-
定义
MCP 的全称是 Model Context Protocol（模型上下文协议），是一套标准协议，用来让 AI 应用（大模型）能统一、安全地访问各种「上下文」（包括数据源、工具、文件、API 等）。
2.核心价值
解决「如何让 AI 安全、高效地访问和理解企业级数据与工具」这个问题，而不是让每个应用自己乱接各种 API 和数据库。
3.解决的问题
扩展瓶颈：每加一个新能力（新数据源、新工具），都要改 AI 应用的核心代码，难以模块化扩展。
维护负担：数据源或接口一变更，所有集成代码都要跟着改，维护成本高。
安全性：直接给 AI 开 API/数据库权限，权限粗、难审计、难做细粒度控制。
重复开发： 每个数据源、每个工具都要写一套专用集成代码，大量重复劳动。
MCP 的解决思路是：在 AI 和各类数据/工具之间加一层「协议层」——用统一的接口（Tools、Resources、Prompts 等）暴露能力，由 MCP Server 去对接具体的数据源和 API，AI 只和协议打交道，从而缓解上面四个问题。
协议层指什么？
协议层 = 一套约定好的规则，规定「AI 和 MCP Server 之间怎么说话、能说什么」。
它不关心底下是数据库、文件还是 API，只规定：用统一的格式、统一的能力类型来交换信息。
1.消息格式
- 大家用同一种「信封」：JSON-RPC 2.0。
- 请求、响应都按这个格式来，所以不管是查数据库的 Server 还是调 API 的 Server，AI 这边都发同一类消息、收同一类消息。
2.能力类型
AI 通过 MCP 能要的东西只有三类
工具（Tools）：可被调用的函数（如查天气、写文件）
资源（Resources）：可读的上下文/数据（如文件、API 返回的内容）
提示（Prompts）：模板化消息或工作流，由 Host 使用
总结
MCP（Model Context Protocol）是一套让 AI 通过统一、安全的协议层访问数据与工具的规范，用来解决扩展难、维护重、安全差、重复开发多这四个传统集成痛点。