MCP 的工作流程是什么？

安逸Ai大约 7 分钟MCP工作流程协议

MCP 的工作流程是什么？

这道题考的是 MCP（模型上下文协议）的核心架构和工作原理，属于 AI Agent 工具调用领域的进阶知识点。面试官想看你能不能把"AI 怎么调用外部工具"这件事讲清楚。

我从四个方面来讲：MCP 是什么、核心三组件怎么分工、五阶段工作流程、实际怎么用。

MCP 是什么——像 USB 一样的"AI 接口标准"

先说清楚 MCP 是什么。

MCP 全称 Model Context Protocol，是 Anthropic 在 2024 年底推出的开放协议。它的核心目标是解决大模型和外部工具之间的连接标准化问题。

这话说得有点绕，我打个比方你就懂了。

你有没有想过，为什么现在随便一个鼠标、键盘、打印机，插上电脑就能用？因为 USB 协议定义了统一的接口标准。厂商不用发明新的连接方式，只要符合 USB 规范就能互联。

AI 领域之前就是这个状态。每个 AI 应用想调用工具，比如查数据库、搜网页、调 API，都要自己写一套对接代码。工具提供方也要配合不同的 AI 平台做适配。折腾得要死。

MCP 就是来解决这个问题的。它定义了一套标准的通信协议，让任何支持 MCP 的 AI 都能调用任何支持 MCP 的工具。不用每对组合都单独开发。

所以 MCP 的核心价值是：它不发明工具调用，而是提供标准化的通信框架。就像 USB 不发明鼠标和键盘，但让所有设备能通用。

阅读全文

核心三组件——Host、Client、Server 的分工协作

搞懂 MCP，第一件事是理解它的三组件架构。

Host 是 MCP 的运行环境。你可以理解成 AI 应用的"宿主进程"。Claude Desktop、Cursor 这些集成了 MCP 的应用就是 Host。Host 负责整合所有功能，给用户提供统一的体验。

Client 是 Host 和 Server 之间的通信中介。Host 内部会为每个 Server 创建一个 Client。Client 负责管理连接、发送请求、接收响应。你不用直接和 Client 打交道，但它在背后默默工作。

Server 是暴露工具能力的组件。它对外提供工具列表、定义工具参数格式、响应工具调用请求。Server 才是真正"做事"的地方——查数据库、调 API、读文件，都由 Server 执行。

三者的关系是这样的：Host 包含 Client，Client 连接 Server。一个 Host 可以同时连接多个 Server。

我再打个比方，把 MCP 比作餐厅：

Host 是餐厅老板，提供场所、接待顾客、整合服务
Client 是服务员，在顾客和厨房之间传话、协调
Server 是厨房，真正做菜、产出结果

顾客（用户）进餐厅，跟服务员说要点宫保鸡丁。服务员把需求传给厨房，厨房做好了再由服务员端回来。这就是三组件协作的基本模式。

五阶段工作流程——从用户输入到结果输出

现在讲重点，MCP 的工作流程分五个阶段。

第一阶段：意图识别

用户给 AI 发了一条指令。

比如："帮我查一下今天北京的天气"

AI（准确说是 AI 背后的 LLM）要理解：用户想干嘛？这个任务需要调用外部工具吗？

如果用户只是闲聊，AI 正常回复就行。如果涉及需要实时数据或外部能力的任务，LLM 就会触发 MCP 流程。

这个阶段的关键是：LLM 判断要不要调用工具，以及调用哪个工具。

第二阶段：工具发现

LLM 确定要调用工具后，它需要知道有哪些工具可用。

这时候 MCP Server 会把自己暴露的工具列表发给 Client，Client 再传给 Host。LLM 拿到工具描述（每个工具叫什么、能做什么、参数是什么），从中选一个合适的。

继续上面的例子。LLM 看到有个 weather 工具，能查指定城市的天气。它决定调用这个工具。

这个阶段的关键是：Server 暴露能力，LLM 基于描述做选择。

第三阶段：构造请求

LLM 选好工具后，要构造调用请求。

请求里包含：调哪个工具、传什么参数。格式是 JSON-RPC 2.0，MCP 规定的标准格式。

比如：调用 weather 工具，参数是 city="北京"。

这个请求从 LLM 传到 Host，传给对应的 Client，Client 再发给对应的 Server。

这个阶段的关键是：请求格式标准化。

第四阶段：工具执行

Server 收到请求后，真正去执行操作。

可能是查数据库、调第三方 API、读本地文件。执行完生成结果。

还是上面的例子：Server 调用天气 API，获取到"北京今天晴，25度"。

这个阶段的关键是：Server 是实际的执行者。

第五阶段：结果整合

Server 把执行结果返回给 Client，Client 传给 Host。

Host 把结果返回给 LLM。LLM 拿到工具的原始输出，结合原始问题，生成最终回复。

回到例子：LLM 拿到"北京今天晴，25度"，用它来回答用户的问题。

整个流程串起来就是：用户输入 → LLM 意图识别 → 工具发现 → 构造请求 → Server 执行 → 结果整合 → LLM 生成回复

实战场景——MCP 怎么用、解决什么问题

说这么多，MCP 到底能干嘛？

场景一：数据库查询

你没有 MCP 之前，想让 AI 分析销售数据，得先把数据导出来、清洗好、喂给 AI。有 MCP 之后，AI 能直接连数据库，用自然语言问"去年第四季度销售额是多少"，AI 自动转成 SQL、执行、返回结果。

场景二：实时信息获取

AI 训练数据有截止日期，问它"今天热搜是什么"它答不上来。有了 MCP，AI 可以调用搜索工具或者新闻 API，拿到最新信息再回答。

场景三：文件系统访问

让 AI 帮你整理文件夹、读代码库、生成报告。MCP 让 AI 能直接操作文件，不用你手动复制粘贴内容。

场景四：第三方 API 集成

比如调地图 API 查路线、调日历 API 安排会议、调邮件 API 发消息。AI 不只是"纸上谈兵"，能真正动手做事。

MCP 解决了 AI 从"能说不能做"到"能说又能做"的跨越。没有它，LLM 每次想用工具都得单独对接。有了它，工具一次适配、处处可用。

面试怎么答

基础版（直接背）

MCP 是模型上下文协议，由 Anthropic 推出，解决大模型与外部工具连接的标准化问题。
架构上分三个组件：Host 提供运行环境、Client 做通信中介、Server 暴露工具能力。
工作流程分五阶段：意图识别 → 工具发现 → 构造请求 → 工具执行 → 结果整合。LLM 扮演决策者角色，基于 Server 暴露的工具描述选择合适的工具调用。
通信采用 JSON-RPC 2.0 规范，实现标准化交互。

加分版（扩展聊）

在基础版基础上，可以加这些：

能画出 Host/Client/Server 的架构图，解释它们的包含和连接关系
理解 MCP 和 Function Calling 的关系：MCP 是标准化的 Function Calling 框架，把原来各平台自定义的函数调用规范统一了
知道实际应用：Cursor、Claude Desktop 已经集成 MCP，开发者可以自己写 MCP Server 扩展 AI 能力
了解安全风险：MCP Server 安装来源可信性、运行时的权限控制、工具更新的安全性都需要考虑