译文信息

AI 模型能发挥多大作用，取决于你给了它多少上下文。像 Claude 这样的 AI 助手可以回答问题、完成许多复杂任务，但如果拿不到需要的数据或工具，能替你做的事就会受限。你通常会在各个标签页之间复制、粘贴上下文——无论是在 Google Drive 里改文档、在 Slack 里回帖，还是在 IDE 里改代码。这个过程慢、费手，还容易漏掉关键信息。

Model Context Protocol（MCP） 提供了一种开放、可在各类 AI 应用与助手中广泛采用的方案。本文将介绍 MCP 是什么、如何运作、为何重要、适合谁，并给出在 Claude 中的 Connectors 示例，以及如何开始接入或自建 MCP。

什么是 Model Context Protocol（MCP）？

Model Context Protocol 是一项开放标准，规定 LLM 如何与外部系统通信。

可以把 MCP 理解为 面向 LLM 的 USB-C。正如 USB-C 为手机、笔记本等设备提供统一接口，MCP 为 LLM 连接外部系统提供统一格式。在 USB-C 普及之前，每种设备往往各用各的线：iPhone 用 Lightning，Android 用 micro-USB，相机还有专有接口。随着更多设备采用 USB-C，整个生态里的连接变得顺畅。

MCP 为 AI 集成带来同样的简化。在 MCP 之前，每个应用、每个数据库往往都要写一套定制代码才能接到 LLM：Google Drive 一套、Slack 一套、Figma 又一套。现在，MCP 用单一、标准化的方式，把这些工具接到 Claude 及其他 AI 应用上。

MCP 从何而来？

MCP 由 Anthropic 的 David Sorria Para 与 Justin Spahr-Summers 创建。起因是 David 在 Claude Desktop 与 IDE 之间反复拷贝代码感到厌烦。他意识到这是典型的 M×N 问题（多种应用 × 多种集成），于是向 Justin 提议做一套协议来解决。他们参考了广泛使用的 Language Server Protocol 进行设计，并于 2024 年 11 月在 Anthropic 支持下将其开源，以便整个 AI 生态都能受益。

MCP 如何工作？

MCP 采用 双边 模型：Claude 等 AI agent 与聊天机器人实现 MCP Client，从而连接 Notion、Canva、Figma 等通过 MCP Server 暴露工具与数据的应用。

实现 MCP Client 后，AI agent 与聊天机器人可以接入社区构建的成千上万台 MCP Server，以直接路径扩展能力。实现 MCP Server 后，公司与开发者可以让产品更容易被 AI 调用，开辟新的价值场景。

MCP 是开源的，任何人都可以实现 Server 或 Client。

为什么 MCP 重要？

MCP 让 LLM 不局限于「聊天」，而能执行真实世界任务：读完邮件线程并回复、访问代码库并部署更新、阅读设计简报并生成初稿。该协议为 LLM 连接外部系统、工具与应用、获取数据并执行操作打下基础。它带来：

对 AI 的通用兼容

AI 助手能接入成千上万种工具 — 一旦某助手实现了 MCP（通过 MCP client），即可即时连接大量 MCP 兼容应用，从专用编程工具到企业工作流平台，而无需为每个产品各写一套定制集成。

工具与应用一次对接、多端 AI 共用 — Notion、Figma、Asana 等公司只需维护 一个 MCP server，即可服务所有实现了 MCP client 的 AI 助手。开发者做一次集成，即可覆盖多种 AI 连接场景。

开放、AI 原生的生态

任何人都可以构建与分享 — 作为开放标准，开发者或公司发布的 MCP server 可与任意 MCP client 互通。这种开放性催生了大量社区 server，加快了 AI 助手可用工具与应用的丰富度。

让软件从设计上就便于 AI 使用 — 传统软件主要为人类和网页界面而造。MCP 提供面向 AI 交互的并行接口，使应用能真正 AI-native，从而带来 AI 模型与人们日常工具之间更好、更可靠的集成。

Agent 的基础协议

MCP 为 AI agent 访问任意数量的服务与工具提供基础设施，支撑端到端任务自动化。随着更多应用采用该协议，AI agent 独立处理复杂多步工作流的设想会变得越来越可行。

MCP 适合谁？

开发者可以用统一标准做一次集成，在任意兼容的 AI 上复用。企业可获得可扩展、可由 IT 管控的安全 AI 连接。普通用户无需技术背景，即可把常用工具接到 AI 上。

面向开发者：连接 AI 与应用的单一标准

开发者只需遵循同一套标准，即可把外部产品接到你们的 AI 应用与 agent 上。这能简化集成建设、增加可连接产品数量，并提升生态里连接方式的整体质量与安全。

在搭一个要接很多应用的 agent？还是在做一个要接很多 agent 的应用？MCP 让你进入兼容工具生态，并以更轻量的方式完成集成。

面向企业：组织内安全、可扩展的 AI 连接

企业能更高效地推动内部采用 AI 工具与应用，因为 MCP 简化了自有系统与 AI 的对接。这有助于让 AI 在组织内更「连成网」，扩展员工可用能力与场景。

面向消费者：一键接入常用工具

MCP 让终端用户在自己偏好的 AI 助手与工作工具之间无缝衔接，更容易自动化任务、少在标签页间复制粘贴。简而言之，MCP 让 AI 对你数字世界的访问与连接能力更强。

在 Claude 中，你可以快速连接 MCP Server，在产品里称为 Connectors，从而把 Claude 接到常用工作应用上。

Connectors（MCP）实战

当你用日常工具看到 MCP 落地时，价值最直观。下面是 Claude 中由 MCP 驱动的集成示例（即 Connectors）：

Claude 中的 Canva

Canva Connector 让 Claude 直接在 Canva 里生成新设计。通过 MCP，Claude 可以调用 Canva 提供的工具，在画布上生成设计。

Claude 中的 Notion 与 Linear

通过 Notion 与 Linear Connectors，Claude 可以读取你在 Notion 中的页面，并据此更新 Linear 中的工单。这里 MCP 把非结构化上下文顺畅转入另一套项目管理里的结构化工单。

Claude Code 中的 Figma

Figma Connector 让 Claude 访问 Figma 中的设计，从而使 Claude Code 能基于 Figma 稿做出网站、应用或界面的可运行原型。

可用的 Claude Connectors

Claude Connectors 包括但不限于：

  • Notion：工作区文档
  • Linear：问题跟踪
  • Stripe：支付相关数据
  • Canva 与 Figma：设计辅助
  • HubSpot：CRM 自动化
  • Sentry：错误追踪
  • ……还有更多

每个 Connector 通常只需数秒即可完成配置，进入 Claude 的工作上下文。在 Claude 之外，开源生态里还有 MCP Registry 上的大量 MCP server。

开始探索 MCP

可按需求选两条路径。

Claude 中的 Connectors

Connectors 为预置集成，让 Claude 即时访问工具、数据库与应用，并为你扩展能力边界。打开 Claude，浏览可用 Connectors，点击即可添加。

自建 MCP 连接

MCP 开源，任何人都可以采用它来把 AI 接到应用上。Model Context Protocol 文档 说明了如何基于 MCP 构建。

上手建议

若想试用 MCP，可以先在 Claude 里找一个能立刻启用的 Connector。

若还没有现成的 MCP server，自建需要一些工作量；若熟悉 TypeScript 或 Python，难度并不高。Model Context Protocol quickstart 提供可改写的示例。

常见问题

MCP 只能用于 Claude 吗？

不是。MCP 是开源协议。虽然 Claude 较早推动 MCP 落地，其他 AI 提供商也已采用同一协议，从而可以接入同一套 MCP server 生态。

使用 MCP 需要会编程吗？

使用 Connectors 不需要：浏览、安装、完成认证即可。自建 MCP server 需要 TypeScript 或 Python 能力，但不断增长的 Connector 库 已覆盖多数主流工具。

MCP 的安全模型是怎样的？

每个 server 会请求具体权限以允许 Claude 访问。你可以批准或拒绝访问，并随时撤销授权。

MCP 性能如何？

MCP 使用高效的传输方式：本地 server 可用 stdio，开销很小；远端 server 可用 SSE（Server-Sent Events）与 Streamable HTTP 维持长连接。响应流式传输有助于在大数据操作上避免超时。协议还支持分页、过滤与部分响应，以便高效处理大数据集。