mcp协议详细剖析分解

MCP（模型上下文协议）是一种标准化的协议，它让 AI 大模型能够以一种有组织的方式和外部工具、资源进行互动。它支持多种传输方式，这样在不同的环境下都能灵活使用。

zhonghua881016

1240人浏览 · 2025-04-29 11:46:03

zhonghua881016 · 2025-04-29 11:46:03 发布

这里写自定义目录标题

mcp介绍
concepts
- mcp-server
- mcp-client
connection
mcp -server
mcp交互流程示例流程
spring ai mcp示例
mcp 平台

mcp介绍

MCP（Model Context Protocol模型上下文协议）是一种标准化的协议，它让 AI 大模型能够以一种有组织的方式和外部工具、资源进行互动。它支持多种传输方式，这样在不同的环境下都能灵活使用。截止目前为止 mcp协议有两个版本，最新的版本是2025-03-26 ，另外一个版本2024-11-05

总体架构如图：

在这里插入图片描述

mcp采用的也是CS(client-server)框架：

在这里插入图片描述

concepts

mcp-server

prompt ，server提供提示词模版的能力，客户端可以通过结构化的参数获取对应的提示词，用户跟大模型交互过程中使用。这种是客户端主动控制的。
Resource，跟client root类似，它是server端向client提供的数据。
tool，可以让大模型可以获取外部数据、计算等模型本身不具备能力的工具。

mcp-client

sampling，是服务端向客户端中的发起请求，可以通过客户端向ai 模型完成对用问题的采样。
roots，是client端告诉服务端访问文档系统的边界，需要client端提供roots/list接口给服务端调用，用于返回客户端定义的文件系统访问边界。

connection

mcp-client跟mcp-server的建立连接流程如下，跟http的三次握手相似，如下图：

在这里插入图片描述

1.客户端发送初始化请求，包含协议版本和功能特性。数据传输协议使用的jsonrpc

initialize request body

{
    "jsonrpc": "2.0", //json协议版本
    "method": "initialize",// 初始化方法
    "id": "97e87016-0", //请求标识
    "params": {
        "protocolVersion": "2024-11-05", //客户端协议版本，这个跟client sdk协议中定义好的  这个需要跟返回结果中的版本一致
        "capabilities": {}, //client提供的功能特性 
        "clientInfo": {   //client meta 
            "name": "big-client", //客户端标识
            "version": "1.0.0" //版本
        }
    }
}

initialize reponse body:

{
    "jsonrpc": "2.0",
    "id": "97e87016-0",
    "result": {
        "protocolVersion": "2024-11-05", //跟客户端协议版本一致才行
        "capabilities": { //server提供的功能特性
            "resources": {},
            "tools": {},
            "prompts": {}
        },
        "serverInfo": {
            "name": "tavily-mcp",
            "version": "0.1.0"
        }
    }
}

2.服务器回应其协议版本和功能特性
3.客户端发送已初始化通知作为确认
4.正常消息交换开始

mcp -server

server按照部署方式有分类有两种：一种是跟client部署在同一个机器上，他们之间通过标准Stdio 通信；另外一种部署在远端的，2024-11-05版本使用的是基于HTTP with SSE ，2025-03-26版本中是Streamable HTTP。

Stdio 通信方式是mcp-server部署在一个机器上,client和server的进程通信。常见的mcp客户端像claude desktop、cursor 、WindSurf 、Cline都是支持的，而claude desktop目前只支持stdio。stdio可视化交互可以使用mcp官网提供**MCP Inspector **

http with sse ，mcp-server部署在远端，他们之间通信通过http with sse。

在这里插入图片描述

client向server通过http post请求，请求示例如下：

curl --location 'http://127.0.0.1:8080/app-llm/mcp/messages' \
--header 'Content-Type: application/json' \
--data '{
    "jsonrpc": "2.0",
    "id": "12344",
    "method": "tools/call",
    "params": {
        "name": "getWeather",
        "arguments": {
            "cityName": "成都"
        }
    }
}'

server 向client通信是通过sse，需要client创建一个sse连接，接入端点：

curl --location 'http://127.0.0.1:8080/app-llm/sse' \
--header 'content-type: text/event-stream'

Streamable HTTP 待补充

mcp交互流程示例流程

说明client是基于spring ai mcp 框架实现。

以一个可以查询天气的mcp-server服务为例，展示client-server交互过程。具体流程如下：

在这里插入图片描述

1.用户输入内容查询成都天气

2.根据用户的输入，让大模型分析使用的工具，对大模型的请求参数如下：

{
    "messages": [
        {
            "content": "You are useful assistant",
            "role": "system"
        },
        {
            "content": "成都今天的天气",
            "role": "user"
        }
    ],
    "model": "qwen-72B",
    "max_tokens": 2000,
    "stream": false,
    "temperature": 0.1,
    "tools": [
        {
            "type": "function",
            "function": {
                "description": "Get weather information by city name",
                "name": "getWeatherByCity",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "query": {
                            "cityName": "string",
                            "description": "要查询天气的城市"
                        }
                    },
                    "required": [
                        "cityName"
                    ]
                }
            }
        },
        {
            "type": "function",
            "function": {
                "description": "Searches for local businesses and places using Brave's Local Search API. Best for queries related to physical locations, businesses, restaurants, services, etc. Returns detailed information including:\n- Business names and addresses\n- Ratings and review counts\n- Phone numbers and opening hours\nUse this when the query implies 'near me' or mentions specific locations. Automatically falls back to web search if no local results are found.",
                "name": "brave_local_search",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "query": {
                            "type": "string",
                            "description": "Local search query (e.g. 'pizza near Central Park')"
                        },
                        "count": {
                            "type": "number",
                            "description": "Number of results (1-20, default 5)",
                            "default": 5
                        }
                    },
                    "required": [
                        "query"
                    ]
                }
            }
        }
    ]
}

spring ai mcp示例

spring ai 版本现在已经发到1.0.0-M7,2025年5月份将发布release版本，随机会发布正式版本GA。

spring ai 实现mcp协议使用大模型的function call方式，也有使用将工具描述放在system prompt中，如ide cline

spring ai mcp中关于client和server的配置如下：

spring:
  ai:
    openai:
      api-key: sk-dbc8ed51cec741d388e0ca023d33b551
      base-url: @llm.api.host@
      chat:
        options:
          model: qwen-72b
          max-tokens: 4000
        completions-path: /v1/chat/completions
        api-key: sk-dbc8ed51cec741d388e0ca023d33b551
    mcp:
      client:
        requestTimeout: 300000
        enabled: true
        name: big-client 
        version: 1.0.0
#        sse:
#          connections:
#            server1:
#              url: http://localhost:8080/app-llm
        stdio:
          root-change-notification: true
          servers-configuration: classpath:mcp-servers.json //claude-desktop工具配置格式
      server:
        name: big-mcp-server
        version: 1.0.0
        type: SYNC   
        sse-message-endpoint: /mcp/messages
        sse-endpoint: /sse

对应的stdio mcp-servers.json文件：

{
  "mcpServers": {
    "desktop-commander": { //本地文件系统
      "command": "cmd",
      "args": [
        "/c",
        "npx.cmd",
        "-y",
        "@smithery/cli@latest",
        "run",
        "@wonderwhy-er/desktop-commander",
        "--key",
        "99de4780-ca3b-4694-9bc7-a8098d80eb2"
      ]
    },
    "tvly": {  //web搜索
      "command": "npx.cmd",
      "args": [
        "-y",
        "tavily-mcp@0.1.4"
      ],
      "env": {
        "TAVILY_API_KEY": "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"
      }
    },
    "mysql": { 
      "command": "npx.cmd",
      "args": ["mysql-mcp-server"],
      "env": {
        "MYSQL_HOST": "10.10.8.3",
        "MYSQL_PORT": "43306",
        "MYSQL_USER": "root",
        "MYSQL_PASSWORD": "Koala_MySQL#20Xx..A..",
        "MYSQL_DATABASE": "large_model_alarm"
      }
    },
    "amap-maps": {  //高德的mcp-server
      "command": "npx.cmd",
      "args": [
        "-y",
        "@amap/amap-maps-mcp-server"
      ],
      "env": {
        "AMAP_MAPS_API_KEY": "fe4a210af4a7083f78981b57a19b8eb"
      }
    }

  }
}

测试用例：

查询数据库large_model_alarm库中表kl_lm_event_alarm 都有哪些告警事件类型 ，统计告警事件类型出现频次最多的前5名，然后将结果以csv格式存储在我的D:\test文件

结果展示：

在这里插入图片描述

对应里边的内容为：

在这里插入图片描述

mcp 平台

cline

https://cline.bot/mcp-marketplace

smithery

https://smithery.ai/

awesome

https://github.com/punkpeye/awesome-mcp-servers/blob/main/README-zh.md

reddit mcp社区

https://www.reddit.com/r/mcp/

mcp.so

https://mcp.so/

火山引擎 ADG 社区

火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。

更多推荐

OpenClaw 本地部署完整指南（Windows + Ollama）

本文档基于实际部署经验编写，旨在帮助你在 Windows 系统上从零开始搭建 OpenClaw，并连接本地 Ollama 模型（如 Qwen2.5 或 Qwen3），使其具备完整的智能体能力。文档包含了所有关键步骤以及常见问题的解决方案。

火山引擎 ADG 社区

OpenClaw 小白安装指南（Windows版）

（类似一个能自动执行任务的AI机器人），不是游戏。API Key只保存在你本地电脑的加密文件里，不会上传到任何地方。访问：https://github.com/miaoxworld/openclaw-manager/releases。: 一键安装脚本会自动安装Node.js 22+，如果失败，手动下载安装：https://nodejs.org/：在PowerShell中，鼠标右键就是粘贴，不需要按

火山引擎 ADG 社区

飞书 × OpenClaw 接入指南：不用服务器，用长连接把机器人跑起来

这个项目存在的意义，就是把“飞书接 OpenClaw”这件事，整理成一套的配置入口，并把官方文档没覆盖到的坑集中写成排查清单。先说清楚它的角色：OpenClaw 现在已经内置官方飞书插件 @openclaw/feishu，功能更完整、维护也更及时。，说明飞书 + AI 的接入已经走通。另外，仓库也推荐了一个新项目：把 OpenClaw 变成“多 Agent 团队”，用多个 Agent 分工，Sla