面经策

什么是 MCP 协议，它在 AI 大模型系统中的作用是什么？ ​

  • 标签：大模型、AI、MCP、协议原理、系统设计、场景题

🏛 业务架构师 ​

MCP（Model Context Protocol）是 Anthropic 2024 年推出、现已成行业事实标准的开放协议，用于统一 AI 应用与外部工具、数据源的连接。类比：USB-C 之前每个手机一根线，MCP 之前每个 AI 应用接每个工具都要单独开发适配。

在大模型系统中的作用，从业务成本结构看最清楚：

  1. 集成成本从 M×N 降到 M+N：过去 M 个 AI 应用接 N 个工具要做 M×N 次适配；有了 MCP，工具方做一次 MCP Server，所有 AI 应用（Claude、Cursor、各类 Agent 平台）即插即用。这是生态级的效率革命。
  2. 能力商品化：数据库、CRM、地图、支付……厂商封装成 MCP Server 后，AI 能力成为产品的新分发渠道——Salesforce 暴露 MCP 接口，等于把产品能力卖进了所有 Agent。
  3. 企业资产治理：企业内部把核心系统统一封装成 MCP 服务，形成"工具中台"，各条 AI 业务线复用，避免每个团队重复接数据库、各留一套安全隐患。

2026 年现状：主流模型和应用已全面支持，OpenAI、Google 也已跟进。我的架构建议：新建 AI 应用的工具接入一律走 MCP 标准，别再写私有胶水层——这是保住未来选择权的低成本决策。

🏗 系统架构师 ​

MCP（Model Context Protocol）是 Anthropic 开源、2024 年推出、2026 年已成事实标准的模型上下文协议：统一"LLM 应用如何连接外部工具、数据源、提示资源"的契约。一句话——AI 应用的 USB-C 接口。

它解决的架构问题（M×N 集成问题）：M 个 AI 应用 × N 个数据源/工具，没有协议时每对组合都要定制开发；有了 MCP，工具方实现一次 Server，应用方实现一次 Client，集成成本从 M×N 降为 M+N。这和 JDBC 之于数据库、LSP 之于编辑器是同一层抽象——标准接口催生生态：2026 年 GitHub、Slack、数据库、云厂商都提供官方 MCP Server，接上即用。

在系统中的作用：

  • 给 Agent 提供标准化的能力供给（tools、resources、prompts 三类原语）；
  • 解耦"模型/应用"与"企业数据"——企业可以自建 MCP Server 封装内部系统，任何支持 MCP 的模型都能安全接入；
  • 让工具生态可复用、可治理（统一鉴权、审计、版本管理）。

我的落地视角：MCP 已是 Agent 平台的基线要求，选框架先看 MCP 支持成熟度；企业侧的焦点转向 MCP 网关——工具注册、权限、限流、审计的统一治理层。

💻 全栈开发专家 ​

MCP（Model Context Protocol）是 Anthropic 2024 年 11 月开源、现已成行业标准的协议，解决的问题是：LLM 应用与外部工具/数据源的集成碎片化——以前每个 AI 应用要为每个数据源写定制集成，M×N 问题；有了 MCP，工具方封装一次，所有支持 MCP 的应用（Claude、Cursor、各类 Agent 框架）都能用，变成 M+N。官方类比是「AI 应用的 USB-C」。

它在系统里的角色是标准化连接层：AI 应用（Host）通过 MCP Client 连接 MCP Server，Server 统一暴露三类原语——Tools（可调用的函数：查库、发邮件）、Resources（可读的数据：文件、数据库记录）、Prompts（预置的提示模板）。

一个最直观的例子：我在 Claude Desktop 配一段 JSON，它立刻能查我本地的 PostgreSQL：

json
{ "mcpServers": { "postgres": {
    "command": "npx",
    "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
}}}

对后端工程师的价值：我们团队把内部十几个 API 按 MCP 封装后，运营、开发、AI 助手全在复用同一套工具定义，工具的鉴权、审计也收敛到一处了。