跳转到正文
Agent 工程篇约 3 分钟
打开原图 ↗

MCP ​

MCP的工作原理 ​

在MCP的工作中,有四个核心角色:AI应用,MCP Client(客户端),MCP Server(服务端),业务系统

  • AI应用:面向用户的终端产品,如“AI旅行规划”,将用户输入的信息经过处理后,传递给内置“MCP Client”

  • MCP Client:收到请求后,转换为MCP Server认识的标准请求,处理接口协议等

  • MCP Server:收到客户端传来的标准请求,转换为调用内部业务系统的“API”或工具

  • 业务系统:收到MCP Server的调用后,处理并返回业务数据

以查询天气为例 ​

用户-->AI应用:今天北京天气怎么样
AI应用-->MCP Client:查询天气tool,北京,今天
MCP Client-->MCP Server:标准查询请求[北京,今天]
MCP Server-->天气系统:调用天气API查询北京今日
天气系统-->MCP Server:返回天气数据[晴,5℃,北风3级]
MCP Server-->MCP Client:格式化天气数据
MCP Client-->AI应用:北京今日天气信息
AI应用-->用户:北京今天晴天,5度,北风3级

MCP资源 ​

官方与规范 ​

客户端与工具 ​

  • Claude Code MCP 服务器 — Claude 桌面/编码场景下的 MCP 配置说明
  • Zapier MCP — 将 Zapier 动作暴露为 MCP 工具
  • MCP Router · GitHub — 本地 MCP 控制平面:集中管理、工作区隔离、请求可见
  • mcp2cli(PyPI)— 将 MCP / OpenAPI / GraphQL 动态转为命令行;支持「懒发现」与缓存,减少每轮注入完整工具 schema 的 token 开销(官方 README 称约 96–99%)。详见下文专题。

服务器与市场 ​

开发与集成 ​

  • GitMCP — 将任意 GitHub 仓库转为远程 MCP 服务器,便于 AI 理解代码与文档
  • Arthas MCP Server — 基于 MCP 暴露 Arthas 诊断能力,供 AI 助手调用 JVM 监控、类加载、方法追踪等工具

常用 MCP 示例 ​

以下 20 个示例选自 Awesome MCP Servers(中文),覆盖文件、数据库、协作、搜索与开发等常见场景。

MCP 名称功能适用场景
filesystem读写本地文件系统代码生成、文件操作
GitHub仓库 / PR / Issue 管理协作开发、代码评审
Git / GitLab本地仓库与 GitLab 项目管理版本控制、CI/CD
PostgreSQL数据库查询与模式检查数据分析、运维
MySQL数据库访问与查询业务数据、报表
SQLite轻量数据库与内部分析本地数据、原型
MongoDB文档库查询与操作NoSQL、日志分析
Playwright / Puppeteer浏览器自动化与网页抓取前端测试、爬虫
Slack频道与消息管理团队协作、通知
飞书文档与协作(OAuth)企业协作、知识库
Sentry错误与性能监控Bug 分析、排障
fetch网页内容获取与处理信息抽取、RAG
Google Drive文件列表、阅读与搜索文档检索、同步
Notion笔记与待办、API 交互文档管理、知识库
Memory长期记忆与知识图谱多轮对话、偏好记忆
Brave Search / Tavily网页搜索实时信息、调研
Figma设计稿读取与实现设计还原、协作
Docker容器管理与操作开发环境、部署
LeetCode题目、题解与进度刷题、面试
OpenAPI / Swagger将 REST API 转为 MCP 工具接口调试、集成

更多服务器(按类别整理的完整列表)见 Awesome MCP Servers(中文)。

发现问题或有实践经验想分享? 参与讨论 ↗

把 AI 从「会聊天」推进到「能稳定交付」