1 什么是 MCP？AI 界的“USB-C”时刻

2024 年 11 月，Anthropic 开源了一个名为 MCP（模型上下文协议）的标准。说到底，目标其实很简单，但也很宏大：给 AI 和外部世界之间，统一一条连接线。 业务小剧场：测试同学的一天 想象一下，你要把一份 PRD 变成 HAL 上可执行的 Midscene 用例。没有 MCP 时，你会怎么做？在 Cursor 里反复粘贴 Midscene 官方文档、HAL 平台约定，让 AI 生成 YAML，再手工登录 HAL 上传；换到 Claude Desktop，又得重来一套对接。而有了 hal900-mcp 之后，同一套 Server 可以插进任意 MCP Host，AI 自动读 Resources、调 Tools，PRD → 校验 → 入库，一条链路走完。 后文整篇案例，就是在解决这个「最后一公里」。 曾经的噩梦：N×M 的集成地狱 在 MCP 出现之前，要把 AI 接到企业系统，往往是一场灾难。以实际场景为例： - N 个 Host：Cursor、Claude Desktop、VS Code Copilot……每个都要单独接 HAL - M 类能力：HAL 用例 API、Midscene 语法文档、平台校验规则、需求管理……每类都要写一遍适配 如果每个 Host 各写一套插件，那就是 N×M 次重复造轮子： - ❌ 每个 API 都要单独写适配代码 - ❌ 每个 AI 应用都要单独对接 - ❌ 文档和规则散落在 Prompt 里，一改就全废 这种碎片化，极大地限制了 AI 在测试场景落地的速度。 MCP 的解法：N+M 的极简主义 MCP 就像 AI 世界的 USB-C 接口。实现一次 hal900-mcp，在 Cursor 的 `mcp.json` 里配好启动命令，任何支持 MCP 的 Host 都能复用同一套 Resources 与 Tools，无需为每个 AI 应用重写 HAL 对接。 N 个 AI + M 个工具 = N+M 次集成 看似简单的数学变化，却从根本上改变了游戏规则。接下来两章，我们会用 hal900-mcp 拆开看：三大原语怎么分工（Part 2）、为什么选 stdio（Part 3），再在 Part 4 进入完整实战。

2 核心原理：不止是“工具调用”

很多文章只讲了 Tools，但 MCP 的真正威力在于它的三大原语和清晰架构。下面先用通用定义建立直觉，再以 hal900-mcp 说明它们如何分工——这也是后文 Part 4 实战的「概念地图」。 三大核心原语（Primitives） MCP 不仅仅能“做事”，还能“读书”和“给模板”。 | 原语 | 定义 | 典型场景 | 你的选择 | |---|---|---|---| | Resources