MCP协议入门指南，4个案例+2个实践全解析！

最新推荐文章于 2025-05-14 16:18:37 发布

大模型研究院

最新推荐文章于 2025-05-14 16:18:37 发布

阅读量2.4k

点赞数 12

文章标签：人工智能 powerpoint 大模型大数据算法 MCP

本文链接：https://blog.csdn.net/l01011_/article/details/147470223

版权

一、 MCP是什么？

MCP全称模型上下文协议（Model Context Protocol），是由 Anthropic （Claude 模型的主体公司）在 2024 年 11 月推出并开源的一项创新标准，旨在让大语言模型能够无缝连接至第三方的数据源。

该协议支持对接 内容存储库、业务工具、开发环境 等多种外部服务，从而赋能 AI 大模型获取更丰富的上下文信息，生成更加精准、相关且智能的回答。

MCP 就像转接头，统一不同服务供所有人使用

MCP 就像一个“转接头”或“通用插座”，它的核心作用是统一不同外部服务（如 Google Drive、GitHub、Slack、本地文件系统等），通过标准化接口与 AI 模型对接。

这样，开发者只需基于 MCP 规范开发一次“接口适配器”（MCP 服务器），就能让所有兼容 MCP 的模型（MCP 客户端）无缝接入，无需针对每个模型单独适配，大幅提升兼容性与开发效率。

MCP 里面还包含 SSE（Server-Sent Events），是一种允许服务器向浏览器推送实时更新的技术。

为AI模型量身定制的“USB-C接口”

可以标准化地连接AI系统与各类外部工具和数据源

传统的 API 就像不同的门和钥匙

每扇门都需要自己的钥匙和特定的规则

MCP与传统API关键区别：

单一协议： MCP像一个统一接口，只要一次整合，就能连接多个服务。
动态发现： AI模型能自动识别并使用可用的工具，不用提前写死每个接口。
双向通信： MCP支持类似WebSockets的实时双向通信，模型不仅能查询数据，还能主动触发操作。

LLM 也不是万能的，它缺失了很多能力，LLM 可以作为智能体的大脑，外部工具就是智能体的手和脚，协助智能体执行决策。一个典型的 Agent 的设计，LLM 充当大脑模块，通过多模态输入，处理信息，然后做出决策和规划行动。

MCP 就是想要通过一个开放的协议，为外部工具（或数据源）提供统一和 LLM 交互的统一集成，MCP 就是手脚连接身体的“关节”。

二、 MCP能做什么？

1、API集成

通过联网搜索向 AI 提供最新信息

常见的 AI 助手采用通过联网搜索获取实时信息。当用户开启联网搜索时，助手先将用户的请求发送至搜索引擎，再将返回内容与用户输入一起提供给大模型，最终生成回答。搜索引擎在此作为实时信息源，为大语言模型提供额外的上下文。

通过 API 向 AI 提供自有系统数据

如果希望 AI 能提供行业内部信息、或者研发的自有系统内的信息， AI 联网搜索的效果就很不好，甚至无法实现。用户可以自行搭建 AI 代理，将自有系统的数据通过 API 的形式接入 AI 助手， 为大语言模型补充提供丰富的上下文信息。

通过 MCP 服务器向 AI 提供上下文信息

MCP 协议解决了 AI 大模型与数据源集成碎片化的问题，提供统一标准，让开发者无需为每个数据源和 AI 助手单独开发连接器。 通过 MCP，数据源和 AI 工具可建立安全双向连接， 使 AI 在不同工具和数据集间流畅协作，实现更可持续的架构。

三、Blender MCP

一句话提示，Claude自动化打开Blender将2D图片转为3D建模。而且还能只用一次提示词，再基于这个场景搭建可以互动的网页。

还有直接通过口喷需求对话的方式快速去构建一个用 blender 渲染好的飞机…

四、MCP 服务市场

市面上目前也有越来越多的能力被挖掘出来，并被统一、分类，由不同的数据源和工具控制和供给，以便于用户快速的安装调用。

https://github.com/modelcontextprotocol/servers

飞书文档中还有非常多比较不错的集成综合工具站可以去看看

五、一起来动手实践！

vscode下载地址：https://code.visualstudio.com/

扩展里面搜索：cline

1、将设计稿转成前端代码

Figma to html MCP 实战，仅需贴入一个链接给大模型，就可以将 figma 中的设计稿界面快速的变成在线可以预览的网页。

安装 MCP

使用的是 Figma-Context-MCP 框架，在本地启动服务后再进行信息注册。

https://github.com/GLips/Figma-Context-MCP#configuration

使用 JSON 结构进行注册，同时获取 Figma 的 API Key

复制 Figma 稿件地址

（原稿件样例↑）

贴入 figma 稿件地址后，等待效果生成

生成预览前端代码

当然，MCP 服务也没有那么“神”，其实是做了一个编辑器的中间转换器，能够支持编辑和读取 figma 内的相关数据。

在这个场景中的 MCP 相当于是对 Figma 的数据上下文结构信息进行读取，结构化设计能力还是依赖于底层模型 Claude，还是会出现布局混乱的现象，在实际用途上是更方便的取数了。

Figma 的 MCP 文件读取，可以看到实际上是读取了 Figma 的文件 Dom 结构信息。

使用图片下载的 MCP 能力，对页面结构中的图片进行填充。

2、生成 AI 新闻资讯卡片

主要是实现一句话联网搜索相关信息后，参考相关的样式图进行页面填充，但是看起来也并不稳定，底层还是依赖于 Claude 的能力。

获取最新的新闻数据
参考 Figma 样式

给予对应的 Figma 样式参考链接

生成最后的效果

六、 MCP客户端工具

注意，很多模型是不能直接支持MCP服务的，因为模型本身没有办法去识别插件的能力（类似之前的function calling）也需要去对不同的工具去识别，在这里推荐开源的模型就是Qwen-max。

Cherry Studio，支持了SSE（类似https接口形式）和npx的安装方式。

当然必须给他点个赞，还是个开源项目：

https://github.com/CherryHQ/cherry-studio

安装完cherry studio后，除了配置基础的模型服务，我们主要在设置中去配置MCP服务器，同时我们应该先把UV/Bun进行一键安装依赖，然后点击添加服务器。

以idoubi大佬的mcp服务市场对接为例：https://mcp.so/

SSE注册方法：

直接拿到SSE的URL即可，就可以在cherry stuido中选择以“SSE”的结构导入。

npx注册方法：

点击“编辑JSON”按钮，选择“STDIO”选项的结构，将下面的json结构文件中的正文部分内容进行贴入。

{ 
      "mcpServers": { 
         "sequential-thinking": {   
            "command": "npx",    
             "args": [    
                 "-y",       
                  "@modelcontextprotocol/server-sequential-thinking"
               ]
           } 
        }
     }

配置好后点击“启用”按钮。

需要选择能够支持MCP的模型后，启用MCP服务。

可以看到MCP服务已经调用成功了。

MCP的出现，可以说是人工智能发展路上的一个重要标志。

它不再是被动的“回答者”，而是主动的“协作者”。不仅改变了技术的边界，也悄然重塑了我们与世界的互动方式。

虽然 MCP 技术本身可能看起来复杂，但它的核心思想——“连接和整合”——是非常直观且实用的。

通过了解 MCP 的基本原理，普通人也能更好地利用基于 MCP 的工具和服务来提升自己的工作效率。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】