什么是模型上下文协议?
模型上下文协议(Model Context Protocol,MCP)是一种让 AI 应用以共同方式连接外部数据、工具和提示资源的开放协议。它帮助不同应用与服务约定如何发现能力、传递请求和取得结果,减少每次接入都重新设计全部交互的需要。
MCP 不是大模型,也不会自动让模型更聪明。它主要解决连接与上下文交换问题。MCP 官方架构说明明确区分协议范围与应用如何使用模型、管理上下文。
它为什么会受到关注?
AI 应用经常需要搜索文档、读取业务资料和调用系统。如果每个应用都为每个服务编写不同接入方式,组合数量增加后,维护会变得复杂。
MCP 提供共同接口约定,使服务可以以相近方式暴露能力,支持协议的应用再按相应规则使用。这类似统一连接规范,但不意味着所有业务规则、权限与数据结构也自动统一。
协议解决了如何沟通,服务仍需要说明自己能做什么、输入是什么、结果代表什么。
Host、Client 和 Server 分别是什么?
Host 是承载 AI 体验的应用,负责组织模型、用户交互与连接。Client 是其中与 MCP 服务通信的组件。Server 提供可被发现和使用的外部能力或内容。
Server 可以运行在本机,也可以远程提供服务。它不一定直接保存全部业务数据,也可能把已有系统接口转换成 MCP 可使用的能力。
模型通常通过宿主应用参与决策,真正的通信和执行由应用与服务完成。不能把“模型决定调用工具”理解成模型绕过系统权限直接操作数据库。
工具、资源与提示有什么区别?
- 工具描述可以执行的功能,例如查询库存或创建记录;
- 资源提供可读取的背景内容,例如文档;
- 提示提供可复用的交互模板。不同应用对这些能力的支持程度可能不同。
MCP 官方关于服务端能力的说明介绍了这些基础概念。具体协议版本可能演进,实际接入应检查双方兼容范围,而不是只看名称一致。
工具既可以只读,也可能修改外部状态。能力描述本身不等于用户授权,应用仍需明确何时可以调用以及允许哪些参数。
一个库存查询例子
以下是说明性例子。
企业把库存系统的查询能力通过 MCP 提供给 AI 应用。用户询问某商品是否有货,应用发现相应工具,提交商品与仓库条件,取得结果后再组织回答。
如果服务只返回库存估计,回答就不应变成“已经为你锁定库存”。若用户要求创建预留,又需要另一个具有明确权限与结果语义的操作。
这说明共同协议可以简化连接,但业务状态、授权与结果确认仍由具体系统定义。连接成功并不代表任务已经完成。
MCP 与 API、RAG、智能体有什么关系?
API 是更广泛的系统接口,MCP 服务可以包装已有 API。RAG 主要描述检索后生成的流程,MCP 可以提供其中的资料或检索工具,但不是 RAG 的替代品。
智能体可以通过 MCP 使用外部能力,但也能通过其他方式调用工具。采用 MCP 既不是成为智能体的必要条件,也不保证智能体行为可靠。
使用时需要注意什么?
需要确认服务来源、能力范围、权限与数据流向。外部返回内容可能包含错误或试图影响模型的指令,应按资料对待,不能自动提升为可信系统要求。
还要管理敏感信息、调用记录与高影响动作。协议提供交互规范,并不自动保证所有服务可信、安全或业务上正确。
MCP 更适合多个 AI 应用与外部能力需要复用连接的场景。对于非常简单、单一的系统,直接调用现有接口也可能足够。
统一协议为什么不等于统一信任?
不同服务采用相同通信方式,仍可能由不同人员开发、访问不同数据并拥有不同权限。协议兼容只能说明双方有机会交流,不能证明服务内容可靠。
工具描述也可能不完整或错误。所谓只读、可重试等提示,应作为待核实能力信息,而不是自动授权。应用需要依据实际行为与用户任务决定使用范围。
外部返回内容尤其应与可信指令区分。网页、文档或工具结果中出现“忽略原规则”等文字,并不会因此成为宿主应用必须遵守的要求。
因此,MCP 生态的便利与安全管理需要同时理解。连接复用可以减少开发成本,但服务选择、权限、数据流向和结果确认仍然存在。一个清楚限定用途的连接,通常比暴露大量不必要能力更容易维护与评价。
协议名称还不应被当作业务服务质量认证。一个连接能发现工具,只代表能力可见;工具是否可用、结果是否完整、外部操作是否完成,仍需要结合实际返回和运行状态确认。
袋鼠云可以提供哪些相关能力?
袋鼠云 AIWorks公开资料包含 MCP 工具生态,可将企业系统能力组织为智能体可使用的工具。具体接入与权限仍需结合服务和任务确认。

