### [MCP (Model Context Protocol) 实测：Anthropic 新协议解决了什么？](https://blog.20115.net/article/267)

**Published:** 2026-07-21T16:45:30

**Author:** 众归云

**Excerpt:** MCP 不是银弹，但解决了 Function Calling 的核心痛点：集成成本太高。本文给出中文实测记录、代码对比、踩坑点和落地建议。

## 一、先给结论

MCP（Model Context Protocol）不是银弹，但它确实解决了 Function Calling 的一个核心痛点：**模型侧能力与外部工具之间的集成成本太高。**

如果你正在做 AI agent 开发，尤其是需要让 LLM 稳定调用多个外部数据源/API，MCP 值得纳入技术选型。但如果你只是偶尔做一个 chatbot，Function Calling 完全够用，没必要多一层抽象。

## 二、Function Calling 的痛点，你肯定遇到过

2024 年以来，主流模型（GPT-4o、Claude 3.5、DeepSeek V3）都支持 Function Calling，开发流程基本是这样：

1.  你在代码里定义一个函数列表（JSON Schema）
2.  模型返回要调哪个函数、传什么参数
3.  你写胶水代码调用 API
4.  把结果喂回模型，它继续生成回答

**问题在于：**

-   **胶水代码太多**。每加一个工具（比如查数据库、读文件、调内部 CRM），都要写一遍 schema + 调用逻辑 + 错误处理。
-   **上下文爆炸**。工具多的时候，system prompt 和 tool schema 很容易塞满上下文窗口，模型开始”忽略”某些工具。
-   **方言不统一**。OpenAI 的 Function Calling、Anthropic 的 Tool Use、Google 的 Function Declarations，格式各有差异，换模型就要改代码。
-   **状态管理难**。Function Calling 是**无状态的**——模型不知道你上次调了什么，除非你把历史全塞回 prompt。

简单说：Function Calling 解决的是”模型怎么调用一个函数”，没解决”一套规范怎么集成一堆工具”。

## 三、MCP 是什么

MCP 是 Anthropic 在 2024 年底推出的一套**开放协议**，设计目标是把”模型 ↔ 工具”的交互标准化。

### 核心架构

```
[Client]     [Host]     [Server]
(你的应用)  (LLM 宿主)  (外部工具/数据源)
    |           |           |
    |--- MCP 双向通信 -------|
```

-   **Host**：运行 LLM 的宿主程序（Claude Desktop、IDE 插件、你自己的后端服务）
-   **Client**：Host 内部与 MCP Server 建立连接的端点
-   **Server**：外部工具/数据源的封装，暴露出标准化的 tool/resource/prompt 接口

MCP 协议本身是 **JSON-RPC over stdio/SSE**，所以：

-   同一个 Server 可以跑在本地进程、远程 HTTP、甚至容器里
-   只要协议对，Claude、GPT、DeepSeek 都可以接

### 三大能力模型

| 能力  | 对应什么 | 举个例子 |
| --- | --- | --- |
| **Tools** | 函数调用 | “查数据库”、”发送邮件” |
| **Resources** | 只读上下文注入 | 自动把公司 wiki、FAQ 塞进 prompt |
| **Prompts** | 模板化指令 | 把常用 agent 提示词封装成可复用模板 |

这三者配合，基本覆盖了 agent 开发里”模型需要什么”和”外部能提供什么”的匹配问题。

## 四、实测：我搭了一个最小 MCP 环境

为了搞清楚 MCP 到底好不好用，我花了半天做了一个**中文开发者友好**的实测环境。

### 环境

-   Host：Claude Desktop（macOS）
-   Model：claude-3-5-sonnet
-   Server 1：SQLite 数据库查询（本地文件）
-   Server 2：本地文件系统读取
-   Server 3：自定义天气 API（国内直连，无翻墙）

### 测试任务

让 agent 完成这句话：**“读取最近的 3 条发票记录，找出金额最高的那张，然后写一份报销摘要到我桌面的 report.txt 里。”**

这个任务需要：SQLite 查询 → 排序 → 写文件 → 生成摘要。单一 Function Calling 最少要定义 3 个函数 + 多轮调用。

### MCP 下的表现

Claude Desktop 里，只要启用了对应 Server，我直接说”帮我写报销摘要”，它自动走了以下流程：

1.  调用 SQLite tool 查询最近 3 条发票
2.  自己比较金额，找出最高的一笔
3.  调用 File System tool，把摘要写入桌面
4.  返回一份可读的总结给我

**全程我一行胶水代码都没写。**

### 对比：纯 Function Calling 实现

同样的任务，用 OpenAI API：

```
tools = [
  {"type": "function", "function": {"name": "query_invoices", ...}},
  {"type": "function", "function": {"name": "write_file", ...}}
]
```

然后你要写：

-   SQLite schema + query 函数
-   文件写入函数
-   多轮对话管理
-   错误处理（模型参数格式不对、SQL 报错、磁盘权限）

代码量大约是 **50-80 行 Python**，还不包括 token 管理和 prompt 调试。

## 五、MCP vs Function Calling 对比

| 维度  | Function Calling | MCP |
| --- | --- | --- |
| 集成成本 | 每个工具都要写一遍 schema + 调用 | Server 一旦写好，多个 Host 复用 |
| 模型依赖 | 每家格式不同，换模型要改 | 协议独立，理论上任意模型都能接 |
| 状态管理 | 无状态，全挤在 prompt 里 | Server 保持连接状态，上下文更清爽 |
| 生态工具 | 自己造轮子 | 已有 PostgreSQL、SQLite、Filesystem、GitHub、Slack 等官方 Server |
| 热插拔 | 难   | 容易，类似”安装插件” |

## 六、中文开发者该关注什么

### 好消息

-   Anthropic 官方维护了 **SQLite / PostgreSQL / Filesystem / GitHub / Slack / Google Drive** 等 Server，开箱即用。
-   社区已经在做 **中文生态** Server：微信公众号、企业微信、飞书、钉钉、国内短信、支付宝 API。
-   MCP over HTTP/SSE 意味着 Server 可以跑在远程服务器上——这对**挂机宝/云服务器**场景特别友好。

### 坑和限制

1.  **Anthropic 官方 Server 只支持 Anthropic 模型深度优化**。你用 DeepSeek / 通义跑 MCP，虽然协议是对得通的，但提示词工程需要自己调。
2.  **国内访问问题**。Claude Desktop 本身需要科学上网；SSE 模式的远程 Server 部署在境外会被墙。本地 stdio 模式最稳。
3.  **Server 质量参差不齐**。很多第三方 Server 的安全审计做得不好，远程模式下有注入风险。
4.  **缺少成熟的 Node.js / Python 客户端库**。官方示例多，生产级 SDK 还在完善。

## 七、落地建议

### 什么场景该用 MCP

-   你的 agent 需要连接**3 个以上外部数据源**（数据库 + 文件 + CRM + 知识库）
-   你在做**多用户 SaaS**，每个用户有独立的数据隔离需求（MCP Server 天然支持 per-user 上下文）
-   你想做一个**可扩展的 agent 平台**，允许第三方开发者”插拔”工具

### 什么场景不需要

-   单个 chatbot，3 个以内工具，单一模型
-   原型/MVP 阶段，追求最快上线
-   团队没人懂 JSON-RPC，纯 Function Calling 更可控

### 给本站（AI agent 内容站）的启示

如果你的站点将来做 **agent 工具市场 / 导航**，MCP Server 生态是一个值得自己搭建一条**链接分类**：

-   收录”官方 Server 列表”
-   做”国内可用 Server”专题（去掉那些连不上的）
-   写教程：”给你的 Dify / FastGPT 加 MCP 支持”

MCP 内容现在 Google 上中文资源少，**现在进场能吃搜索红利**。

## 八、总结

MCP 本质上是把 Function Calling 从”函数调用”升级为”**工具集成协议**“。它不改变模型能力，但**大幅降低了 agent 连接外部世界的工程成本**。

对于做 AI agent 应用的人：**先认识它，再决定要不要入场。**如果你的项目还没有超过 3 个工具集成，继续用 Function Calling；如果已经在做平台级 agent，现在就该布局。

**参考：**

-   Anthropic 官方文档：https://modelcontextprotocol.io
-   GitHub 仓库：https://github.com/anthropics/mcp
-   官方 Server 列表：https://github.com/modelcontextprotocol/servers

_如果你也在测 MCP，欢迎在站点社区话题区留言交流。_

**Categories:** Agent

---