本章小结

MCP (Model Context Protocol) 标志着 AI 应用开发进入了一个标准化的新时代。它终结了“手写胶水代码连接数据”的蛮荒时期，开启了“即插即用”的模块化时代。

核心知识点回顾

协议的价值

• 标准化 (Standardization)：Client 和 Server 之间通过通用的 JSON-RPC 2.0 协议对话。

• 解耦 (Decoupling)：AI 开发者不需要关心底层数据源的实现，工具开发者不需要适配所有 AI 模型。

• USB-C 类比：让连接数据变得像插外设一样简单。

架构三支柱

• Resources (资源)：被动的数据源，供模型“阅读” (Read Context)。

  • 例：文件内容、数据库表 Schema、日志流。

• Tools (工具)：主动的操作，供模型“执行” (Take Action)。

  • 例：提交代码、发送消息、重启服务。

• Prompts (提示)：预设的模版，供模型“调用” (Access Expertise)。

  • 例：服务器自带的分析专家模版。

实战配置

• 配置文件：claude_desktop_config.json 是核心枢纽。

• 多源融合：我们可以同时挂载 GitHub, SQLite, Filesystem 等多个 Server，通过组合它们的能力，让 Claude 瞬间变身为全栈工程师或数据分析师。

自定义开发

• FastMCP (Python)：基于装饰器的极速开发体验，适合快速验证。

• TypeScript SDK：类型安全，适合构建复杂的生产级 Server。

• 设计原则：工具原子化、描述清晰化、错误处理优雅化。

开发者自检清单

• 已配置环境：我是否成功在 Claude Desktop 中通过 MCP 连上了本地文件夹？

• 理解权限：我知道 MCP Server 只能访问我显式授权的文件或 API。

• 会用组合拳：我尝试过让 Claude 先从数据库查数据，再写到本地文件的跨 Server 操作吗？

• 能写扩展：如果找不到现成的 Server，我是否有能力用 Python 快速写一个简单的 Tool 暴露给 Claude？

下一站：打破数字世界的这堵墙

MCP 解决了“API 连接”的问题。但这个世界上还有大量软件没有 API，或者 API 极其难用。我们如何让 AI 操作那些陈旧 ERP 系统、复杂的图形界面软件，或者简单的网页？

答案是：像人一样，去看，去点，去敲键盘。

➡️ 第五章：Computer Use 计算机控制