背景

劈里啪啦的整了一堆概念，对mcp server还是只停留在知道个词的地步。

虽然目前大模型的对话生成能力很强，但是大模型（如deepseek）并不能直接进行如 文件增删、数据库查询、发送邮件等操作，就算你把数据库地址账号密码这些输入到deepseek模型，它也只会停留在文字层面，无法向专业人员一样操作数据库，然后帮你拿回查询结果。

说白了，人类对大语言模型的使用不想仅停留于多轮对话，然后输出干巴巴的语句。想更进一步偷懒，把使用工具的权力也交给AI模型，让AI模型帮你按输出的建议执行实际的操作。

最典型的就是， 让cursor帮你生成一个增删改成的python demo，不只输出代码内容，顺便把初始化项目目录、新建文件、启动开发、根据控制台报错、反复自动进行多轮debug。甚至，你要是整个ssh的mcp server， 是不是顺便还能帮你在服务器上装个nginx， 安docker，发布上线python demo、 从而直接运维后台服务了。

当然，就目前而言，可靠性还是差得很远，要是不做约束，你也无法确保它哪天会不会给你删库跑路了。

mcp server的必要性

所以，mcp server就是为了解决大语言模型和与外部工具的交互问题而出现的，提供能力增强的同时，也得加以约束。

mcp server的基本概念

MCP Server是Anthropic公司于2024年提出的开源协议（MCP）的核心部分，旨在解决LLM与外部系统（如数据库、API、文件等）的集成问题。其主要功能包括：
‌资源暴露‌：提供对数据实体（文件、数据库记录等）的标准化访问接口，例如file:///home/user/report.txt或memo://recent-insights。
‌工具提供‌：暴露可执行功能（如数据库查询、文件写入等），供LLM调用以完成复杂任务（例如query_database(SQL语句)或write_file(文件路径,内容)）。
‌动态通知‌：当资源变化时通过JSON-RPC 2.0协议向客户端推送通知（如notification消息）。

mcp server的架构与核心组件

MCP采用客户端-服务器架构，包含以下核心组件：

‌MCP Host‌：运行AI应用程序的环境（如Claude Desktop、Cursor IDE等），托管MCP Client并协调通信。
‌MCP Client‌：中介角色，管理Host与Server间的请求/响应，处理实时通知（如任务进度更新）。
‌MCP Server‌：轻量级本地服务，通过工具（Tools）、资源（Resources）、提示（Prompts）三大能力扩展LLM功能。

总结

‌MCP Server作为LLM生态的关键基础设施，通过标准化协议解决了AI与真实世界交互的碎片化问题，其轻量级、安全性和模块化特性使其成为智能体开发的重要工具。