原型设计新 范式
与Pixso侧重于UI设计不同，墨刀是一款更专注于产品原型和交互设计的工具。因此，墨刀MCP的核心能力也围绕着“原型设计”这一场景展开。墨刀MCP致力于让AI成为产品经理和开发者的智能原型助手，实现从一个模糊的想法快速到一个可交互的高保真原型。
墨刀MCP这个MCP工具同样功能强大，它提供了3大核心能力：
生成设计说明：在很多项目中，清晰的需求文档是成功的一半。你可以直接向墨刀MCP描述你的产品想法，它能自动为你生成一份包含界面结构、功能流程和交互逻辑的详细设计说明文档。
生成原型HTML：这是墨刀MCP最具颠覆性的功能。基于你的文字描述，AI可以直接生成一个完整、可交互的高保真原型HTML文件。这意味着你甚至不需要打开设计工具，就能获得一个可以用来演示和测试的原型。
HTML导入墨刀项目：AI生成的HTML原型并不是终点。通过墨刀MCP，你可以将这个HTML文件一键导入到墨刀的工作台中，它会自动转换成可编辑的墨刀工程文件。产品经理和设计师可以在此基础上进行二次创作和精细化调整，实现了AI与人类设计师的无缝协作。
墨刀MCP的接入方式同样便捷，通过简单的命令行即可在Claude Desktop等工具中完成配置。对于需要快速验证产品想法、制作高保真原型的团队来说，墨刀MCP这款MCP工具提供了一种前所未有的高效工作模式。
03 MCP与Agent两者有什么区别？
MCP和智能体都是AI领域炙手可热的热词，很多人容易将MCP和智能体混为一谈，但实际上它们是两个不同层面的概念。
AI智能体是一个能够感知环境、进行决策并执行动作的自主实体。你可以把它想象成一个拥有“大脑”（大语言模型）和“手脚”（各种工具）的机器人。它的目标是完成你设定的某个任务，比如“帮我预订一张明天去上海的机票”。
MCP（模型上下文协议）则更像是一套“通用语言”或“标准接口”。它并不直接执行任务，而是为AI智能体提供了一个标准化的框架，让AI的“大脑”能够顺畅地与外部的“手脚”（也就是各种工具、数据和系统）进行沟通和协作。如果说AI智能体是“工人”，那么MCP就是那个统一了所有工具接口和操作规范的“工具箱说明书”。
简单来说，MCP是实现AI智能体能力的关键基础设施。它解决了AI在与外部世界交互时遇到的“语言不通”、“接口不一”的难题，让AI智能体可以“即插即用”地调用成千上万的外部工具，从而极大地扩展了AI的应用边界。没有MCP，每个AI智能体可能都需要为每一个工具单独开发适配器，这无疑是巨大且重复的工程。而有了MCP，整个AI工具生态得以建立和繁荣。
04 哪些AI工具支持MCP协议？
MCP作为一个开放协议，已经获得了全球范围内众多AI工具和平台的支持。这些工具覆盖了从代码编辑器到桌面助手，从开发框架到智能体平台的各个领域。
① AI编程工具
Cursor作为一款AI驱动的代码编辑器，在其Composer功能中全面支持MCP工具。开发者可以在编写代码的同时，让AI调用各种MCP服务器来获取数据、执行操作。Cursor同时支持STDIO和SSE两种传输协议，灵活性很高。
Cline是VS Code中的一款自主编码助手，它对MCP的支持非常全面，包括工具和资源两大类功能。开发者可以通过配置文件轻松添加各种MCP服务器，让Cline获得更强大的能力。
Windsurf Editor是一款支持协作开发的编辑器，通过其AI Flow功能支持MCP工具。它特别适合团队协作场景，多人可以共同使用同一套MCP工具链。
Zed编辑器也加入了MCP的支持行列，其提示以斜杠命令的形式出现，使用起来非常直观。
② 桌面AI助手
Claude Desktop作为Anthropic的官方桌面应用，提供了最全面的MCP支持。用户可以通过简单的配置，让Claude连接到本地的各种工具和数据源，实现与本地系统的深度集成。
5ire是一款开源的跨平台桌面AI助手，支持Windows、macOS和Linux。它通过MCP协议连接各种工具与数据源，并提供了本地知识库、使用分析等特性。
DeepChat是连接AI与个人世界的智能助手，支持多模型云服务和本地模型部署。它具备多通道聊天并发支持、完整的Markdown渲染、本地文件处理等特性，并全面支持MCP。
ChatWise是一款注重隐私保护的AI助手，支持任意LLM模型。它具备多模态聊天、网页搜索、MCP工具集成等功能，数据完全本地存储。
eechat是一款简单易用的本地部署LLM工具，可以一键集成、管理、运行多种MCP工具。它提供可视化配置，内置Node和Python运行环境，兼容Claude和Cursor配置，非常适合小白用户。
③ 大模型和开发框架
OpenAI在其最新的Agents SDK和ChatGPT桌面应用中已经加入了对MCP的支持。开发者可以轻松为其智能体集成MCP工具，极大地扩展了GPT的能力边界。
Microsoft Copilot Studio是微软的智能体构建平台，它也明确宣布集成了MCP。企业可以通过Copilot Studio构建连接各种内部系统的智能应用。
Sourcegraph Cody通过OpenCTX支持MCP资源，让开发者在代码搜索和理解过程中能够访问更广泛的上下文信息。
④ 智能体平台和框架
BeeAI Framework是一个用于构建、部署智能体工作流的开源框架，全面支持MCP协议。
Goose是一个开源AI智能体，专门用于自动化编码任务，它通过MCP连接各种开发工具。
LibreChat是一个开源、可定制的AI聊天UI，支持多种大模型，并全面支持MCP工具集成。
mcp-agent是一个专门用于使用MCP构建智能体的框架，它简化了智能体的开发流程。
fast-agent是一个Python智能体框架，完整支持多模态MCP，适合构建复杂的AI应用。
Genkit是一个跨语言SDK，用于构建生成式AI功能，它也支持MCP协议。
以上就是本次想和各位分享的所有内容，希望能帮到有需要的朋友。如果你有其他疑问，或是想进一步了解的内容，欢迎在下方的评论区留言，我们一起交流探讨。
码字不易，如果对你有帮助的话，请别忘了赏个【三连】或是【关注】我哦，关注不迷路，那我们下次再见咯！
