现代人工智能系统如今能够通过交互外部工具、数据库和服务来执行复杂任务，从而催生了 AI 智能体（AI agents）。一个重大挑战在于，每个应用程序和 API 都以独特方式暴露其能力，因此需要为每个 AI 平台进行定制集成。模型上下文协议（Model Context Protocol, MCP）通过为 AI 模型提供发现、理解和使用外部资源的标准化方式来解决这一问题。MCP 充当通用语言，使 AI 客户端能够发现工具、理解其功能、接收结构化输入、执行工具并获取结构化结果。该协议对于需要执行超出文本生成范围的操作的 AI 智能体至关重要，例如与 GitHub、Slack 或数据库交互。MCP 涉及 MCP 客户端（AI 应用程序）、MCP 服务器（暴露能力）以及工具本身。该流程包括 AI 客户端连接至服务器、发现可用工具、根据用户请求调用选定工具，并接收结构化结果。对于开发者而言，MCP 提供了标准化集成、更好的可维护性以及工具的可发现性提升。与传统暴露原始端点的 API 不同，MCP 以 AI 模型可理解的高层方式描述能力。虽然函数调用（function calling）允许 AI 调用应用程序内预定义的功能，但 MCP 为跨不同 AI 客户端共享能力提供了更广泛的生态系统。安全至关重要，MCP 服务器需要强大的身份验证、授权和验证机制。MCP 适用于多种用例，包括编程助手、企业搜索和 DevOps 工作流，它是对现有 API 的补充而非替代。