MCP 上手指南：用一套开放协议把工具接进大模型

Function Calling 用久了都会撞上同一堵墙：文件系统、数据库、浏览器……每接一个新工具，都要针对不同的模型和框架重写一遍胶水代码。MCP（Model Context Protocol）就是为拆掉这堵墙而生的开放协议——它把模型如何发现工具、如何传参、如何返回结果全部标准化，Server 只写一次，所有支持 MCP 的客户端都能直接复用。

三个核心概念

MCP 只有三类原语：Tools 是可被模型主动调用的函数，Resources 是只读数据源，Prompts 是预设提示模板。架构上分为 Host、Client、Server 三层：Host 是你的 AI 应用，Server 对外提供能力，Client 在中间按 JSON-RPC 协议通信。绝大多数场景你只需要实现 Server 这一侧。

十分钟跑通第一个 Server

以官方 Python SDK 为例，安装依赖 pip install "mcp[cli]" 后，用装饰器注册一个工具：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("echo")

@mcp.tool()
def shout(text: str) -> str:
    """把文本转成大写返回"""
    return text.upper()

执行 mcp dev server.py 会自动拉起 Inspector 调试界面，在工具列表里点开 shout、填入参数就能看到返回值。把它配置到 Claude Desktop、Cline 等客户端后，模型会自主判断何时调用这个工具。

上生产前的安全清单

• 只读优先：查询类工具先上线，写入与删除默认拒绝；
• 命令白名单：涉及执行命令的 Server 只放行白名单内的程序，禁止拼接任意 shell；
• 沙箱隔离：文件系统类 Server 用容器或 chroot 圈定可见目录；
• 审计日志：记录每次调用的工具名、参数与耗时，事故可回放。

生态里 filesystem、Playwright、PostgreSQL 等现成 Server 已经不少，动手造轮子之前先搜一轮，往往改改配置就能用。