MCP作为AI大模型的标准化工具箱，类似于“通用语言”或“万能插座”，能够帮助大模型访问和操作外部工具，完成具体任务。本文将详细介绍MCP（Model Context Protocol）的概念、技术原理、安装方法以及与Function call的区别。

一、MCP的概念

MCP 的全称是Model Context Protocol，也就是模型上下文协议，是由Claude的母公司Anthropic于24年低开源发布的，MCP就是AI大模型的标准化工具箱，可以把它想象成 AI 大模型和外部数据、工具之间沟通的 “通用语言” 或者 “万能插座”，大模型可以利用这些工具与外界互动，获取信息并且完成具体任务。

MCP可以代替人类访问并且操作外部工具，每个mcp服务或者叫做MCP Server都专精于一类的工作：比如有的负责读写浏览器、有的负责读写本地文件、有的操作git仓库等等，MCP Server 通常就是运行在本地的一段 nodejs 或者 python 程序。

二、技术原理

大模型通过操作系统的stdio，也就是标准输入通道调用某个MCP Server，他的消息格式是这种的

MCP Server 接到这些请求以后，通过自己的代码功能，或者使用API请求，访问外部工具，完成任务，MCP协议与Function call 非常相似：MCP 的最大优点在于整合了之前各家大模型不同的Function call 的标准，整合成了一个统一的标准协议。而且不仅是Claude，市面上几乎所有的大模型都可以接入MCP

一款产品无到有，产品经理需要做些什么？

在一个产品从无到有的过程中，要做好产品经理这个角色实在是不容易，除了大家都知道的写需求、写需求、写需求，要做的事多着呢。产品经理不是你眼中的只会找你麻烦，提要求..

查看详情 >

1、支持MCP协议的客户端

目前可以使用MCP功能的客户端不算多，主要有AI编程工具Cursor、Cline还有Claude的官方的客户端（windsurf claude app）

2、MCP的本质

MCP的本质就是客户端用命令行调用了电脑上的nodejs程序，然后程序执行了某些操作，在把结果返回回来，当然也不仅限于nodejs程序，也有可能是python的。还有一种不太常见的情况，就是这个node或者python程序运行在服务器上面，我们则是通过网络进行调用。

三、案例 – MCP+Cursor

下面给大家展示一下，如何在Cursor上配置MCP

1、首先我们点击Cursor的设置按钮，在Beta features中先把Cursor升级为最新版本

2、点击MCP配置，现在的MCP是通过文件的方式配置的。

我们需要在根目录创建一个文件夹 .cursor，文件夹里 在创建一个文件 .json

3、打开GitHub，注册并找到MCP（Model Context Protocol Servers）页面，以配置GitHub为例

4、点击GitHub向下划动找到NPX，复制下面这段代码，并粘贴到我们刚才在Cursor中新建的 .json文件中

四、MCP工具网站分享

smithery.ai 这是一个MCP工具的聚合网站，这里收录了 2,681 种MCP Server ，我们可以根据自己的需求，在这里找到最适合自己的MCP 服务。

安装方式还是更我们上述的案例一样，点击你想要配置的MCP

点击绿色小点后面的GitHub图标，就进入到了GitHub页面，后面安装的流程就和上述案例一样了，把NPX所展示的代码复制到.json文件中就可以了

五、MCP与function call的区别

MCP与function call只是功能相似，他们之间是相互独立的，没有依赖关系，function call简单来说就是AI调用外部工具的能力，是某些大模型（如 GPT-4）提供的专有接口特性。它允许模型直接生成结构化的函数调用请求（如查询天气、计算数值），由宿主应用执行并返回结果。本质是模型内部的功能扩展，依赖于特定厂商的实现，无强制标准协议。

MCP的最大优点是集合了之前各家大模型不同的function call的标准，整合成了一个统一的标准协议，而且不仅仅是claude，市面上几乎所有的大模型，都可以接入MCP，类似于 AI 领域的 “USB-C 接口”。它通过统一的通信规范（如 JSON-RPC 2.0），解决大模型与外部工具、数据源之间的兼容性问题。核心目标是让不同模型和工具能高效互操作，开发者只需按 MCP 标准开发一次接口，即可被多个模型调用。

简而言之，MCP 解决 “如何让 AI 连接万物” 的通用性问题，Function Calling 解决 “如何让 AI 快速执行特定操作” 的效率问题，二者互补协作，共同支撑 AI 从对话走向自动化任务执行。