这份报告基于2026年5月31日的最新数据，协议版本为2024年11月5日发布的稳定版，目前由Linux Foundation Agentic AI Foundation（2025年11月起）维护。先简单说几个核心判断：MCP正在从一个实验性协议快速演变为AI应用与外部系统互操作的事实标准，其生态规模、平台支持和社区热度都已经到了不容忽视的阶段。

一、MCP 是什么？

Model Context Protocol（模型上下文协议，MCP） 是由 Anthropic 于 2024 年 11 月 25 日发布的开放标准协议，旨在解决 AI 应用与外部系统之间的标准化连接问题。

核心类比

发展历程

2024-11-25   Anthropic 发布 MCP 协议（初版）
2025-06     社区月度新增 MCP 服务器从 135 个激增至 5,069 个
2025-09     MCP Registry 发布预览版
2025-11     MCP 正式移交 Linux Foundation Agentic AI Foundation 治理
2025-11     MCP 规范更新：新增 Tasks 原语 + Authorization 扩展（企业级能力）
2026-03     OpenAI、Google DeepMind、Microsoft 相继宣布支持 MCP
2026-05     GitHub MCP Registry 上线，awesome-mcp-servers 累计 85,000 Stars

二、核心架构

MCP 采用客户端-服务器架构，三个核心角色各司其职：

┌─────────────────────────────────────────────────┐
│ Host 主机应用                                    │
│（Claude Desktop / Cursor / IDE）                 │
│                                                  │
│  ┌──────────┐           ┌──────────┐             │
│  │ MCP Client│          │ MCP Client│            │
│  │ (1:1)    │          │ (1:1)    │              │
│  └────┬─────┘           └────┬─────┘             │
└───────┼──────────────────────┼───────────────────┘
        │    Transport Layer   │
        │  (stdio / HTTP SSE)  │
        ▼                      ▼
 ┌────────────┐       ┌────────────┐
 │ MCP Server │       │ MCP Server │
 │ (独立进程)  │       │ (独立进程)  │
 └────────────┘       └────────────┘
 提供：文件系统          提供：GitHub API

角色定义

关键约束：每个 Client 只连接一个 Server；每个 Server 同时只服务一个 Client；一个 Host 可运行多个 Client 并行工作。

三、传输层（Transport Layer）

所有传输均使用 JSON-RPC 2.0 作为消息编码格式。

3.1 Stdio（标准输入输出）

适用场景：本地进程通信、命令行工具、简单 IPC

Python 服务端示例：

from mcp.server import Server
from mcp.server.stdio import stdio_server

app = Server("example-server")

async def main():
    async with stdio_server() as streams:
        await app.run(streams[0], streams[1], app.create_initialization_options())

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

3.2 HTTP + SSE（服务端推送事件）

适用场景：远程通信、跨网络访问、需要服务端主动推送的场景

关键安全补充：HTTP SSE 传输必须额外实现认证（OAuth 2.1）和授权逻辑。

Python（Starlette）服务端示例：

from mcp.server.sse import SseServerTransport
from starlette.applications import Starlette
from starlette.routing import Route

sse = SseServerTransport("/messages")

async def handle_sse(scope, receive, send):
    async with sse.connect_sse(scope, receive, send) as streams:
        await app.run(streams[0], streams[1], app.create_initialization_options())

async def handle_messages(scope, receive, send):
    await sse.handle_post_message(scope, receive, send)

starlette_app = Starlette(routes=[
    Route("/sse", endpoint=handle_sse),
    Route("/messages", endpoint=handle_messages, methods=["POST"]),
])

3.3 自定义传输

可实现 Transport 接口以支持专有协议、遗留系统对接等场景。

四、消息类型（JSON-RPC 2.0）

标准错误码

五、连接生命周期与能力协商

初始化握手（Initialize Handshake）

Client ---> Server: initialize 请求（含 protocolVersion、capabilities、clientInfo）
Server ---> Client: initialize 响应（含 protocolVersion、capabilities、serverInfo）
Client ---> Server: notifications/initialized（单向通知，无 id）
=== 连接就绪，开始正常消息交换 ===

能力协商核心逻辑：

• Client 和 Server 在 initialize 阶段交换 capabilities 对象
• 只有双方都声明支持的能力才会被启用
• 这确保了前后端能力匹配，避免不支持的功能被调用

Client 能力示例：

{
  "capabilities": {
    "roots": { "listChanged": true },
    "sampling": {}
  }
}

Server 能力示例：

{
  "capabilities": {
    "resources": { "subscribe": true, "listChanged": true },
    "prompts": { "listChanged": true },
    "tools": { "listChanged": true },
    "logging": {}
  }
}

六、三大核心原语

MCP 服务器可暴露三种能力原语，均在初始化阶段通过 capabilities 声明。

6.1 Resources（资源）—— 只读上下文数据

控制方：应用层（Client 决定如何使用） 用途：为 LLM 提供额外的上下文信息

工作流：

1. resources/list → 获取资源列表（支持分页）
2. resources/read → 读取资源内容（文本或二进制 base64）
3. resources/subscribe（可选）→ 订阅资源变更通知

6.2 Prompts（提示词模板）—— 可复用交互模板

控制方：用户层（通常作为斜杠命令或可选操作暴露） 用途：标准化常见 LLM 交互模式

工作流：

1. prompts/list → 获取可用提示词模板列表
2. prompts/get → 传入参数，获取渲染后的提示词内容

示例：代码审查提示词模板，接受 code（必填）和 language（可选）两个参数。

6.3 Tools（工具）—— 可执行函数 ⭐

控制方：模型层（LLM 自主决定是否调用） 用途：让 LLM 能够执行操作、调用外部 API、查询数据库等 这是 MCP 最核心、应用最广泛的能力原语

工作流：

1. tools/list → 获取可用工具列表（LLM 读取 description 和 inputSchema 来决定是否调用）
2. tools/call → 执行工具，传入参数
3. 返回结果（isError: false 为成功，isError: true 为失败）

七、MCP 生态系统现状（2026 年）

7.1 服务器类型分布（基于 1500+ 项目分析）

类别	占比	趋势	代表服务器
文件系统	~25%	稳定	@modelcontextprotocol/server-filesystem
搜索	~20%	稳定	Bra ve Search、Google Custom Search MCP
数据库	~15%	稳定	@modelcontextprotocol/server-postgres、server-sqlite
开发者工具	快速增长	来源：https://cloud.tencent.com.cn/developer/article/2679258 MCP服务器 上一篇快时尚品牌活动策划工作总结撰写指南与范文 下一篇如何掌握AI格式实用技巧有效提升工作效率 本站内容用于信息整理与展示，如有侵权或内容问题请及时联系处理。 相关推荐 补充同频道和同主题内容，方便继续浏览更多相关内容。 同类最新 继续查看同栏目最近更新的文章。 更多 AI教程 · 2026-05-31 大班语文上册AI课件制作攻略轻松生成生动课件 给大班孩子上语文课，课件怎么做才能既专业又有趣？这恐怕是很多幼儿教师和课程设计者都在琢磨的问题。语文是基础中的基础，但面对一群活泼好动、注意力容易分散的5-6岁孩子，传统的“黑板+粉笔”或密密麻麻的文字PPT，效果往往不尽如人意。 理想的课件，必须图文并茂、色彩鲜明，用生动的视觉元素和互动设计抓住孩 AI教程 · 2026-05-31 MacBook Pro M5合盖掉电13%？新机电池优化指南 新入手的MacBook Pro M5，上周某天合盖放入包中，当时电量100%，第二天取出只剩87%。这显然不正常——难道休眠功能失效了？长此以往，电池健康度一年恐怕会骤降至80%以下吧。 简单搜索便知，此类问题绝非个例。V2EX论坛与各大苹果博客中，遇到合盖耗电的用户比比皆是。更有甚者，合盖一夜后直 AI教程 · 2026-05-31 Python初级中级高级全套视频教程 Python学习路线概述：从入门到精通 对于计划系统学习Python的开发者来说，一份清晰且实用的学习路线图至关重要。本文按照从入门到精通的进阶路径，全面梳理并分级呈现了Python及其相关核心技术的知识体系，帮助你高效规划学习。 为方便大家边学边练，这里附上一份配套的视频教程资源，供参考学习：ht AI教程 · 2026-05-31 用AI快速生成岗位说明书五步提升招聘效率与精准度 一、怎么使用AI快速生成岗位说明书以提升招聘效率和精准度 在人才市场竞争日趋激烈的当下，如何精准且高效地吸引合适的人才，已成为企业必须攻克的核心战略课题。传统的招聘流程，尤其是岗位说明书（JD）的撰写环节，往往耗费大量时间与精力，且容易与实际市场需求脱节。如今，技术革新带来了全新解法：借助人工智能（ AI教程 · 2026-05-31 五个实用技巧高效提升公文AI写作效率与质量 一、公文ai写作如何利用AI写作工具提升效率和质量 在快节奏的现代办公场景中，如何高效、高质量地完成公文写作，是许多从业者面临的共同挑战。如今，AI写作工具的介入，正在悄然改变这一局面。它不再是一个遥远的概念，而是切实提升文档处理效率、优化内容质量的实际助手。那么，这类工具究竟能带来哪些实质性的改变