模型上下文协议（MCP）为 AI 应用连接工具和数据定义统一接口。宿主管理客户端与服务器的连接，服务器可提供工具、资源和可复用提示。协议本身不保证隐私或操作安全；这些取决于宿主、服务器及部署方式。
一台主机可以同时维持与多个服务器的连接。例如，Claude Desktop 用户可以让一个 MCP 服务器提供文件系统访问，让第二个连接日历，让第三个连接知识库。主机通过客户端层协调它们，而每个服务器无需了解其他服务器的存在。
工具是 AI 可执行的函数，例如运行数据库查询、发送消息、写入文件或搜索网页。当 AI 需要采取动作或按需获取具体信息时，会调用工具；这要求 AI 主动判断何时使用。
提示词是由服务器定义的可复用工作流模板，例如代码审查清单、会议摘要格式或支持工单结构。它们使服务器提供方能够编码领域工作流，任何已连接的 AI 都可按需调用。
MCP 基于 JSON-RPC 2.0 运行。这是一种轻量级远程过程调用标准，借助共享传输层中的结构化 JSON 消息进行通信。AI 主机发出请求，MCP 服务器返回响应；协议还支持同步交换，以及用于长时间运行操作的异步通知。
MCP 与传统 API：有什么不同？
关于 MCP 最常见的问题，是它是否会取代 REST API。不会。对于构建或评估 AI 工具的人来说，理解这一区别很重要。
MCP 位于这一契约之上。一个 MCP 服务器常常包装既有 API，但会增加原始 API 无法提供的东西：对工具用途以及 AI 何时应考虑使用它的机器可读描述。AI 能动态发现可用工具，并判断何时调用，而非仅执行硬编码指令。
还需澄清函数调用：函数调用是模型在对话中决定调用某个函数的能力；MCP 则是跨系统边界定义函数如何被暴露、发现和传输的协议。二者互补，并非竞争方案。
企业工作流自动化利用 MCP 工具把 AI 连接到 CRM、数据库和日程 API。销售助手可以在一次对话中，依次调用三个 MCP 服务器来查询客户合同历史、核对可约时间并起草跟进邮件。
个人智能体工作流可将三类原语结合使用：个人助手把收件箱作为资源读取，调用工具从笔记中查找相关上下文，再使用提示词模板起草结构化回复。整个 AI 驱动流程可横跨多个数据源，用户不必在应用之间切换。