若你正为 ChatGPT、Claude、Gemini 各写一套工具接入层，或纠结「REST API 够不够、要不要上 MCP」——本文给出可写进架构评审的结论：① MCP（Model Context Protocol）是 Anthropic 2024 年 11 月开源的 AI 工具互联标准，解决 N 个模型 × M 个工具的碎片化集成；② 它像 HTTP 之于 TCP/IP 一样，把「AI 如何发现、选择并调用工具」标准化；③ 2026 年 OpenAI、Google、Microsoft 全面入局，生态已超 10,000 个 MCP Server。与Agent Skill 指南、编程助手对比互补——本篇只啃协议层 → 历史类比 → 落地路径。
类比历史：1970 年代 ARPAnet、Ethernet 各自为政，直到 TCP/IP 统一通信规则，HTTP 再构建万维网。AI 世界在 2024 年前，正处于同一种混沌——MCP 试图成为那层「统一语言」。
现代 LLM 有三大能力边界：训练数据截止、无法访问实时信息、无法执行操作。解法是给 AI 接上「手脚」——Tool Use / Function Calling。但现实是：
就像 USB 标准化之前：Mini-USB、Micro-USB、Lightning 各走各路。MCP 要做的，就是 AI 工具集成领域的 USB-C——设备无需关心对方是谁，插上就能通信。
| 场景 | 痛点（无 MCP） |
|---|---|
| 企业 CRM 接入 AI | 需为 Claude、GPT、Gemini 分别开发适配层 |
| IDE 中的 AI 助手 | 访问文件系统、数据库、API 的方式各不相同 |
| AI Agent 编排 | 工具定义无法跨 LangChain、CrewAI 等框架复用 |
Host（宿主层）——如 Claude Desktop、Cursor、VS Code，内嵌 MCP Client，维护与每个 Server 的 1:1 会话连接。Client 通过 JSON-RPC 2.0 与 MCP Server 通信；Server 暴露工具（Tools）、资源（Resources）、提示模板（Prompts），再对接数据库、API、文件系统等外部系统。
| 传输方式 | 适用场景 | 特点 |
|---|---|---|
| STDIO（标准输入/输出） | 本地子进程模式 | 零依赖、启动快、隔离性好 |
| HTTP + SSE | 远程/云端服务 | 支持跨网络调用、水平扩展 |
{
"jsonrpc": "2.0",
"method": "tools/call",
"params": {
"name": "query_database",
"arguments": { "sql": "SELECT * FROM users LIMIT 10" }
},
"id": 1
}
关键 RPC 方法：tools/list 运行时动态获取可用工具；resources/read 读取文件或数据库记录；Server 还可主动向 Client 推送消息——区别于传统 REST 的单向请求。
| 维度 | 互联网时代 | AI Agent 时代 |
|---|---|---|
| 问题 | 不同网络协议互不兼容 | 不同 AI 工具集成方式各异 |
| 解决方案 | TCP/IP + HTTP | MCP |
| 核心价值 | 统一通信语言，让设备互联 | 统一工具接口，让 AI 互联 |
| 开放性 | 开放标准，任何人实现 | 开源协议，任何人实现 |
| 应用层 | HTTP 之上诞生 Web、Email、FTP | MCP 之上将诞生 AI 应用生态 |
| 能力 | 传统 REST API | MCP |
|---|---|---|
| 工具发现 | 静态：读文档、硬编码 | 运行时 tools/list 动态获取 |
| 会话状态 | 无状态，每次请求独立 | 持久连接，支持多步骤工作流 |
| 自描述 | API 不会告诉 AI 自己能做什么 | 每个工具附带 JSON Schema |
| 通信方向 | 单向请求-响应 | 双向：Server 可反向请求推理或补充信息 |
关键本质：REST API 解决的是「能不能调用」；MCP 解决的是「AI 如何发现、选择并正确调用工具」——这才是 Agent 时代的核心命题。
从「一家公司的私有标准」→「行业公共基础设施」。治理权移交意义深远：类比互联网协议由 IETF 治理，MCP 真正成为「属于全行业的协议」。
截至 2026 年，MCP 生态已有超过 10,000 个 MCP 服务器。每新增一个 Server，所有支持 MCP 的客户端立即可用；每新增一个客户端，所有已有工具立即可被复用——这正是 HTTP 当年奠定 Web 生态的同一种网络效应。
Google 推出的 A2A（Agent-to-Agent）协议与 MCP 不是竞争关系：MCP 负责 AI 模型 ↔ 工具/数据（垂直集成层）；A2A 负责 AI Agent ↔ AI Agent（横向编排层）。两者共同构成 Agent 互联网的协议栈。
tools/list 与 tools/call。HTTP 没有发明浏览器，但没有 HTTP 就没有浏览器生态。TCP/IP 没有发明邮件，但没有 TCP/IP 就没有 Email。MCP 没有发明 AI Agent，但它正在成为 AI Agent 生态能够存在的基础设施。
开发者视角：写一次 MCP Server，所有兼容客户端可用；垂直领域专属 Server 仍是蓝海。企业视角：集成资产从「绑定供应商」变为「团队自有的可移植资产」；Google Cloud（BigQuery、Maps、GKE）、Azure、AWS 均已提供托管 MCP 服务。
但若把 MCP Server 与 Agent 跑在会睡眠的笔记本、与同事共用的开发机上，你会面临三项隐性成本：STDIO/SSE 长连接因合盖中断、环境漂移导致工具调用重试、以及无法维持 7×24 多步骤工作流。对需要稳定 MCP 会话与 Agent 编排的生产环境，把 Host 与 Server 落在 MACCOME Mac mini（M4 / M4 Pro）独占节点上，通常比在本地与睡眠策略搏斗更省总成本；公开档位见租赁价格说明。
多年后回望，2024 年 11 月 Anthropic 开源 MCP 规范这一刻，可能正是 AI 时代的「HTTP 诞生时刻」。
常见问题
MCP 和 REST API 有什么区别？
REST 解决「能不能调用」；MCP 解决「AI 如何在运行时发现、选择并正确调用工具」。MCP 支持 tools/list 动态发现、有状态会话、JSON Schema 自描述与双向通信。
换了 LLM 供应商，MCP Server 需要重写吗？
不需要。MCP Server 与底层模型解耦；只要新客户端支持 MCP，同一套 Server 即可复用。这也是企业集成成本可降 38–55% 的原因。
MCP 和 Agent Skill（SKILL.md）是什么关系？
Skill 是宿主内的提示与能力包；MCP 是跨宿主的标准工具协议。详见Agent Skill 指南。