AI Agents MCP协议详解
· 10 min read
MCP 最早是由 Anthropic（Claude 的母公司）在 2024 年末推出的，但它是一个开源协议标准。目前不仅 Claude 在用，开源社区也迅速跟进，逐渐成为了 AI Agent（智能体）连接现实世界的工业标准。
MCP 的诞生源于解决 LLM 应用的一个关键限制，即它们与外部数据源和工具的隔离问题。
在使用AI Agent时还会看到另外两个概念
- API：是给程序用的，它是基石。
API调用：底层的“神经连接”。比如当你使用 Python 或 Node.js 调用 anthropic.messages.create 时，你是在进行最底层的通信。
- CLI：是给人（或运维脚本、或AI Agent）用的，它是为了省去写代码的麻烦，快速调用特定厂家的服务。
传统的CLI常用于快速原型测试：在给客户设计方案前，用 CLI 快速测试不同参数的响应质量。
CLI 工具往往会根据任务类型（比如 chat 或 extract）预挂载一套经过官方调优的系统 Prompt。这些 Prompt 的权重要高于你自己随手写的指令，因此回复会更“稳”。CLI通过“工程化的最佳实践”，帮你规避了大量因低效调用导致的 Token 浪费。
人类的“瑞士军刀”，CLI 这类工具主要是为了让人类在终端更爽地用 AI。
局限性：CLI 是孤立的。它是一个“品牌专用”的遥控器。如果你想让 MiniMax CLI 去读取你的微信聊天记录，除非开发者给 CLI 写了这个功能，否则它做不到。
- MCP：是给 AI Agent 用的，它是为了建立一个通用的协议，让 AI 能够像插拔 USB 设备一样，无缝切换并使用各种本地或云端的工具。赋予机器人操作本地文件、数据库和复杂 API 的能力。
在 AI 工作流中扮演的角色完全不同。
简单来说：API 是“原木”，CLI 是“成品家具”，而 MCP 是“家具拼装标准（如宜家接口）”。
MCP (模型上下文协议)：AI 的“USB 接口”
MCP 的出现是为了终结“孤岛”。
本质区别：MCP 不是为了让你用命令去调 AI，而是为了让 AI 能够调动你本地的所有资源。
革命性点：它把“能力”和“模型”解耦了。