跳至主要內容

MCP-工作流程

MCP基础可以参考我的文章：MCP-最基础的 MCP 该怎么写

MCP工作时的流程

MCP包括三组件+五阶段

三组件

  1. Host：运行环境，ai应用的宿主进程；
  2. Client：通信中介，Host内部会为每个Server创建一个Client；
  3. Server：暴露工具能力的组件，查数据库、调api。

Host包含Client，Client连接Server Client数量 = Server数量 一个Host可同时连接多个Server

类比

用户 = 👩‍👦顾客，发出需求，不直接接触后端，不用知道厨房怎么运作，只需要和服务员打交道。

MCP = 🏪餐厅

Host = 👨‍💼餐厅经理，提供场所、接待顾客、整合服务

Client =🤵服务员，传递数据

Server = 🧑‍🍳厨师，执行操作，产出结果

协作流程：

👩‍👦顾客<点餐>（用户发请求）→🤵服务员<下单>（传送数据）→🧑‍🍳厨师<做菜>（执行操作）→🤵服务员<上菜>（返回响应）→👩‍👦顾客<用餐>（获得结果）

五阶段

准备期

  1. ‌意图识别阶段‌：用户发指令，LLM要判断这个任务需不需要调、调什么外部工具。比如帮我查北京天气。
  2. ‌工具发现阶段‌：LLM确定要调工具后，Server把自己暴露的工具列表发给Client，Client再传给Host。LLM拿到工具描述后，从中选一个合适的。

执行期

  1. ‌构造请求阶段‌：LLM选好工具后，构造JSON-RPC 2.0格式的调用请求，包含调用的工具名称、所需参数。该请求依次从LLM传递到Host、Client，最终送达Server。
  2. ‌工具执行阶段‌：Server收到合法的调用请求后，实际执行对应操作，比如查询数据库、调用外部API、读取本地文件等，完成指定的工具任务。
  3. ‌结果整合阶段‌：Server将工具执行得到的原始结果原路返回，经Client、Host传递回LLM，LLM对结果进行整理、润色，生成面向用户的最终自然语言回复。

时序图

MCP与Function Calling的关系

  • MCP是一套标准化的Function Calling框架。此前各大平台的函数调用规范均为自定义体系，
  • Function Calling不同平台之间的工具调用体系互不兼容，OpenAI有独立的规范，Anthropic也有自身的规范。
  • MCP的核心作用就是统一这套跨平台的调用规范，一次适配，多平台通用。类比消费电子领域的充电接口：早年不同品牌手机采用各自独立的接口标准，如今USB-C完成了全行业的接口统一，MCP就是AI领域的基础版USB-C标准。
  • 核心定位：打破AI的能力边界，让AI从“会说话的聊天机器人”变成“能干活的工程伙伴”

应用场景

常见场景

  1. ‌数据库查询‌：无MCP时，AI分析销售数据需人工完成数据导出、清洗后再输入AI；接入MCP后，AI可直接连接数据库，支持通过自然语言完成数据查询分析。
  2. ‌实时信息获取‌：受训练数据截止日期限制，原生AI无法获取当日热搜等实时信息；接入MCP后，AI可调用搜索工具获取最新动态数据。
  3. ‌文件操作‌：接入MCP后，AI可直接完成文件夹整理、代码库读取等本地文件相关操作。
  4. ‌第三方API集成‌：接入MCP后，AI可对接地图、日历等第三方服务，实现路线查询、会议安排等自动化功能。

前端链路场景

5大核心工程应用场景落地：

  1. 数据库MCP：AI直接查询业务数据库，生成数据报表、SQL优化建议、数据校验逻辑；

  2. GitHub MCP：AI直接管理PR、Issue、分支，自动创建PR、合并代码、处理Code Review意见；

  1. 内部API MCP：打通公司内部业务系统，AI直接调用接口实现业务需求全流程自动化；

  2. Figma MCP：AI直接读取设计稿，提取设计令牌、生成UI代码、自动对齐设计规范；

  1. 文档知识库MCP：对接团队内部Wiki，AI基于团队规范回答问题，避免生成不符合要求的内容。

搭建了团队MCP服务矩阵，在.claude/settings.json中完成完整配置，给AI打通了研发全链路的能力：

MCP服务矩阵完整配置代码：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://user:pass@localhost:5432/saas_db"
      }
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-github"],
      "env": {
        "GITHUB_TOKEN": "${GITHUB_TOKEN}"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-filesystem", "./docs"]
    },
    "figma": {
      "command": "npx",
      "args": ["-y", "@mcp/figma-server"],
      "env": {
        "FIGMA_ACCESS_TOKEN": "${FIGMA_ACCESS_TOKEN}"
      }
    },
    "internal-api": {
      "command": "npx",
      "args": ["tsx", "./mcp-servers/internal-api-server.ts"]
    }
  }
}
  • 基于MCP标准SDK，自主开发了定制化的业务MCP Server，封装了团队专属的业务工具与数据接口，实现了AI能力与业务场景的深度结合。

自定义MCP Server最小落地代码：

// mcp-servers/internal-api-server.ts
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
import axios from "axios";

// 初始化MCP服务
const server = new McpServer({
  name: "saas-internal-api",
  version: "1.0.0",
});

// 注册工具1：查询用户信息
server.tool(
  "query_user_info",
  "根据用户ID查询SaaS系统用户详细信息",
  {
    userId: z.string().describe("用户唯一ID"),
  },
  async ({ userId }) => {
    const res = await axios.get(`https://internal-api.xxx.com/v1/users/${userId}`, {
      headers: { Authorization: `Bearer ${process.env.INTERNAL_API_TOKEN}` }
    });
    return {
      content: [{ type: "text", text: JSON.stringify(res.data, null, 2) }],
    };
  }
);

// 注册工具2：查询订单统计数据
server.tool(
  "query_order_stats",
  "查询指定时间范围内的订单统计数据，支持按用户、地区筛选",
  {
    startTime: z.string().describe("开始时间，格式YYYY-MM-DD"),
    endTime: z.string().describe("结束时间，格式YYYY-MM-DD"),
    region: z.string().optional().describe("地区筛选，可选值：cn/us/eu"),
  },
  async ({ startTime, endTime, region }) => {
    const res = await axios.post(`https://internal-api.xxx.com/v1/orders/stats`, {
      startTime, endTime, region
    });
    return {
      content: [{ type: "text", text: JSON.stringify(res.data, null, 2) }],
    };
  }
);

// 启动MCP服务
const transport = new StdioServerTransport();
await server.connect(transport);
console.error("SaaS Internal API MCP Server 启动成功");

提效价值：AI的能力边界从“编码”扩展到了整个研发全链路，跨系统操作的工作量降低90%，原本需要跨多个平台、多个步骤完成的工作，AI可以一步完成。

贡献者: guo