随着 AI 模型的能力不断增强，如何让它们与外部工具、数据源高效、安全地交互，成为了开发者关注的热点。今天，我们来聊聊一个新兴的开放标准——模型上下文协议（MCP） ，并看看它在 VS Code 中的实际应用。
什么是 MCP？
MCP（Model Context Protocol，模型上下文协议） 是一种开放标准，旨在为 AI 模型与外部工具之间提供一个统一的中间层。你可以把它理解为 AI 世界的“万能插座”——通过标准化的接口，AI 可以调用文件系统、数据库、API 等外部服务，而无需为每个工具单独适配。
在 VS Code 中，MCP 被集成到聊天扩展的能力体系中，成为三种工具调用方式之一：
- 内置工具：VS Code 原生提供的功能；
- 扩展程序贡献的工具：由第三方扩展提供的工具；
- MCP 服务器：通过 MCP 协议接入的外部工具服务。
MCP 的出现，极大地扩展了 AI 助手的能力边界，让它们不仅能“说话”，更能“做事”。
如何使用 MCP
下面我们以 GitHub MCP 为例，手把手带你体验一次完整的 MCP 使用流程。
第一步：安装 MCP 服务器
从 MCP 注册表中安装的 MCP 服务器：MCP Registry
第二步：生成访问令牌
为了让 MCP 服务器能够代表你操作 GitHub，你需要生成一个访问令牌。
在 GitHub 设置中，进入 Developer settings → Personal access tokens，你会看到两种类型：
- Fine-grained personal access tokens（推荐） ：细粒度令牌，可以精确控制权限，安全性更高。
- Tokens (classic) ：传统令牌，权限范围较大，适合简单场景。
建议选择 Fine-grained tokens，并授予必要的仓库读写权限。
第三步：添加权限并生成令牌
根据你的使用场景，勾选相应的权限（如 repo、contents、issues 等），然后生成令牌并复制保存。
第四步：在工作区中安装 MCP
点击在工作区安装，会生成一个项目级别的 mcp 配置文件，把 token 改为刚才生成的token令牌
第五步：使用 MCP 与 AI 协作
配置完成后，你就可以在 VS Code 的聊天扩展中调用 GitHub MCP 了。例如，你可以让 AI 帮你：
- 创建一个新的 GitHub 仓库；
- 将当前项目推送到远程；
- 创建 Issue 或 PR。
当你发出指令后，AI 会通过 MCP 调用 GitHub API 执行操作，并在聊天窗口中返回执行结果。
这里以推送代码仓库为例
使用 github 的 mcp 把项目推送到github上面
从回答页面可以看到，已经在使用这个mcp
第六步：验证结果
操作完成后，你可以登录 GitHub 查看仓库是否已成功创建或更新。如果一切顺利，恭喜你，你已经成功体验了 MCP 的强大能力！
MCP 调用的上下文开销
MCP 的工具调用会占用较大的上下文窗口，因为每次调用都需要传递工具的描述、参数结构、返回值等信息。对于上下文窗口有限的模型（如某些轻量级模型），这可能影响对话的连贯性。
建议开发者在使用 MCP 时，注意控制工具调用的频率和复杂度，或选择支持更大上下文的模型。
踩坑记录：令牌选择有讲究
在实际操作中，最容易踩坑的地方就是令牌类型的选择。以下是我们的建议：
- ✅ Fine-grained personal access tokens
适合生产环境或权限要求较高的场景。你可以精细控制每个令牌的权限范围，降低安全风险。 - ⚠️ Tokens (classic)
虽然配置简单，但权限范围较大，容易暴露过多能力，不建议在复杂项目中使用。
如果你遇到“权限不足”或“API 调用失败”的错误，请优先检查令牌的权限范围是否匹配。
总结
MCP 作为一个开放标准，改变了 AI 与外部世界交互的方式。它让 AI 模型不再“闭门造车”，而是能够真正“动手做事”。无论是在 VS Code 中调用 GitHub，还是接入数据库、云服务，MCP 都提供了一个统一、灵活的接口。
一些 MCP 聚合平台
最后列举一些 MCP 聚合平台，可以根据自己的需要进行选择
- MCP.os：mcp.so/
- 魔搭：modelscope.cn/mcp
