MCP教程：MCP协议是怎么工作的？

你有没有想过，AI 不光能聊天、写代码，还能自己读日志、连GitHub找Bug，甚至自动发Slack告诉你结果？现在听起来有点像“科幻片”，但实际上，MCP 协议就正在把这事一步步变成现实。

它不仅仅是一个聊天协议，而是一个“AI动手干活”的标准框架，让大模型（比如Claude、Cursor里的AI Agent）拥有像人一样“自己找资料、判断行动、执行任务”的能力。

我来带你看看，这个神奇的 MCP 是怎么工作的。

MCP的整体工作机制

MCP的架构分成五个部分，我们可以简单理解成这样：

Host：AI应用本体，像 Claude Desktop、Cursor 等，就是模型运行的地方
Client：通道维护者，负责保持与 Server 的稳定通信连接
Server：能力提供者，告诉 AI 它能做哪些事，比如“我会查GitHub”“我会发Slack消息”等
本地数据源：本地文件、数据库、API，Server可以调用它们
远程服务：像 GitHub、Slack 这样的互联网服务，同样被 Server 接入使用

ai_tutorial_mcp_advanced_how_work_1

最核心的，就是 MCP Server。它就像是模型和“现实世界”之间的中间桥梁，让AI知道这个世界上能做什么，并怎么做。

举个例子

你现在希望AI自动完成这么一件事：

“查一下本地日志里有没有错误，如果有，就去 GitHub 上看看是不是已知的问题，然后把结果发到 Slack。”

这事听起来步骤不少，但你不用写全流程代码。你只需要把它们“拆”成几个 MCP Server：

一个 Local Log Server，用来查日志
一个 GitHub Server，用来查 Issue
一个 Slack Server，用来发通知

AI Agent 收到这句话后，会：

向 Local Log Server 发送请求
拿到结果后，判断是否要调用 GitHub Server 查Issue
如果发现没有现成的Issue，还能自动调用 GitHub API 发起新Issue
最后把结果打包发给 Slack Server

全程不需要人类复制粘贴、不需要你告诉它一步一步怎么做，它自己就能“做决策 + 调工具”。

那 MCP Server 到底是怎么设计的？

来看个实打实的例子，这个例子里我们做了一个 MCP Server，它可以帮 AI 实现三件事：

搜 GitHub 仓库
查 GitHub Issue
发起新的 GitHub Issue

只需要写几段代码，就能“告诉”AI：

    ts
    server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: "search_repositories",
        description: "Search for GitHub repositories",
        inputSchema: zodToJsonSchema(repository.SearchRepositoriesSchema),
      },
      {
        name: "create_issue",
        description: "Create a new issue in a GitHub repository",
        inputSchema: zodToJsonSchema(issues.CreateIssueSchema),
      },
      {
        name: "search_issues",
        description: "Search for issues and pull requests across GitHub repositories",
        inputSchema: zodToJsonSchema(search.SearchIssuesSchema),
      }
    ],
  };
});

是不是很清楚？AI看到这些“工具清单”，就知道它可以干哪些事、每个“工具”要什么参数。

接下来是调用逻辑：

    ts
    server.setRequestHandler(CallToolRequestSchema, async (request) => {
  switch (request.params.name) {
    case "search_repositories":
      // 调GitHub API搜索仓库
    case "create_issue":
      // 发起一个新的Issue
    case "search_issues":
      // 查已有的Issue
  }
});

这些API其实背后还是调用 GitHub 的官方 API，但对AI来说，它只知道 MCP Server 给了它一套“能调用的工具”，并不用关心背后的实现细节。

那些参数和Schema是干嘛的？

MCP不只是告诉AI“我能干啥”，还得告诉它“怎么干”和“要输入啥”。

比如：

    ts
    export const SearchRepositoriesSchema = z.object({
  query: z.string().describe("Search query (see GitHub search syntax)"),
  page: z.number().optional().describe("Page number for pagination"),
  perPage: z.number().optional().describe("Number of results per page"),
});