前言

MCP（Model Context Protocol）这个概念，近期在人工智能开发者圈子里被频繁讨论。它由Anthropic于2024年底正式提出，是一套开放标准，核心理念在于让AI应用程序能够通过统一、标准化的方式与外部工具及数据源进行高效对接，从而大幅降低集成成本。

什么是MCP

你可以把MCP直观地理解为AI世界里的"USB-C接口"。在过去，如果想为AI系统添加一项新能力，比如查询天气、检索数据库或发送邮件，每个系统都需要单独编写一套对接代码。面对M个模型×N个工具的场景，维护成本会呈指数级增长，令人头疼。

MCP要解决的核心痛点正是标准化。采用MCP之后，复杂的M×N问题被简化为M+N。任何一个MCP客户端都能无缝连接任何一个MCP服务器，就像USB-C接口统一了充电和数据传输标准一样，实现了真正的互联互通。

MCP的三个核心概念

根据官方规范，MCP明确了服务器能够提供的几类功能。具体来说，有三个最核心的概念需要掌握：

1. Tools（工具）：AI能够主动调用的函数，例如"查天气""读文件"。这是最核心的能力，AI会根据实际需要自主决定何时调用。
2. Resources（资源）：被动提供的数据，比如文件内容或API返回的数据。AI不能主动调用，只能在需要时按需读取。
3. Prompts（提示词模板）：预定义好的提示词模板，用户可以一键调用，快速复用常见场景。

举个例子：一个MCP Server可以同时提供"搜索文档"（Tool）和"项目说明文档"（Resource），AI既能自主判断何时需要执行搜索，也能在用户提问时直接读取文档内容给出回答。

架构：Host → Client → Server

MCP采用的是清晰的三层架构：

• Host：用户直接打交道的AI应用，比如Claude Desktop、Cursor，或者mini-cc。
• Client：Host内部维护的模块，每个MCP Server对应一个Client，负责具体的JSON-RPC通信细节。
• Server：真正执行任务的后台服务，可以用任何语言编写——Python、Node.js、Go、Rust都完全支持。

通信协议走的是JSON-RPC，传输方式支持stdio（本地进程间通信）和HTTP/SSE（远程服务），灵活适配不同部署场景。

mini-cc中的MCP实现

那么mini-cc里这套MCP机制具体是怎么实现的？查看源码会发现，其实并没有想象中那么复杂。

预加载策略

mini-cc采用的是预加载策略，而非按需加载。启动时，它会将所有已配置的MCP Server连接好，并把工具直接注册到全局工具注册中心。

设计时面临一个关键选择：是每次需要工具时再临时连接，还是一启动就全部连接？最终团队选择了预加载策略。原因是mini-cc运行过程中子Agent会频繁创建，如果每次创建时都去重新连接MCP Server，延迟会明显变高，影响用户体验。启动时慢一点点完全可以接受，只要子Agent创建过程足够顺畅，那就值了。

当然，预加载也有代价——如果某个MCP Server挂了，启动可能会变慢甚至整个挂掉。因此mini-cc做了完善的容错处理：某个Server连不上就打出警告继续启动，不影响核心功能正常运行。

启动流程大致如下：

启动 mini-cc↓扫描 MCP Server 配置↓全部连接，获取工具列表↓注册到全局 ToolRegistry↓Agent 循环可以直接使用

配置文件的优先级

MCP Server的配置存放在.minicc/mcp.json文件里。配置文件的查找遵循明确的优先级：先找当前工作目录下的.minicc/mcp.json，找不到再找用户的~/.minicc/mcp.json，都找不到就当没有配置MCP Server。

环境变量的优先级更高，整体顺序为：环境变量 > 项目配置 > 全局配置。这样设计的好处是，可以在某个特定项目里配置专用的MCP Server，而不会影响其他项目，实现了灵活隔离。

两种Server连接方式

mini-cc支持两种MCP Server连接方式：

stdio模式：本地进程，通过标准输入输出进行通信，是最常用的方式。配置示例如下：

{"mcpServers": {"filesystem": {"command": "npx","args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/me/Desktop"],"env": { "DEBUG": "true" }}}}

HTTP/SSE模式：远程服务，通过HTTP加Server-Sent Events进行通信，适合需要中心化部署或跨网络调用的场景。

配置里还支持环境变量自动展开，格式为${ENV_VAR}，或者带默认值的${ENV_VAR:-default}，使用起来更加灵活。

工具适配器

mini-cc里有一个MCPToolAdapter，它的工作方式非常直接：把MCP Server返回的工具定义拿过来，包装成mini-cc自己的Tool接口格式，然后在execute方法里把调用转发给MCP Client并等待结果返回。

class MCPToolAdapter implements Tool {name: string;description: string;inputSchema: JSONSchema;async execute(args: any, context: ToolUseContext): Promise<ToolResult> {const result = await this.client.callTool(this.name, args);return result;}}

这样一来，Agent在调用工具时，完全不需要知道这个工具是内置的还是来自MCP插件——接口层把一切差异都抹平了，开发者体验非常统一。

MCP客户端的核心逻辑

MCP客户端的核心其实并不复杂，本质就是通过stdio与Server进程通信，使用JSON-RPC发送请求并解析响应。

不过，编写客户端时需要对ChildProcess的标准输入输出做正确处理。数据粘包（多个响应拼在一起）或解析卡死的问题很容易碰到。好在官方MCP SDK（@modelcontextprotocol/sdk）已经把这些底层细节封装好了，直接拿来用就行。mini-cc里也引用了这个包。如果你自己编写MCP客户端，强烈建议直接使用SDK，不要重复造轮子。

MCP的安全特性

需要明确指出的是，MCP协议本身并不负责安全，安全机制需要上层自行实现。MCP的角色是运输层，而非安全层。不过，mini-cc仍然做了几层防护来保障安全性：

1. 进程隔离

每个MCP Server都运行在独立进程中，崩溃不会影响主程序。同时还做了资源限制：

const process = spawn(serverPath, [], {stdio: ['pipe', 'pipe', 'pipe'],resourceLimits: {maxCPU: 1000, // 最多跑1秒CPU时间maxMemory: 512 * 1024 * 1024// 限制512MB内存}});

2. 严格模式

如果希望某个环境"必须"有MCP Server才能运行，可以通过MINICC_MCP_STRICT=1环境变量让启动失败：

这个设计非常实用：本地开发时MCP不是必需品，连不上就跳过；但在CI/CD流水线上，如果没有配置好MCP测试环境，就应该提前报错，避免把问题带到生产环境。

3. 用户审批

敏感操作需要用户明确授权，这一点在之前工具系统的文章里已经详细讲解过。

MCP官方网站对安全有三条核心建议：

• 用户同意：涉及数据访问和操作必须获得用户明确同意
• 数据隐私：不能未经用户同意就把数据传给第三方
• 工具安全：工具本质上可以执行任意代码，调用前必须由用户确认

这些原则在mini-cc设计时基本都已经被充分考虑和落地。

测试你的MCP Server

开发MCP Server时如何进行调试？官方提供了一个非常实用的MCP Inspector工具：

npx @modelcontextprotocol/inspector node your-server.js

打开浏览器后，你可以直观地看到Server暴露了哪些Tools和Resources，还可以交互式地测试调用。编写第一个MCP Server时，这个工具能帮助你一步步验证功能，节省大量排查时间。

一个简单的MCP Server示例

一个最简单的Node.js天气插件代码如下：

#!/usr/bin/env nodeconst { Server } = require('@modelcontextprotocol/sdk/server');const { StdioServerTransport } = require('@modelcontextprotocol/sdk/server/stdio');const server = new Server({name: 'weather-server',version: '1.0.0'});server.setRequestHandler('list_tools', async () => ({tools: [{name: 'get_weather',description: '获取城市天气',inputSchema: {type: 'object',properties: {city: { type: 'string', description: '城市名称' }},required: ['city']}}]}));server.setRequestHandler('call_tool', async (request) => {if (request.params.name === 'get_weather') {const city = request.params.arguments.city;const weather = cities[city] || { temp: '未知', condition: '未知' };return { content: `${city} 天气: ${weather.temp}°C ${weather.condition}` };}});const transport = new StdioServerTransport();server.connect(transport);

配置好之后重启mini-cc，get_weather工具就会出现在Agent的工具列表里。当用户在聊天中提及天气时，Agent会自动决定调用这个工具来获取实时信息。

总结

MCP协议是mini-cc插件生态的基石，其核心价值体现在以下几个方面：

1. 标准化接口：统一的工具定义和调用方式，无需再为每个AI单独编写对接代码，开发效率大幅提升
2. 语言无关：插件可以用任何语言编写——Python、Node.js、Go、Rust都完全支持，灵活适配不同技术栈
3. 安全隔离：插件运行在独立进程中，即使崩溃也不会影响主程序，保障系统稳定性
4. 预加载策略：启动时全部加载并缓存，子Agent创建时零延迟，用户体验更流畅

如果你觉得mini-cc自带工具不够用，随时可以自行开发MCP插件来扩展功能，满足个性化需求。

关于安全方面，需要再次强调：MCP协议本身只定义了消息如何发送，安全防护还得靠上层Host自行实现。mini-cc编写了一套完整的审批流程，敏感工具调用前会弹出确认窗口，让用户有充分知情权。如果要在生产环境中使用MCP，建议额外加一个网关来做权限控制、审计和限流，否则日志和审计追踪可能会比较棘手。