目录

🏗️ MCP 架构全解析：Host、Client 与 Server 的协同机制

📌 引言

🧩 核心架构组件

1. Host（主机）

2. Client（客户端）

3. Server（服务器）

🔧 三大核心能力

1. Tools（工具）

2. Resources（资源）

3. Prompts（提示）

🔄 通信机制

🧠 工作流程示例

🚀 应用场景

---

---

🏗️ MCP 架构全解析：Host、Client 与 Server 的协同机制

📌 引言

在人工智能应用日益复杂的今天，如何高效地将大型语言模型（LLM）与外部数据源和工具集成，成为了开发者面临的重要挑战。模型上下文协议（MCP）应运而生，提供了一种标准化的方式，简化了这一集成过程。

🧩 核心架构组件

MCP 采用了典型的客户端-服务器架构，主要包括以下三个核心组件： (Model Context Protocol)

1. Host（主机）

Host 是运行 MCP 客户端的应用程序，通常是用户直接交互的界面，如 Claude Desktop、集成开发环境（IDE）或其他 AI 工具。它负责管理 MCP 客户端的生命周期，并协调与服务器的通信。

2. Client（客户端）

Client 嵌入在 Host 中，负责与 MCP Server 建立连接并进行通信。每个 Client 与一个 Server 建立一对一的连接，处理能力协商，并在自身和服务器之间协调消息传递。 (MCP 核心概念 -- Resources（上），官方原文分析 - 知乎, 模型上下文协议MCP - AiFly - 博客园)

3. Server（服务器）

Server 是外部程序，通过标准 API 向 AI 模型暴露工具、资源和提示。它连接内部或外部资源，按照 MCP 协议对外提供服务。

🔧 三大核心能力

MCP Server 可以提供以下三种类型的标准能力：

1. Tools（工具）

Tools 是模型可调用的函数或服务，用于执行特定任务。例如，模型可以调用一个天气查询工具，获取指定城市的天气信息。

2. Resources（资源）

Resources 是供模型读取的数据源，如文件数据或 API 响应内容。它们为模型提供了丰富的上下文信息，增强了模型的理解能力。

3. Prompts（提示）

Prompts 是预定义的模板，用于指导模型生成特定内容。它们可以接受动态参数，包含资源上下文，链式多个交互，引导特定工作流程，并作为用户界面元素（如斜杠命令）呈现。 (Prompts - Model Context Protocol)

🔄 通信机制

MCP 支持两种通信机制：

• 标准输入输出（stdio）：适用于本地通信，客户端通过启动 Server 子进程，通过标准输入输出进行消息交换。

• HTTP + SSE（Server-Sent Events）：适用于远程通信，客户端通过 HTTP POST 发送请求，Server 通过 SSE 推送响应。

消息传输采用 JSON-RPC 2.0 格式，支持请求（Request）、结果（Result）、错误（Error）和通知（Notification）等消息类型。

🧠 工作流程示例

以下是 MCP 的典型工作流程：

1. 初始化：Host 应用启动时，创建 MCP Client，并与 Server 进行能力协商。 (Model Context Protocol (MCP) an overview - Philschmid)

2. 能力发现：Client 请求 Server 提供的 Tools、Resources 和 Prompts，Server 返回相应的列表和描述。 (Model Context Protocol (MCP) an overview - Philschmid)

3. 上下文提供：Host 应用将资源和提示提供给用户，或将工具解析为 LLM 兼容的格式，如 JSON 函数调用。 (Model Context Protocol (MCP) an overview - Philschmid)

4. 调用执行：如果 LLM 需要使用某个工具（例如，根据用户请求“获取 X 仓库的未解决问题”），Host 指示 Client 向相应的 Server 发送调用请求。 (Model Context Protocol (MCP) an overview - Philschmid)

5. 结果返回：Server 执行请求的操作（例如，调用 GitHub API 获取问题列表），并将结果返回给 Client。 (Model Context Protocol (MCP) an overview - Philschmid)

6. 响应生成：Client 将结果传递给 Host，Host 将其纳入 LLM 的上下文中，生成最终的响应。 (Model Context Protocol (MCP) an overview - Philschmid)

🚀 应用场景

MCP 的标准化设计使其在多个领域具有广泛的应用前景，包括：

• 企业数据集成：通过 MCP，AI 模型可以访问企业内部的数据库和工具，实现智能化的数据分析和业务决策支持。

• 智能助手开发：构建功能丰富的 AI 助手，能够根据用户的需求调用不同的工具和资源，提供个性化的服务。

• 跨平台应用：MCP 的标准化设计使得 AI 应用可以在不同的平台和环境中部署，提升了系统的灵活性和可移植性。

---