掌握 AI 工具的通用语言，构建连接大语言模型与现实世界的标准化桥梁
┌─────────────────────────────────────────────────────────────┐ │ MCP Model Context Protocol │ └─────────────────────────────────────────────────────────────┘ ┌──────────────┐ JSON-RPC 2.0 ┌──────────────┐ │ AI Host │ ◄────────────────────► │ MCP Server │ │ (Claude / │ │ │ │ Cursor / │ MCP Client │ 📁 Files │ │ VSCode) │ ─────────────────────► │ 🔧 Tools │ └──────────────┘ │ 📊 Data │ │ 🌐 APIs │ ↕ Tools / Resources / Prompts └──────────────┘ stdio | HTTP+SSE | Streamable HTTP ← Transport Layer
Model Context Protocol（MCP）是 Anthropic 于 2024 年底推出的开放标准协议，旨在解决 AI 应用与外部工具、数据源集成的碎片化问题。在 MCP 出现之前，每个 AI 应用都需要为每种工具单独编写集成代码，维护成本极高。
MCP 提供了统一的通信规范，让 AI Host（Claude Desktop、Cursor、VSCode 等）可以通过标准化接口与任意 MCP Server 交互，访问文件系统、数据库、API、代码执行环境等资源。截至 2025 年，主流 AI 开发工具已全面集成 MCP，掌握 MCP 开发已成为 AI 工程师的核心技能。
全部章节
从协议原理到实战开发，完整覆盖 MCP 开发所需的全部知识
MCP 是什么、Anthropic 为何创建它、如何解决 AI 工具碎片化问题，以及 2025 年的 MCP 生态现状。
Host / Client / Server 三层架构、JSON-RPC 2.0 通信协议、传输层详解、消息生命周期与能力协商机制。
环境准备、@modelcontextprotocol/sdk 用法、创建最简 Server、在 Claude Desktop 注册测试及调试技巧。
Tool 定义规范、工具函数实现、参数验证、错误返回格式，以及单一职责与幂等性设计最佳实践。
Resource URI 设计、静态与动态资源区别、URI Templates、订阅与实时更新机制及文件系统示例。
Prompt 定义与参数化、嵌套消息格式、动态 Prompt 生成、Prompt 库设计及与 Workflow 集成方法。
sampling/createMessage 能力详解、Human-in-the-loop 设计原则、构建 AI 辅助工具及安全边界设置。
OAuth 2.0 集成、API Key 管理、权限最小化原则、输入消毒与防止提示注入攻击的完整安全体系。
MCP Inspector 使用、单元测试与集成测试策略、发布到 npm/PyPI 以及向 MCP Registry 提交的完整流程。
整合 Git 操作、代码分析与测试运行，实现完整的代码审查工作流，综合运用前九章全部知识。