1.几种场景介绍
在以前，设计师要在figma上辛苦的画出设计稿，然后再让程序员变成代码，才能看到产品，但现在有了MCP，ai就能读懂figma文件中的每一个设计细节，然后用极高的效率生成对应的前端代码，设计师的灵感能以前所未有的速度变成用户看得到的产品。
blender，3D建模的能力很强。但是不管是学习过程，还是建模的过程都是会花掉大量的时间，现在可以直接使用自然语言描述，然后就可以直接快速的得到一个建模结果。
游戏开发领域也是一样，使用MCP连接上unity游戏引擎，开发游戏的人可以直接使用自然语言来开发游戏。
总而言之，自然语言能够处理一切的时代，到来了！
2.什么是mcp？
MCP 本质上不是某个具体产品，而是一种协议标准，全称是 Model Context Protocol（模型上下文协议） ，是Anthropic在24年11月发布的一个协议。可以把它理解成：让大模型“标准化接入外部能力”的接口规范。
可以类比：
- HTTP：统一 Web 请求方式
- SQL：统一数据库查询方式
- MCP：统一“模型调用外部能力”的方式
核心架构并不复杂，可以拆成四个部分来看，
- mcp cient: 例如claude code、cursor、trae、codebuddy等等
- MCP协议，统一格式的通信协议
- mcp server：对应的第三方服务的“翻译”服务，将来自mcp client的需求“翻译”成对应的第三方服务能够理解的操作
- 目标的第三方服务：如figma、数据库、blender、unity等等等等
3.MCP的学习思路
你需要学习怎么从零构建一个MCP server，还要想“侦探”一样通过截获MCP server的输入输出，了解一个MCP server具体做到了什么程度。
其实叫MCP server是有一定误导性的，我理解应该叫成 MCP program 更加合适。
因为就是一个程序，符合MCP协议的一个程序。
每一个mcp server都是一个github仓库，都有一个readme文档。所以每一个人，都可以去开源和发布自己创造的MCP程序。
而MCP client端的MCP配置也很简单，一般都是一个json配置，其中的command、args、和transportType是精髓。
我们可以先看看别人写的MCP程序，目前有很多的MCP市场，例如，mcp.so、mcpmarket.com、smitherv.ai等等
目前基本都是使用python或者node来编写，启动的命令分别是uvx和npx。
其中，uv其实就是python界的一个包管理工具，其中的uvx，可以用来直接启动python程序。所以自然需要我们先安装一下uv。可以直接去uv的github仓库，找到对应系统的安装命令，安装好之后，测试uvx是否可以使用。例如执行：
uvx pycowsay 'hello world'
说白了这个命令就是帮我们，一键安装需要的依赖并执行py程序
npx和uvx类似，只不过针对的是node.js程序
由于npx是node的一部分，所以我们直接安装node就可以。
4.那么一个MCPserver到底写了什么呢？用什么语言写的？怎么就满足了所谓的MCP协议呢？
以python举例
例如我们在一个/MCPServers目录下，创建一个XXX的 mcp 程序
uv init XXX
cd ./XXX
uv venv
source .venv/bin/activate
以上命令的作用不再说明，关键是接下来的这个步骤：安装mcp开发的必要依赖
uv add "mcp[cil]" httpx
然后就是编写py脚本
关键代码：
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("XXX", log_level="ERROR") # 创建mcp服务对象
然后就是在函数头上加上mcp的装饰器，@mcp.tool()，这个装饰器的用途是把函数注册为tool，它会从函数的注释中，提取这个函数的用途、以及每个参数的含义，以便模型决定调用这个函数的时机
最后加上:
if __name__ = "__main__":
mcp.run(transport='stdio')
这里的transport意思是，这个server和模型沟通的方式
这里指定为stdio，表示，沟通的方式是mcp server的输入和输出
到这里，mcp的一个server就做好了，但是其中的关键是mcp的库。
那么输入和输出，真的只能mcp client方才能看到吗，我们可不可以也看到呢？
也就是我们能否测试这个mcp的输入和输出呢？
既然这个MCP server是模型来调用的，那么我们可不可写一个测试脚本，来模拟mcp client调用的这个步骤，这样不就可以控制输入和查看输出了吗？
甚至将这个测试脚本，想办法放在调用链路的中间，每次调用都捕获MCP client的输入，捕获mcp server的输出，并写到一些文件中。
更甚至，只要确保了解了MCP server的调用所需要的数据格式之后，直接进入终端中先直接启动这个MCP server，或者说，运行这个程序，然后用你了解到的调用数据格式，自己构造“访问数据”。
5.那么这个时候，就有人要问了，以上不就是client和server两个程序之间使用mcp协议的进行通信而已吗？MCP client和模型是什么关系，目前来看，和模型并没有关系的样子呀？
确实，如果这样理解是十分正确的，如果类比HTTP，RPC等等通信协议，MCP的作用并没有什么不同。
如果仔细观察，MCP 协议主要是规定了两个部分的内容：
- 1.每一个MCPserver有哪些函数（tool）可以用
- 2.如何调用这些函数
总结起来，就是函数的注册和使用，所以确定没有规定任何和模型相关的交互方式。
市面上这么多，MCP client，Claude code、cline、cursor、trae、codex、codebuddy等等等等，他们的模型是怎么用上mcp server的呢？
实际上，不同的client和模型交互也确实有差异
例如：cline是用xml和模型通信
总之，回头看MCP的定义，模型上下文协议，各位感觉这个命名是否合适？
乍一眼看，以为是规定的和模型交互的协议，但是实际上，这个协议最多只能说是给模型服务的
和模型本身没有关系，只是和MCP client有关。
6.捋一捋时间线
2024.05.13 GPT-4o首次发布
2024.06.20 Claude 3.5 Sonnet首次发布
2024.11.25 MCP首次发布
2025.01.20 DeepSeek-R1首次发布
注意一个关键事实：MCP出现的时候，模型仍处于弱推理能力的时期。
所以，当进入到现下这个模型具有强推荐能力的时期，也开始出现反对MCP的声音。
例如：
1.Denis Yarats（Perplexity CTO）
这是最标志性的事件
-
公司内部决策：
- 放弃 MCP
- 转向 API + CLI
影响：
这是第一个大厂级别“弃 MCP”案例
2.Garry Tan（Y Combinator CEO）
他的态度非常直接（甚至有点狠）：
- 评价 MCP： “就是垃圾”
3.然后是现象级的agent新产品，OpenClaw
-
从一开始就不用 MCP
-
采用：
- Skills system + CLI
说明：
新一代 agent 框架，已经绕开 MCP
原因大概就是：
-
MCP 复杂度 > 实际收益，为了调用一个工具，引入了一整套分布式协议栈
-
调试体验非常差（这是核心痛点）
-
LLM“天然会用 CLI”，不需要新协议
这里引用一篇IBM的博客，有兴趣的朋友可以看看：community.ibm.com/community/u…
举个对比例子，例如使用高德，流程如下：
- 用户输入自然语言：如“查询周边 1km 咖啡店”
- SKILL发现：Agent识别用户意图匹配到对应的SKILL
- CLI命令构造：LLM 参考SKILL中的流程，将自然语言参数转换为完整的CLI命令，如下 amap-gui searchPOI --keyword 星巴克 --city 北京 --pageSize 1
- 执行CLI命令：Agent 直接在终端执行构造好的命令
- 请求后端接口：CLI 工具解析命令参数，构造并发起 HTTP 请求调用高德API
- 结果反馈：搜到的 POI 列表返回给 Agent，供其进一步处理
对比高德MCP(StreamableHTTP)流程：
- 用户输入自然语言：如 “查询周边 1km 咖啡店”
- 工具发现：Agent识别用户意图匹配 MCP Server暴露的工具描述
- MCP 请求构造：LLM 参考 工具的input_schema，将自然语言参数转换为标准JSON-RPC消息
- 工具调用请求：MCP Client 通过 HTTP 向远程 MCP Server发tools/callRPC消息，包含请求参数
- 请求后端接口：MCP Server 解析RPC请求参数，构造并发起 HTTP 请求调用高德API
- 结果反馈：MCP 返回的 POI 列表返回给 Agent，供其进一步处理
