$ loading_
2026-06-10
大语言模型很聪明，但默认是"信息闭塞"的：它只会基于训练数据回答，看不到你的数据库、读不了你的文件、也打不开你的 GitHub。MCP 就是用来打通这层隔阂的标准。
MCP（Model Context Protocol，模型上下文协议）是一个开放标准，规定了 AI 应用如何与外部的工具和数据源"对话"。有了它，AI 就能在获得授权后去查数据库、调接口、读写文件、操作设计稿——而不只是聊天。
在 MCP 之前，每个 AI 应用要接一个外部系统，都得单独写一套对接代码。N 个 AI 应用接 M 个工具，就是 N×M 种组合，重复且混乱。
MCP 把这件事标准化了，就像 USB-C 之于硬件：只要工具方按 MCP 标准提供一个"接口"，任意支持 MCP 的 AI 客户端都能即插即用。这也是为什么近一两年 MCP 工具会爆发式增长——写一次，到处可用。
你只需要理解三个角色：
它们之间有两种常见的连接方式：
| 方式 | 运行位置 | 典型场景 |
|---|---|---|
| stdio（本地） | 在你电脑上启动一个进程 | 访问本地文件、本地数据库、命令行工具 |
| HTTP / 远程 | 连接一个云端地址 | 托管型服务，填一个 URL 和密钥即可 |
一个 MCP 服务器通常对外暴露三类东西：工具（tools）——可被 AI 调用的动作；资源（resources）——可被读取的数据；提示（prompts）——预设的提示模板。
在本站你可以按能力浏览全部 MCP 工具，或直接用语义搜索描述你想做的事（比如"查 PostgreSQL 数据库"），让站点帮你找到对应工具。
绝大多数 MCP 工具的安装就两步：告诉 AI 客户端"有这么一个服务器"，再填上必要的密钥。本站把每个工具的安装方式归一成了两种：
claude mcp add、Cursor 的 mcp.json），自己粘贴——适合熟悉的用户。正因为 MCP 能运行进程、访问数据、连接网络，它的权限边界值得认真对待。安装前请务必看清楚它要哪些权限、要不要密钥、来源是否可信。本站为每个工具提供了安全评估，给出风险等级与建议。
下一步建议读：如何安全挑选与安装 MCP 工具，以及Skill 还是 MCP，两者区别与如何选择。
MCP 是让 AI 从"会聊天"走向"会干活"的关键一环。你不需要懂它的底层协议，只需要记住：它是 AI 连接外部世界的标准接口，安装通常就是"声明一个服务器 + 填一个密钥"，而安全永远值得多看一眼。