大模型——MCP 深度解析

MCP 深度解析

套用一句关于幺半群的名言："MCP 是一种开放协议，用于标准化应用程序向 LLM 提供上下文的方式，问题何在？"但即使花数小时阅读 MCP 的定义并实操示例，仍难以清晰把握其具体运作流程：LLM 负责什么？MCP 服务器做什么？MCP 客户端的角色是什么？数据流如何流动？决策点位于何处？本文将深入解析 MCP 的本质、工作原理，并通过完整的分步示例展示各组件如何协同工作，以及每一步的具体操作。

具体而言，我们部署了一个故意包含漏洞的 Cloudflare Worker。该错误在 Sentry 中触发警报后，Visual Studio Code（VS Code）内运行的 AI 助手（Cline）通过托管的 Sentry MCP 服务器提取堆栈跟踪信息，通过本地 GitHub MCP 服务器创建对应的 GitHub 问题，修补代码，提交修复并重新部署 —— 所有操作均在人工审批下完成。MCP 将集成工作从 M×N 定制桥接模式简化为 M+N 适配器模式，但也带来了延迟、安全审查和学习曲线等成本。

为何需要 MCP

当 AI 助手需要协调现实系统（如用于监控的 Sentry、代码管理的 GitHub、工单系统 Jira、数据库 Postgres 等）时，每增加一对工具集成，就需要一个定制适配器、一组令牌垫片和一处潜在故障点。最终形成的 “胶水代码” 不仅难以维护，还增加了安全风险。MCP 的诞生旨在通过统一的交互协议取代这种混乱局面，使任何兼容的主机都能直接与合规工具通信。

M×N 集成成本

若没有 MCP，每个大型语言模型（LLM）主机