MCP 是一套开放协议，规定 AI 应用怎么连接外部系统。它把「每个 AI 都要单独对接每个系统」变成「大家共用一个标准接口」。

一、先看办公桌底下那个抽屉

如果你用过 2010 年前后的办公设备，大概记得那个抽屉：诺基亚的圆口充电线、索尼的专用数据线、打印机的并口线、投影仪的 VGA 线，还有一根相机用的 Mini-USB。五种设备，五根线，一根都不能混用。

USB-C 之后，抽屉空了。一根线，充电、传数据、接显示器都能干。

MCP 要解决的，是 AI 世界里的同一个问题。只是它面对的不是五根线，而是一个乘法。

设想一家公司有 5 个 AI 入口：Claude、Cursor、VS Code 里的 Copilot、自建的内部助手、客服机器人。另有 8 个系统要被访问：GitHub、数据库、CRM、文档库、工单、日历、邮件、监控。

没有统一标准，这 5 × 8 等于 40 种组合，每一种都要单独开发一次对接。GitHub 的接口一改，40 套里受影响的都得跟着改。

有了 MCP，每个系统做一次服务端，8 个；每个 AI 应用支持一次客户端，5 个。加起来 13 件。

40 变成 13。这就是 MCP 全部的价值主张——它不提升 AI 的智力，它降低 AI 接东西的成本。

没有统一标准时，5 个 AI 应用对接 8 个系统需要 40 套定制开发；接入 MCP 后，只需 8 个服务端加 5 个客户端，共 13 件，且新增系统不再牵动所有应用。

二、它到底是什么

MCP 全名 Model Context Protocol，中文一般译作「模型上下文协议」。Anthropic 在 2024 年 11 月首次公开发布，2025 年 12 月起交给 Linux 基金会下的 Agentic AI Foundation 托管。也就是说，它现在不属于任何一家公司。

用一句话说：它是一份技术约定，规定 AI 应用和外部系统之间用什么格式说话、怎么问出对方能干什么、怎么把结果拿回来。

按这份约定，一次调用里会同时出现三个角色。

• 宿主（Host）是你在用的那个 AI 应用。Claude 桌面版、Cursor、你们公司自己写的客服机器人，都算。
• 客户端（Client）是宿主内部的一个连接器，负责按 MCP 的格式跟服务端对话。
• 服务端（Server）把某个系统的能力包装成标准格式。比如 GitHub 的服务端，负责把「查代码」「提 PR」这些动作翻译成 MCP 认得的样子。

打个比方：宿主是餐厅，你是坐在里面的客人；客户端是服务员；服务端是外面的供应商。你跟服务员说「来一份 X」，服务员按统一格式下单，供应商按统一格式送货。你不必知道 X 是哪家供的、怎么运来的。

MCP 的角色分工：宿主是你正在使用的 AI 应用，客户端在宿主内部，服务端负责把外部系统的能力包装成工具、资源、提示词模板三种标准形态。

三、服务端能拿出三样东西

MCP 规定了三种能力，名字很朴素，分工很清楚。

工具（Tools）是 AI 可以主动调用的动作。查订单状态、发一封邮件、在工单系统里建一条记录、跑一段查询。它们的共同点是会改变什么。

资源（Resources）是只读的资料。一份产品文档、数据库里的一张表、一份配置。AI 读它来回答问题，但不会把它改掉。

提示词模板（Prompts）是预先写好的工作流。比如公司规定「周报要走这五步、用这个格式」，可以固化成一个模板，AI 调用时直接照做。

三者的区别可以这样记：工具是「你让它去做事」，资源是「你给它看东西」，提示词模板是「你告诉它按这个套路做」。

举个具体场景。员工在内部助手里问「上周华东区的订单为什么掉了」。这个动作背后可能是三次调用：先调工具跑一段查询拿到数字，再调资源读那份区域划分文档、确认口径里的「华东」是哪些省，最后按提示词模板里规定的格式输出结论。三样东西各管一段，AI 把它们串起来用。

四、三个常见的误解

误解一：MCP 是 AI 的记忆。不是。它不存知识，只是一条取东西的通道。文档还在你自己的系统里，MCP 负责在需要时把它取过来。记忆是另一套东西。

误解二：接了 MCP，AI 就会按你们公司的流程做事。不会。MCP 解决「够不够得着」，不解决「知不知道该怎么干」。同样拿到 CRM 数据，有的 AI 甩给你一张原始表格，有的按你们公司的分析口径输出。后者靠的是另一类东西——技能（Skills），那是这套系列的下一篇。

误解三：接得越多越好。恰恰相反。每个服务端都会把工具清单塞进 AI 的上下文窗口，占用有限额度。接十个用不上的服务端，很可能让它在真正需要的地方变笨。官方路线图里专门有一项叫「渐进式发现」，就是为了治这个。

至于什么时候不需要 MCP：只有一个系统要接、只做一次性小任务、或者纯本地脚本。这类场景搭一套服务端，成本高于收益。

五、几个常被问到的问题

MCP 和普通 API 有什么区别？

API 管的是「系统之间怎么调」，MCP 管的是「AI 怎么发现并调用系统的能力」。API 通常要人先读文档、写代码；MCP 服务端会主动告诉 AI 自己能做哪几件事、需要什么参数，由 AI 自己决定调哪个。

它是 Anthropic 的私有协议吗？

不是。2024 年 11 月由 Anthropic 发布，2025 年 12 月起由 Linux 基金会下的 Agentic AI Foundation 托管，Anthropic、Block、OpenAI 是共同发起方。按官方 2026 年 7 月的公告，TypeScript 和 Python 的官方 SDK 累计下载都已超过 10 亿次。

普通用户需要自己装吗？

多数情况不用。你用的 AI 应用如果支持 MCP，通常在设置里点几下就能连上现成的服务端。真正要动手的是想把自己的系统开放给 AI 的那一方，一般是公司的技术团队。

会不会泄露数据？

风险不在协议本身，在服务端。MCP 提供标准通道和授权机制，具体能读什么、能写什么，由服务端自己划定。挑服务端跟挑任何 SaaS 一样：看谁在运维、要什么权限、日志能不能查。

国内的产品支持吗？

各家进度不一样，而且一直在变。判断方法很简单：翻它的文档，看有没有「添加 MCP 服务」这一项，能不能填自定义的服务端地址。

七巧的 MCP 是什么？

七巧把自家低代码平台的能力封装成了 MCP 服务，对外提供给 Codex、Claude Code、Trae、WorkBuddy、企业微信智能机器人这类 AI 产品调用。
接上之后，AI 能直接操作七巧的开发平台和运行平台。比如你说「帮我建一个供应商入库流程」，它去调用创建表单的接口，把字段和审批流程一起生成；也可以同时查七巧里的业务数据和外部系统的数据，拼成一张跨系统报表。权限上有一层硬约束：AI 只在你自己的账号权限范围内操作，审批、删除这类动作需要你明确确认，重要数据通常先出草稿让你核对。
安装七巧MCP，可以把下面这段话完整复制给智能体，例如豆包工作、千问办公、zcode、codex、claude code等：

请根据 https://skillhub.cn/install/skillhub.md，安装 @org-f4a9rqf5/qiqiao-api。