Protokol Konteks Model (MCP): Cara Ia Menghubungkan AI kepada Alat Anda

Dikemaskini kali terakhir: June 28, 2026

MCP — Model Context Protocol — ialah piawaian terbuka yang dikeluarkan oleh Anthropic pada akhir tahun 2024 untuk menghubungkan pembantu dan agen AI kepada sumber data dan alat luaran. Daripada menulis integrasi khas untuk setiap model dan setiap alat, anda hanya perlu mendedahkan satu pelayan MCP (MCP server) dan mana-mana klien yang serasi dengan MCP boleh menggunakannya. Saya menyambungkan pelayan sistem fail (filesystem server) dan pelayan GitHub kepada Claude Code minggu lepas, dan perbezaan apa yang sebenarnya boleh dilakukan oleh agen itu adalah serta-merta. Artikel ini merangkumi apa itu MCP, cara model klien-pelayan berfungsi, jenis keupayaan teras, dan cara menjalankan pelayan dalam persediaan anda sendiri.

Jawapan ringkas: apakah itu MCP?

MCP ialah protokol berasaskan JSON-RPC 2.0 yang menyeragamkan sambungan antara aplikasi hos AI (akaun client MCP, seperti Claude Desktop atau Claude Code) dan pelayan luaran yang mendedahkan data dan tindakan. Sebuah pelayan MCP tunggal boleh mengiklankan tiga jenis keupayaan kepada klien:

• Tools — fungsi yang boleh dipanggil oleh model (memeriksa pangkalan data, menghantar mesej, mencari repositori).
• Resources — data berstruktur yang boleh dibaca oleh model (kandungan fail, respons API, rekod).
• Prompts — templat arahan yang boleh digunakan semula dan diparameterkan yang boleh diaktifkan pengguna.

Matlamatnya adalah "USB-C untuk integrasi AI": satu pelayan, banyak klien, tanpa pelekat bagi setiap model. Spesifikasi dan SDK adalah sumber terbuka dan diselenggara di modelcontextprotocol pada GitHub, dengan dokumentasi kanonik di modelcontextprotocol.io.

Mengapa MCP wujud?

Sebelum MCP, setiap integrasi alat adalah sekali sahaja. Jika anda mahukan pembantu untuk membaca isu GitHub anda dan juga menanyakan Postgres, anda menulis dua konektor tersuai, kemudian menulis semula apabila anda menukar model atau hos. Motivasi yang dinyatakan oleh Anthropic adalah untuk menamatkan penduplikasian itu dengan protokol kongsi — official docs menerangkannya sebagai memberikan model "akses standard" kepada fail tempatan, pangkalan data, dan APIs.

Bingkai itu penting untuk aliran kerja agenik khususnya. Agen yang hanya boleh berbual adalah chatbot; agen yang boleh membaca repo anda, menjalankan pertanyaan, dan memanggil alat dalam gelung adalah pekerja sebenar. MCP ialah paip (plumbing) yang menjadikan yang kedua-dua ini mudah alih. Jika anda mahukan gambaran yang lebih luas tentang di mana ini sesuai dalam reka bentuk agen, lihat our post on AI agent automation.

Bagaimana model klien-pelayan berfungsi?

MCP mengikut topologi hos-klien-pelayan:

• Host — aplikasi yang dijalankan oleh pengguna (Claude Desktop, Claude Code, sambungan IDE).
• Client — wujud di dalam hos, mengekalkan sesi 1:1 dengan satu pelayan.
• Server — proses yang mendedahkan keupayaan melalui pengangkutan (transport).

Sebuah hos boleh menjalankan banyak klien, setiap satu bercakap dengan satu pelayan. Protokolnya ialah JSON-RPC 2.0, dengan tiga fasa kitaran hayat yang saya uji setiap kali saya menambah pelayan baharu:

1. Initialize — klien menghantar versi protokol, keupayaan, maklumat klien; pelayan membalas dengan miliknya sendiri.
2. Capability negotiation — kedua-dua pihak mengisytiharkan apa yang mereka menyokong (alat, sumber, prompt, pensampelan, akar).
3. Operation — klien meminta senarai alat, memanggil alat, membaca sumber, dan pelayan menstrimkan semula hasilnya.

Pilihan Pengangkutan (Transport)

stdio adalah lalai untuk persediaan tempatan dan yang digunakan oleh claude mcp add melainkan anda menghantar URL HTTP. Untuk panduan mendalam mengenai claude mcp add dan keputusan stdio-vs-HTTP, lihat panduan integrasi MCP Claude Code kami.

Apakah tiga jenis keupayaan, dalam praktiknya?

Kebanyakan nilai MCP terletak pada tiga jenis keupayaan ini. Berikut adalah cara setiap satu berfungsi apabila model menggunakannya.

Tools (dipanggil oleh model)

Tools ialah tulang belakangnya. Model akan memutuskan untuk memanggilnya berdasarkan perbualan. Saya menjalankan pelayan yang mendedahkan alat search_logs dan model itu memanggilnya tanpa rangsangan sebaik sahaja saya bertanya "mengapa penggunaan gagal pada jam 2 pagi?". Definisi alat termasuk JSON Schema untuk hujah, jadi model mendapat input berjenis dan disahkan.

Resources (dikawal oleh aplikasi)

Resources ditujukan melalui URI dan biasanya dipilih oleh pengguna, bukan dipilih oleh model — pengguna melampirkan sumber seperti fail atau rekod, dan hos menyuntikkannya ke dalam konteks. Ini penting untuk kawalan skop: model hanya boleh melihat apa yang anda berikan secara eksplisit kepadanya.

Prompts (dipanggil oleh pengguna)

Prompts ialah templat dengan hujah yang muncul dalam UI hos sebagai arahan garis condong atau item menu. Ia adalah keupayaan yang paling kurang digunakan — saya menggunakannya untuk menyulitkan "semak PR ini terhadap panduan gaya kami" supaya saya tidak perlu menampal arahan yang sama setiap masa.

Bagaimana cara menyediakan pelayan MCP?

Persediaan konkrit, menggunakan Claude Code sebagai hos. Konfigurasi pelayan yang sama berfungsi dalam fail JSON Claude Desktop.

1. Pasang Node.js 20+ (atau Python 3.10+ dengan uv).
2. Tambah pelayan rujukan, contohnya pelayan filesystem: npx -y @modelcontextprotocol/server-filesystem /Users/you/projects
3. Daftar ia dalam Claude Code: claude mcp add filesystem -- npx -y @modelcontextprotocol/server-filesystem /Users/you/projects
4. Sahkan sambungan: claude mcp list kemudian claude mcp get filesystem
5. Mulakan semula hos dan cari alat pelayan dalam sesi tersebut.

Itulah keseluruhan gelung itu. Pelayan rujukan dalam organisasi GitHub meliputi filesystem, Git, GitHub, Postgres, SQLite, Slack, Google Drive, Puppeteer, dan banyak lagi.

Pelayan tersuai minimum (Python)

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("status")

@mcp.tool()
def healthcheck(service: str) -> str:
    """Return the current status of a service."""
    return f"{service}: ok"

if __name__ == "__main__":
    mcp.run(transport="stdio")

Saya menguji ini terhadap titik akhir staging dalam masa kira-kira sepuluh minit, termasuk menyambungkannya ke Claude Code. Untuk corak yang lebih luas tentang mendedahkan perkhidmatan dalaman sebagai API yang boleh dipanggil ejen, panduan pembangunan API AI kami meneroka dengan lebih mendalam mengenai auth dan rate-limiting.

Bagaimana ekosistem kelihatan pada tahun 2026?

Ekosistem telah memusat di sekitar pendaftar rasmi dan segelintir pelayan rujukan yang diselenggara dengan baik. Saya menyimpan senarai pendek bagi yang benar-benar saya percayai dalam pengeluaran:

• filesystem — baca/tulis fail tempatan dengan sekatan root.
• github — isu, PRs, carian, operasi fail.
• postgres / sqlite — hanya baca secara lalai, introspeksi skema.
• puppeteer / playwright — automasi pelayar untuk agen.
• slack — baca saluran dan hantar mesej.

Untuk menyelaraskan pelayan berganda di belakang subagents — satu subagent memiliki pangkalan data, yang lain memiliki pelayar — artikel kami mengenai subagents Claude Code memperincikan corak pasukan.

Perkara Apa Yang Perlu Diperhatikan?

Ini adalah bahagian yang paling banyak diabaikan oleh pengenalan (intros). Server MCP berjalan dengan kelayakan anda dan akses sistem fail anda, jadi skop sangat penting.

• Anggap setiap server seperti kebergantungan (dependency). Tetapkan versi, audit sumber sebelum menjalankan npx pada repo orang asing. Alat berniat jahat boleh mengeksfiltrasi apa sahaja yang dilihat oleh model.
• Hadkan root. Server sistem fail hanya selamat setakat direktori yang anda tunjuk — jangan sekali-kali menghantar /.
• Utamakan konfigurasi pangkalan data baca-sahaja sehingga anda mempunyai sebab konkrit untuk membenarkan penulisan.
• Berhati-hati dengan suntikan prompt (prompt injection). Jika alat mengembalikan kandungan dan model kemudian bertindak atasnya, input yang tidak dipercayai boleh menjadi arahan. Anggapkan sebarang sumber adalah bermusuhan.
• Skop token OAuth. Token Slack dan GitHub haruslah skop minimum yang diperlukan oleh server, bukan token peribadi anda.

Saya memulakan setiap server baharu dalam akaun sandboxed dan memerhatikan beberapa panggilan alat pertama sebelum mempercayainya dalam sesi sebenar.

Pengambilan Utama

MCP ialah protokol kecil yang menyelesaikan masalah sebenar: ia membenarkan satu pelayan mendedahkan alat, sumber, dan prompt kepada mana-mana hos AI yang serasi, sekali gus menghapuskan cukai integrasi N-kali-M. Mekaniknya ringkas — inisialisasi, runding, beroperasi melalui stdio atau HTTP — tetapi postur keselamatan adalah bahagian yang menentukan sama ada ia sesuai dalam aliran kerja anda. Jalankan pelayan yang boleh diaudit, skop kredensial mereka dengan ketat, dan anggap input yang tidak dipercayai adalah bermusuhan. Lakukan itu dan MCP adalah cara paling bersih untuk menukar pembantu kepada ejen yang benar-benar boleh menyentuh sistem anda.

Kredit Imej

• Kod sumber dipaparkan pada skrin monitor — photo by Markus Spiske on Pexels
• Seorang pembangun menaip pada komputer riba sambil mengkonfigurasi pelayan dalam terminal — photo by Vlada Karpovich on Pexels
• Komposisi papan litar abstrak melambangkan seni bina berlapis — photo by Christina Morillo on Pexels